7 Minutit
Ameerika idufirma, mida toetab Bill Gatesi Gates Frontier Fund, avalikustas eksperimenteeriva tehisintellekti (AI) protsessori, mis töötab mitte elektroni liikumisel, vaid valgusel. Neurophos väidab, et nende optiline kiip võib tuua märkimisväärseid edusamme jõudluses ja energiaefektiivsuses, pakkudes alternatiivset teed tehisintellekti skaleerimiseks väljaspool traditsioonilisi räni-põhiseid GPU-sid. See areng toob fookusesse optiline arvutus, fotonite kasutamise mastaabivõime ja potentsiaali andmekeskuste energiatarbe vähendamiseks.
From electrons to photons: a different way to compute
Klassikalises pooljuhtarhitektuuris liiguvad arvutuse aluseks olevad laengukandjad — elektronid — läbi transistorite ja juhtimisahelate. Neurophos’i disain seevastu sooritab aritmeetikat ja maatriksite operatsioone, kasutades fotoneid ja valgussignaale. Valgus lülitub kiiremini ja tekitab oluliselt vähem töödeldud soojust kui elektrilaengute suunamine läbi räni, mis teoreetiliselt võimaldab oluliselt suuremat läbilaskevõimet ja madalamat energiatarbimist suurtes AI töökoormustes.
Et optiline arvutus muutuks praktiliseks, tuli lahendada mitu riist- ja süsteemitasandi takistust. Neurophos väidab, et on suutnud optilised komponendid tihendada nii, et nende tihedus sobib olemasolevatesse kiibitootmise tehastesse (foundries), mis on oluline samm selleks, et skaleerida optilist kiipi massitootmises. Selle asemel, et jaotada töö paljude väiksemate elektrooniliste tuumade vahel, pakib ettevõte ühe suure optilise arvutusmaatriksi ühele kiibile — õrn kombinatsioon optilise elementide miniaturiseerimise, lainejuhtide ja integreeritud fotonikalahenduste vahel.
Selline lähenemine tähendab, et võtmeoperatsioonid — näiteks sügavõppe mudelite maatrikskorrutused ja konvolutsioonid — võivad toimuda otseselt valgusmõõtmisel, kus intensiivsus ja faas kannavad informatsiooni. See nõuab täpset optilist asünkroonsust, interferomeetriat ja optilise amplituudi/etapi juhtimist, aga lubab ka paralleelsust ja minimaalset elektrilist liikumist arvutuslawäärtuste vahel. Kokkuvõttes on tegu funktsionaalse nihkega elektroonilisest loogikast optilise signaalitöötluse suunas.
What this means compared with today's AI chips
Tänased tipptasemel AI kiibid, nagu Nvidia GPU-d ja muud aktselerid, tuginevad endiselt elektrilisele arvutusele — teavet esindavad ja hallatakse elektronide liikumise kaudu transistorites ja mälumoodulites. Nvidia ja teised tootjad investeerivad fotoonikasse peamiselt kiirema inter‑kiibi kommunikatsiooni osana (nt optilised ühendused ja kiudoptilised liidesed), et vähendada latentsust ja suurendada ribalaiust eri kiipide vahel. Siiski jääb põhiarvutus — maatriksite korrutused ja elementaarne lineaaralgebra — elektrooniliseks.
Neurophos seab eesmärgiks tõelise optilise arvutuse, kus fotonid ise sooritavad neurivõrkude põhimaatriksite operatsioone. Kui see osutub töökindlaks ja skaleeritavaks, võib see muuta olemasolevad kaubanduslikud kompromissid jõudluse ja energiatarbimise vahel, millega andmekeskused täna võitlevad. Optiline protsessor võib pakkuda suuremat läbilaskevõimet ja madalamat energiatarvet samade aritmeetiliste töökoormuste juures — eriti inferentsi ja mõne spetsiifilise treeningülesande puhul, kus maatriksite manipuleerimine domineerib.
- Kiirem lülitumiskiirus: fotonid võivad olekuid vahetada kiiremini kui elektronid, võimaldades teatud operatsioonide puhul kõrgemaid sarnaseid tsüklikiirusi.
- Madalam soojusetootmine: vähem kõrvalist soojust vähendab jahutusvajadust ja parandab energiaefektiivsust suurte inferentsi- või treeningsüsteemide puhul.
- Tihendatum arvutusstruktuur: üks suur optiline maatriks võib lihtsustada andmeliikumist kiibil võrreldes paljude hajutatud tuumadega.
Lisaks põhifunktsionaalsetele eelistustele võivad optilised lahendused mõjutada ka süsteemi arhitektuuri laiemalt: vähem soojusproduktsiooni tähendab väiksemaid jahutussüsteeme ja tihedamat riistvarapakkimist; kõrge paralleelsus võimaldab optimeerida latency‑sentsitiivseid töid; ja integreeritud optika võib vähendada vajadust mõnede traditsiooniliste mäluliideste järele, kui andmete esitus ja töötlemine toimub valguskujudes.
Samuti väärib märkimist, et optiline arvutus ei ole universaalne lahendus kõikidele AI‑töödele. Elektroonilised GPU-d hoiavad eelist eriti heterogeensete ja muutuva mälutarbega rakenduste puhul, kus digitaalne täpsus, programmiline paindlikkus ja olemasolev ökosüsteem (CUDA, TensorRT jmt) mängivad suurt rolli. Seega on tõenäolisem, et optilised protsessorid alguses täidavad spetsiifilisi koormusi — näiteks suurte dense maatriksite korrutusi inferentsi või mõne treeningfaasi osa jaoks — kui et asendavad täielikult olemasolevat GPU‑infrastruktuuri.
Reality check: big hurdles remain
Kuigi väited kõlavad paljulubavalt, seisab Neurophos silmitsi mitme aasta pikkuse inseneritöö ja mitmete keerdkäikudega enne massitootmise taset. Optilised komponendid käituvad fundamentaalselt erinevalt transistoritest: lainejuhtide omadused, dispersioon, interferents ja temperatuuri‑sõltuvus avaldavad otsest mõju signaali stabiilsusele. Lisaks nõuab optilise andmetöötluse täpne kontroll väga ranget signaalikõverate juhtimist ja kalibreerimist — tingimus, mis on keerulisem kui elektrooniliste loogikalülituste puhul.
Riistvara kõrval on oluline tarkvaraline pool: kompilaatorid, algorütmid, tööriistaketid ja valideerimissüsteemid tuleb kas üles ehitada või oluliselt kohandada, et tõhusalt juurutada optilist riistvara. Porting olemasolevatest raamidest (näiteks PyTorch, TensorFlow) optilistele aktseleritele nõuab nii arendustööriistu kui ka madalama taseme optimeerijaid, mis mõistavad valguspõhise arvutuse piiranguid ja võimalusi (nt analoogsignaali müra, kvantiseerimisvead, faasi‑ ja amplituudikontroll).
Lisaks on integreerimine olemasolevatesse andmekeskuse ökosüsteemidesse keeruline: toitejaotlus, jahutus, füüsiline interkonekt ja tööriistade ühilduvus peavad olema lahendatud, et optiline moodul saaks turvaliselt ja efektiivselt koos elektronilise infrastruktuuriga töötada. Usaldusväärsuskatsetused ja kestvustestid suures mahus on samuti aeganõudvad ja kulukad. Seega, kuigi tehnoloogia on paljutõotav, ei ole see kohe‑kohe mainstream GPUde asendaja.
Kuid Gates Frontier Fund'i toetus ja tööstuse kõlakas — mille osas Tom's Hardware andis esialgse ülevaate — viitavad kasvavale huvi‑ ja investeerimissoovile leida lahendusi räni‑piirangutest tuleneva skaleerimise kõrvaldamiseks. Kujutlege masiivseid, energiatarbivaid inferentsi‑riiuleid asendatuna kompaktsete optiliste moodulitega, mis kärbivad elektriarveid ja soojuseheidet: kõlab futuristlikult, kuid idufirmad nagu Neurophos viivad selle tuleviku realistlikult lähemale, samal ajal kui teadus‑ ja tootmistehnoloogia peavad arenenud lahendusi võimaldama.
Who wins the chip race?
Nvidia on jätkuvalt domineriv tegija ja tõenäoliselt jätkab turuliidri rolli aastakümneid tänu oma küpsusele ökosüsteemis, ulatuslikule tarkvaratoele ning tootmis‑ ja tarneahela suurusele. Suurte tarkvararaamistike, arendajakogukonna ja sertifitseeritud tööriistade tugi annab Nvidia‑tüüpi lahendustele tugeva eelise uute arhitektuuride laiemal vastuvõtmisel.
Siiski võib optiline arvutus kujuneda tugevaks komplementaarseks tehnoloogiaks: spetsialiseeritud optilised aktselerid inferentsiks või teatud suurte maatriksite töökoormuste jaoks võivad kooseksisteerida elektrooniliste GPU‑dega üldotstarbeliseks treeninguks ja tagurpidi ühilduvuseks. Selline heterogeenne arhitektuur — kus optilised moodulid võtavad üle spetsiifilised, intensiivsed maatrikskorrutused ja GPU‑d käsitlevad kontroll‑ ja haldusloogikat, mäluhaldust ning kõikvõimalikke muutuvaid töökoormusi — võib anda parima kummagi maailma eelised.
Oluline küsimus ei ole niivõrd see, kas Nvidia praegu langeda võib, vaid pigem kuidas AI‑riistvara maastik ajas muutub. Fotoni‑põhised süsteemid võivad järgmise kümnendi jooksul kujundada jõudluse ja energiakasutuse mõõdikuid oluliselt ümber, sundides eksisteerivaid tootjaid integreerima optilisi elemente oma platvormidesse või otsima hübriidlahendusi. Lõppkokkuvõttes sõltub võit sellest, kes suudab pakkuda turustatav, usaldusväärne ja lihtsasti integreeritav platvorm — nii riistvara kui ka tarkvaraga —, mis annab andmekeskustele mõõdetava äriedu (energia kokkuhoid, läbilaskevõime, madalamad käituskulud).
Neurophos ja teised optilise arvutuse idufirmad toovad turule olulise konkurentsi ja innovatsioonisurvet, kuid laialdane kasutuselevõtt eeldab täiendavat teadus‑ ja inseneritööd, standardiseerimist, tootmise skaleerimist ning ökosüsteemi toetust. Kui need komponendid õnnestub kokku viia, võib tulemusena ilmneda uus arhitektuuriperiood, kus fotonid ja elektronid töötavad koos, maksimeerides nii jõudlust kui ka energiatõhusust globaalses tehisintellekti taristul.
Allikas: gizmochina
Jäta kommentaar