大模型|人工智能大模型时代到来，光子计算或成下一个风口( 二 )

沈亦晨并不认为光学会取代整个电子计算行业。Lightelligence 旨在加速某些线性代数运算，以执行快速、节能的任务，例如人工智能神经网络中的任务。

文章插图

大部分人工智能计算发生在云端数据中心，例如亚马逊、微软的数据中心，数以万计的服务器，连续运行，每秒消耗价值数百万美元的电力。而用 Lightelligence 服务器可替换一些传统服务器，这些服务器消耗的功率要少得多，成本却是后者的一小部分。
“我们的光学芯片将大大降低数据中心的成本，或者换句话说，可以大大提高这些数据中心对人工智能应用的计算能力” 沈亦晨说。
再如自动驾驶汽车，依靠摄像头和人工智能计算来快速做出决定。但传统的数字电子芯片的“思考”速度不够快，无法以高速做出必要的决定。
更快的计算成像意味着更快的决策。“我们的芯片完成这些决策任务的时间是普通芯片的一小部分，这将使车内的人工智能系统能够做出更快、更精确的决策，从而实现更安全的驾驶”沈亦晨说。
Lightelligence创始团队全部来自MIT
跨学科顶尖人才集聚
Lightelligence的技术起源于 2017 年由沈亦晨在《自然光子学》杂志上发表的了一项研究，描述了一种使用光干涉执行神经网络工作负载的新方法。

文章插图

Lightelligence 于几个月后成立，集聚了一支全部来自MIT的创始团队，目前有100 名技术专家，其中包括机器学习先驱、领先的光子研究人员和致力于革新计算技术的半导体行业资深人士。沈亦晨在MIT物理系跟随Marin Soljajic和John Joannoupolos教授一起攻读博士学位，在那里他对光子学和人工智能的交叉产生了兴趣。“我意识到计算是现代人工智能的关键推动因素，需要更快的计算硬件来补充更快、更智能的 AI算法的增长”他说。
“像沈亦晨这样的学生，我在教授的职业生涯中也很少遇见，即使在麻省理工学院也是如此。沈亦晨是该领域将集成光学用于AI的真正有远见者和先驱”Soljacic说。

文章插图

沈亦晨将光芯片技术发展的这个阶段比作晶体管取代真空管的时代。到 2021 年，沈亦晨预计 Lightelligence 将解决80-90%的技术挑战，使光学计算成为可行的商业产品。目前，Lightelligence已经筹集了超过4000万美元的风险投资。
虽然光芯片赛道还处于早期，但并不缺少竞争对手。沈亦晨的自然光子学论文合作者尼克·哈里斯在波士顿创办的Lightmatter公司，也拿到了3300万美元风险投资。
除了技术和商业方面，Lightelligence与Lightmatter之间的竞争正在演变成两大投资集团之间的文化战，一个主要是中国的，另一个是美国的。随着国家之间的竞争紧张局势加剧——尤其是在人工智能技术开发方面——这似乎成为具有全球影响的更大竞赛的一部分。
References:
https://news.mit.edu/2021/lightelligence-accelerating-ai-speed-light-0602
https://www.technologyreview.com/2018/11/29/138899/making-ai-algorithms-crazy-fast-using-chips-powered-by-light/
https://xconomy.com/boston/2018/02/05/out-of-mit-a-21m-startup-battle-brews-over-next-gen-a-i-chips/
【大模型|人工智能大模型时代到来，光子计算或成下一个风口】作者简介：AI商业评论，立足做有价值、有态度的内容。