3D光电子芯片破解AI难题？新技术落地面临三大挑战

一直以来，数据传输时能耗过高的问题困扰着AI硬件的发展，最近，美国哥伦比亚大学的工程师公布一项研究成果——3D光子电子芯片(3D光电子芯片)，国内也有相关创新成果公布，它也许能帮我们解决此问题。

3D光电子芯片有哪些创新呢？它将基于光的数据迁移技术和CMOS电子技术相结合，大幅提升了能效和带宽。如果该技术真的可以大规模应用，当我们传输数据时速度会更快，能耗也会更低；它将给自动驾驶汽车、超大型AI模型及其他技术带来深远影响。

业内专家认为，3D光电子芯片具有变革性意义，但其应用落地面临三大挑战，最终成效还有待观察。

新突破有什么意义

目前研究成果已经发表于《自然光子学》杂志（Nature Photonics），它由哥伦比亚大学电子工程系教授克伦·伯格曼（Keren Bergman）和查尔斯·巴彻勒( Charles Batchelor)领衔发表。团队将光子学技术和先进CMOS电子技术融合，不仅实现了数据的高速高效移动，还解决了低能耗下海量数据的极速迁移问题。

伯格曼教授称：“如果使用我们开发的技术，可以以空前低的能耗传输大量数据。数十年来，计算机和AI系统一直受到能耗的困扰，我们的创新突破可以缓解此问题。”

哥伦比亚大学工程团队与康奈尔大学合作，开发出这款3D集成光子芯片。团队在0.3 mm²的芯片面积上集成了80个光子发射器与接收器，其3D集成通道数量较此前提升了一个数量级。芯片带宽达到800 Gb/s，带宽密度达到5.3 Tb/s/mm²，单比特能耗仅120飞焦，能效极为出色。

在设计芯片时，团队采用了低成本方案，将光子器件和CMOS电子电路深度融合，元器件来自商业化工厂。值得注意的是，架构兼容商用12英寸（300mm）晶圆CMOS工艺，具备大规模生产潜力。研究还重新定义了计算节点间的数据传输方式，打破了数据本地化限制。

光作为通信介质，能以极低能耗传输海量数据，这是传统计算模式所不具备的，一旦光子芯片成功商用，将打破计算能力极限，到时计算性能得到空前提升，并成为未来各种应用场景中计算系统的基石，包括大型AI模型、实时数据处理等。除了人工智能外，高性能计算、电信、分离式内存系统也需要类似技术。

最大挑战在哪里

许多研究机构和企业正在研究光子半导体技术。例如，Celestial AI试图为AI计算和内存基础设施提供先进的光互连技术；ANT为本机处理单元 (NPU) 提供 PCI Express 卡，能效比CMOS高出30倍。还有CogniFiber、Neurophos、Salience Labs也在研究相关技术。

在国内，清华大学研制出国际首个全模拟光电智能计算芯片（简称ACCEL），经实测，该芯片在智能视觉目标识别任务方面的算力可达目前高性能商用芯片的3000余倍。去年9月，湖北九峰山实验室成功点亮集成到硅基芯片内部的激光光源，在硅光子集成领域取得里程碑式突破。

虽然国内外科学家在光子芯片方面不断取得突破，但新技术仍面临极大挑战。

克伦·伯格曼（Keren Bergman）认为，第一大挑战在于设计。光学技术的确可以大幅提高带宽，但是要将光子芯片与计算机的计算、存储、及其他组件封装、集成，难度不小。

伯格曼称：“光子芯片是由硅制成的，所以它看起来就像一块电子芯片。我们应该如何对其进行共封装，使之能与电子部件相连接呢？强化集成可以做到，而且有多种实现方法，比如3D集成、单片集成（整体集成，将光子学元件和电子元件集成在同一芯片内）。“

第二大挑战就是共封装带来的发热问题。光子技术对温度极为敏感，温度一旦变化，光子芯片的折射率会改变，所以必须要让光芯片适应温度变化。

伯格曼称：“我们用多种方法解决这一问题。一种方法是建立闭环电路，维持光子器件的正常运行，即使温度变化也不受影响；第二种方法是尽可能优化光子器件，让它对温度不那么敏感。”

当然，无论什么技术产品，最终还是要落实到成本上。目前光子元件的成本仍然高于电子元件，因为半导体产业的成熟度远高于光子学产业，这一问题需要依靠生态系统的完善来解决。（小刀）