后摩尔时代,全世界的科学家们都在寻找新的计算体系和架构来突破算力瓶颈。量子和光被寄予了厚望,并且在经历了数十年的实验室研究和学术探讨之后,终于开始接近成为一个商业命题。
上个月底,美国光量子计算创企PsiQuantum宣布,已完成4.5亿美元的D轮融资。由美国投资管理公司贝莱德(BlackRock)领投,微软M12风险投资基金等跟投。而在5月,PsiQuantum刚和晶圆厂Global Foundries宣布合作推出Q1量子系统,且双方正在生产量子计算机部件和芯片。PsiQuantum称,本轮融资将主要用于建造世界上第一台具有商业可行性的量子计算机。
中国资本也同样开始关注这一领域。今年2月刚成立的图灵量子团队,三个月后即宣布完成近亿元人民币天使轮融资,由联想之星领投,中科神光、前海基金、源来资本、小苗朗程跟投。脱胎于上海交通大学集成量子信息技术研究中心,图灵量子的研究团队同时在光量子信息和光子芯片领域研究十余年。图灵光子创始人、上海交通大学集成量子信息技术研究中心主任金贤敏教授介绍,融资将主要用于光量子计算芯片以及光量子计算机的研发。
基于光与量子的超越摩尔的漫长产业化征程也由此撕开了一道口子,而挑战才刚刚开始。
算力真正爆发的前夜:光与量子能带来什么?
人工智能(AI)正在深入改变诸如智能驾驶、语音翻译、新零售、医疗诊断等诸多领域,但计算速度、算力以及功耗问题正在成为AI进一步发展的主要瓶颈。
OpenAI发布的分析数据显示,自2012年以来,AI训练对算力的需求每3.43个月翻一番。这一增速明显快于摩尔定律——作为过去几十年来统治计算的一个基准法则,摩尔定律指出,微处理器芯片上的晶体管数每18-24个月翻一番。这意味着,基于冯·诺依曼架构的电子计算机已无法满足大数据时代对算力与功耗的要求。此外,随着晶体管尺寸逼近物理尺寸极限,摩尔定律还将面临散热等无法克服的挑战。
近几年,关于用量子和光学芯片加速AI的研究逐渐兴起。“也许我们正处在计算能力真正爆发的前夜。”金贤敏对集微网指出,而提高算力的根本性对策在于提高运算速度和降低运算功耗。
这一点上,光学将能让计算机芯片设计克服电子学的根本局限,因为光子是当前速度最快的粒子,相较电子,具有更速度、更低功耗以及低延时等特点,且不易受到温度、电磁场和噪声变化的影响,光子芯片因而也被包括金贤敏在内的海内外科学家视作最有可能替代电子芯片的未来基础性核心技术,也是超越摩尔定律的重要技术基础之一。
与此同时,量子计算是后摩尔时代突破算力瓶颈另一项被寄予厚望的技术。相比之下,量子计算经过数十年的发展,已经形成了比较成熟的理论体系。利用量子力学的反直觉特性,可以大幅加速某些类型的计算。这让量子计算机在原理上具有超快的并行计算能力,可望通过特定算法在一些具有重大社会和经济价值的问题方面(如机器学习,密码破译、大数据优化、材料设计、药物分析等)相比经典计算机实现指数级别的加速。
不过尽管优势众多,但是过去很长一段时间,光学技术主要应用于通信传输领域,借助光的更快速度、更高容量等特点实现数据的远距离传输,在计算领域则进展缓慢。由于光计算的应用场景不清晰,软硬件体系也不够完善,因而关于如何用光子代替电子芯片执行计算的想法长期停留在研究阶段。
量子计算的产业化应用也面临工程和材料上的难题。近年来全球对量子计算的投入持续上涨,据粗略统计,包括美国、英国、中国和德国在内的各国政府合计已投入数十亿美元以推进量子研究。国外高科技企业如谷歌、IBM、微软、英特尔等在量子计算技术方面投入了大量资源,在推动量子计算技术由基础研究向工程化发展迈进方面取得了显著的成效,但目前量子计算机的研究还处于十分初级的阶段。耶鲁大学应用物理教授Steven Girvin博士此前曾对集微网指出,量子计算机还处于普通电脑1940年的阶段,相当于“刚刚做出了真空管,或者刚刚发明晶体管这样的阶段”。
光量子芯片或是通向大规模通用量子计算的最可行路径
如今,随着以神经网络计算为主的AI应用的普及,需要巨大数据计算量以及高计算速度的深度学习、机器学习等相关应用,将最有可能成为光计算以及量子计算的“应用”。
但是光与量子各自面临着不同程度的产业化落地困境。
构建实用的光学计算机需要材料科学、光子学、电子学等领域的研究人员之间的广泛跨学科努力和合作。此外,尽管研究表明光子处理器具有较高的单位面积计算能力和潜在的可伸缩性,但是全光学计算规模(光学人工神经元的数量)仍然很小。同时,由于存在固有地吸收光的计算元件,且电信号和光信号经常需要转换,去能量效率也同样会受到限制。
同样的,量子计算机也还处在早期发展阶段,目前主流的技术路径有超导、半导、离子阱、光学以及量子拓扑这五个方向。金贤敏指出,而要实现通用的量子计算机有三个前提——百万量子比特的操纵能力、低环境要求、高集成度。
在这个意义上,光量子计算机与其他技术路线相比具有明显的优势。而光量子路径也是唯一能够满足这些条件的技术体系,是通向大规模通用量子计算的最可行路径。金贤敏解释,因为量子计算的实现,不能脱离现有大规模的半导体工艺。沿用成熟的CMOS半导体制程,光量子芯片可以实现大规模的生产和制备。基于光量子芯片进行的快速试错和迭代,为构建商用量子计算机提供了坚实的基础。
“可以说现在的光量子芯片,处于当年电子芯片的仙童半导体时代。”金贤敏称,当前光量子芯片发展正处于类似当年大规模集成电路发展初期的关键节点,即将爆发的关键前期节点。而从全球来看,目前各国在量子与光子计算领域均未形成绝对优势,现阶段各国研发基本处于同一起跑线,对于国内产业界来说具备换道超车的重大战略机遇。金贤敏进一步解释,目前这个领域还处于刚刚起步阶段,还不够大,不像电子芯片那么细化,“现在我们一个团队就可以把目前光子芯片设计的EDA软件搞定。”
集微网了解到,图灵量子团队目前已掌握了自主知识产权的三维和超高速光子芯片核心技术与工艺,从设计、流片到封装测试,再到系统集成和量子算法,可实现光量子计算芯片的全链条研发。目前,已有大量的量子算法内核在光量子计算芯片上得到了实现。金贤敏称,基于底层技术的相通性,未来将实现与光有关的技术全覆盖。其中光子芯片技术,在获得规模化商用后有望可以解决我国芯片“卡脖子”的难题,摆脱受制于关键技术、关键设备的困境。
超越摩尔之路:未来是“架构为王”的时代
在后摩尔时代的突破算力瓶颈的探寻之路上,金贤敏认为,未来一定是“构架为王”的时代,光量子芯片凭借全新的构架和大算力等特点,有望创造全新的机会。在他看来,随着量子计算技术和光量子集成能力持续演进,混合光量子计算架构、光子计算,以及人工智能光子处理器会展现出巨大潜能。
此外,另一个研究途径是发展先进的非线性集成光子计算体系结构,即通过将电子电路和数千或数百万个光子处理器集成到合适的体系结构中,同时利用光子和电子处理器的混合光电框架可能在不
久的将来,带给AI硬件的变化。这些硬件将在通信、数据中心操作和云计算等领域具有重要的应用。
不管哪一种技术路径,架构创新成为未来计算创新的关键驱动力已经成为业界共识。
比如英特尔近年来一直在推进的XPU战略,就是用不同的架构去处理不同类型的数据,根据处理速度和带宽的不同要求去优化。其中,CPU适宜处理标量架构,GPU则适宜处理矢量运算,AI则更多是块状运算,FPGA则适合做一些稀疏的运算,可以大幅度降低I/O以及计算的消耗。“把它们整合起来就能各取所需,打组合拳会好过只用一种武器去解决所有问题。”在今年世界人工智能大会期间,英特尔研究院副总裁、英特尔中国研究院院长宋继强指出,他还特别介绍了集成光电的创新路径,认为光是替代铜的非常好的互联介质替代品。而针对光本身的一些问题,如光的器件都比较大,光和电之间的转换也比较困难且效率不高。而英特尔正在从几个方面解决这一问题。首先是把光器件与电器件紧密封装在一起,减少两端转换的损耗;其次是制作出收发器,以更小的模式放到服务器当中,比如硅光产生、光的发射、调制,接收端的检测、放大等光处理的中间过程的几个模块做成非常小的模块,可以和CMOS光处理器件整合到一个芯片中,这样集成的光电可以大幅度缩小系统的尺寸和功耗。
超越摩尔的探索之路刚刚开始,但无论是传统电子芯片,还是未来的光与量子,都需要经过一个漫长的技术积累的过程。在传统电子芯片时代,国外巨头们正是通过漫长的技术迭代,通过产业落地和应用的规模化,诞生了一个又一个“伟大的科技公司”。同理,在未来的光与量子计算的领域,也必将经历这样一个过程。
LarcomSE量伙半导体&SEMICON CHINA 2023展会回顾
国产服务器芯片要燃了
全自动双腔6-8英寸兼容快速退火炉RTP
Micro LED全球专利超4万件,国产厂商准备充分,喜迎市场提前爆发
相关产品
关注
拨打电话
留言咨询