光学芯片工程化进展已至测试阶段。

　　编辑 | 心缘

　　GTIC 2020全球AI芯片创新峰会刚刚在北京圆满收官！在这场全天座无虚席、全网直播观看人数逾150万次的高规格AI芯片产业峰会上，19位产学界重磅嘉宾从不同维度分享了对中国AI芯片自主创新和应用落地的观察与预判。

　　在峰会下午场，光子算数创始人兼CEO白冰以《AI芯片的另一条路：光子芯片》为主题发表演讲。

　　▲光子算数创始人兼CEO白冰

　　光子算数是国内少有的光子AI芯片赛道玩家。在演讲中，光子算数CEO白冰主要探讨了光学芯片的工程化进展、市场定位及目标客户、具体研发实施路径及相关适配算法等话题。

　　白冰提到，当前光学AI芯片仍处于较早期阶段，光子算数已做出测试级产品，于今年交予部分服务器厂商客户进行测试。

　　以下为白冰演讲实录整理：beat365

　　01.

　　光学芯片工程化进展，已至测试阶段

　　与常规数字芯片不同，白冰所创立的光子算数，采取了另外一条技术路线——光子芯片。

　　白冰说，用光学做计算处于比较早期的阶段。目前光子算数团队已将其做成测试级的产品，并于今年放至服务器厂商客户处进行测试。

　　作为一家初创公司，光子算数和大学、研究所等几家单位共同工作。其早期样片集成了几百个不同的光学单元，比如有电光转换，把电信号加载到光载波，然后通过传播到片内的光学组合，完成一些特定的函数变换。跟传统的计算特征不同，它不是面向加减乘除，而是直接完成一个复杂的变化过程。

　　这被称为可编程光子阵列芯片FPPGA（Field Programmable Photonic Gate Arrays），其中的光学单元可以通过电控，控制重新的连接组合方式，实现不同的复杂函数。也就是说，FPPGA具有可重构的特性。

　　光学芯片加速的不是完整算法，和所有的数字芯片一样，光学芯片面向复杂函数做加速计算，其计算对象是特定算子。光的劣势在于不是特别灵活，但是在某些函数上有优势。

　　整个系统是光电混合的，数据在光电两部分中完成一个流动，执行一个完整的计算过程，由光学、电学芯片组构成光电混合AI计算硬件系统。

　　光电混合系统仍要做到软硬协同，开发适合光学加速的算法，使得光电混合系统的硬件物理架构与算法的运算/访存特征相匹配。

　　从技术架构图可以看到，左边是电学部分，包含逻辑控制、缓存等，以及专用的定制化IP。考虑到与光学芯片匹配，这些IP与传统的数字IP不一样，需要定制化开发；右边是光学模组，除了光学计算芯片外，还有一颗DFB激光器芯片，还有驱动、TIA以及小型的控制、电源芯片等组件。

　　中间采用热插拔的方式，跟通信模块一样。之所以选择这一方式，是因为光子算数团队考虑到光芯片、电芯片放到一起，可能卖不出去，因为很难拼得过GPU，考虑到其产品定位，因此做成插拔型。

　　光子算数与高校一起打造了面向服务器的光电混合AI加速计算卡，目前已完成一些定制化加速任务，包括机器学习推理、时间序列分析等特定任务。白冰说，计算卡现在的性能可用，不过还比较初步，能做到36路1080P视频同步处理，功耗不到70W，算力资源相对有限，混合精度下峰值算力接近20TOPS，光部分为低精度，电部分为高精度。

　　计算卡封装有光子协处理引擎模块，散热器、驱动、控制器、TIA、一些计算控制部分和赛灵思FPGA芯片，数据在光电之间形成循环流动。光的定位为电做协处理加速。

　　其中光子协处理引擎模块用的是两个QSFP28的光通信接口（每个都是100GB/s），光通信物理接口非常成熟，其光学带宽大约达200GB/s，典型功耗达7beat365