【跨市博弈】人工智能耗電料3年增9倍光子晶片能否拯救AI的能源飢渴？

By 徐立言 on 25 Sep 2024

當OpenAI在2022年推出ChatGPT 3時，全球掀起了一場算力基礎設施的建設競賽，讓Nvidia成為GPU市場的壟斷巨頭。事實上，儘管摩爾定律已經相當快了，但深度學習時代的運算需求增長速度甚至更快。國際能源總署預測，2026年人工智能消耗的電力將是2023年的10倍，而預計當時的數據中心消耗的能源將相當於日本。

因此，在生成或AI狂熱席捲全球之際，一些研究人員正在悄悄推進一項可能顛覆整個行業的技術：光學神經網絡(Optical Neural Network，簡稱ONN)。研究人員紛紛宣稱，光學AI將能夠超越傳統電子晶片，成為未來神經網絡的主流。然而，在一片讚美聲中，光學計算是否真的準備好顛覆傳統電子計算，還是只是科技界的另一個浮誇炒作？

首先，讓我們來看看光學神經網絡的優勢。光訊號可以承載更多的訊息，且頻率更高，延遲更低。這意味着光子AI 理論上可以處理更多的數據，而且速度更快。同時，還可以減少能耗，降低成本。然而，光學神經網絡並非沒有缺陷。光子之間的交互作用非常弱，這使得光學神經網絡難以實現複雜的邏輯運算。同時，光學神經網絡還需要昂貴的雷射和光檢測器，這使得成本大大增加。

儘管如此，研究人員仍在努力推進光子AI的發展。 2017年，麻省理工學院的研究人員成功開發了一款光學神經網絡晶片，該晶片可以實現矩陣乘法運算。這項突破引發了光學神經網絡的熱潮，各大研究機構紛紛投入研發。

雖然理論上光子計算具有巨大的優勢，但實際上將這些實驗室成果轉化為商業產品面臨許多挑戰。正如Queen’s University的Bhavin Shastri教授所指出，光子計算系統在規模化應用前還需要解決許多工程難題，這些都是電子計算領域經過數十年來解決的問題。目前，無論是在運算能力還是能源效率上，光計算都難以與Nvidia等公司生產的高效能晶片相提並論。

那麼，光子AI的未來在哪裏？短期內，它可能首先在專業領域找到立足之地。例如Bhavin Shastri團隊開發的ONN可以在15皮秒內分離出5G訊號，比電子系統快1000倍，能耗僅為後者的1/70。這種超低延遲在自動駕駛等領域可能至關重要。

從長遠來看，如果光學系統能夠實現Cornell University的Peter McMahon所預測1000倍效率提升，那麼它確實有可能改變AI產業的模式。這種效率提升令人振奮，儘管全面超越電子系統仍需時日。

在此期間，或許會看到更多光子AI初創公司崛起，就像曾經看到的量子計算浪潮一樣。投資者會爭先恐後地投資下一個「光子獨角獸」，而媒體則會充斥着相關的頭條。但是，正如晶片戰爭的歷史所教導我們的，技術的進步並不總是線性的。未來十年內，光計算是否能實現突破性進展，還是只能在科技新聞中偶爾露臉，且讓我們拭目以待。