文章目录[隐藏]
总部位于德克萨斯州奥斯汀的 AI 芯片初创公司 Neurophos 宣布其在硅光子计算领域取得关键进展：成功开发出一款基于光子的处理器，其核心创新在于——将光学晶体管尺寸缩小至传统方案的约 1/10,000，并实现 1000×1000 的大规模光子矩阵运算。
该公司由比尔·盖茨旗下的 Gates Frontier Fund 投资，目标是突破当前硅基 AI 芯片在能效与计算密度上的物理瓶颈。
核心技术突破
1. 超大光子矩阵
- 单芯片集成 1000×1000 光子传感器阵列
相比英伟达主流 AI GPU（如 H100）常用的 256×256 矩阵，计算单元规模扩大近 15 倍。 - 支持 FP4 / INT4 低精度计算，专为 AI 推理与训练优化。
2. 微型化光学晶体管
- 传统硅光子工厂制造的光学开关长度约 2 毫米，难以高密度集成。
- Neurophos 利用改进的半导体工艺，将等效光学晶体管尺寸压缩至 微米级，实现“比现有技术小 1 万倍”的体积。
- 这一突破使得在单芯片上部署足够多的光子计算单元成为可能，首次接近 CMOS 数字电路的集成密度。
3. 高频运行能力
- 首款光子处理器 Tulkas T100 运行频率高达 56 GHz
- 远超英特尔 Core i9-14900KF 的 9.1 GHz（风冷世界纪录）
- 是英伟达 RTX Pro 6000（2.6 GHz）的 20 倍以上
- 高频 + 大矩阵协同，弥补了“单芯片仅等效 1 个张量核心”的数量劣势。
性能对标：挑战英伟达 Vera Rubin 超算
Neurophos 声称，其光学处理器在 FP4/INT4 工作负载下的性能可达 英伟达 Vera Rubin NVL72 AI 超级计算机的 10 倍，而功耗水平相当。
“我们不是靠堆核数取胜，而是通过更大的矩阵和更高的时钟速度实现效率跃升。”
—— Neurophos CEO Patrick Bowen
尽管 Vera Rubin 单芯片集成 576 个张量核心，但 Neurophos 的光子架构在单位面积计算吞吐量上展现出潜在优势。
制造与量产前景
- 兼容现有半导体工艺：无需全新产线，可利用英特尔、台积电等代工厂的成熟制程。
- 仍处测试阶段：预计 2028 年 才能量产。
- 待解挑战：
- 需配套大量向量处理单元（VPU）
- 片上静态存储器（SRAM）带宽需匹配光子计算速度
- 光电信号转换效率与热管理
行业背景：光子计算正成新战场
Neurophos 并非孤例。全球科技巨头已加速布局硅光子学：
- 英伟达：在 Rubin 平台中采用 Spectrum-X 光子以太网交换系统，提升集群通信效率
- AMD：计划投资 2.8 亿美元 建立硅光子研究中心
- Intel、Ayar Labs、Lightmatter 等也在推进光互连与光计算芯片
光子计算的优势在于：低延迟、高带宽、近乎零焦耳/bit 的能耗，尤其适合 AI 中的矩阵乘加（MAC）操作。
能否打破“硅瓶颈”？
当前 AI 芯片受限于：
- 冯·诺依曼架构的内存墙
- 电互联的带宽与功耗限制
- 摩尔定律放缓
光子计算提供了一条非冯·诺依曼路径：
- 数据以光信号形式并行传输
- 矩阵运算在光域直接完成，无需频繁读写内存
- 功耗主要来自光电转换，而非计算本身
若 Neurophos 能在 2028 年实现可靠量产，它或将成为 AI 基础设施的重要补充——不是取代 GPU，而是承担特定高吞吐、低精度计算任务。
发表回复