1965年，英特爾創(chuàng)始人之一戈登·摩爾提出影響芯片行業(yè)半個多世紀的“摩爾定律”：預(yù)言每隔約兩年，集成電路可容納的晶體管數(shù)目便增加一倍。半導(dǎo)體領(lǐng)域摩爾定律繁榮發(fā)展了數(shù)十年，“芯片”，成為人類邁入智能時代的重要引擎。然而隨著晶體管尺寸接近物理極限，近十年內(nèi)摩爾定律已放緩甚至面臨失效。如何構(gòu)建新一代計算架構(gòu)，建立人工智能時代的芯片“新”秩序，成為國際社會高度關(guān)注的前沿?zé)狳c。

針對這一難題，清華大學(xué)自動化系戴瓊海院士、吳嘉敏助理教授與電子工程系方璐副教授、喬飛副研究員聯(lián)合攻關(guān)，提出了一種“掙脫”摩爾定律的全新計算架構(gòu)：光電模擬芯片，算力達到目前高性能商用芯片的3000余倍。相關(guān)成果以“高速視覺任務(wù)中的純模擬光電芯片”（All-analog photo-electronic chip for high-speed vision tasks）為題，以長文（article）形式發(fā)表在《自然》（Nature）期刊上。如果用交通工具的運行時間來類比芯片中信息流計算的時間，那么這枚芯片的出現(xiàn)，相當于將京廣高鐵8小時的運行時間縮短到8秒鐘。

2023年諾貝爾物理學(xué)獎授予了阿秒激光技術(shù)。作為人類已知的宇宙中最快速度之一，許多超高速物理領(lǐng)域都少不了光的身影。然而科學(xué)家們用光來做計算，并不是一件容易的事。當計算載體從電變?yōu)楣?，就需要利用光傳播中攜帶的信息進行計算。數(shù)年來海內(nèi)外知名團隊相繼提出多種設(shè)計，但要替代現(xiàn)有電子器件實現(xiàn)系統(tǒng)級應(yīng)用，仍面臨許多國際難題：一是如何在一枚芯片上集成大規(guī)模的計算單元，并且約束誤差累計程度；二是如何實現(xiàn)高速高效的片上非線性；三是為兼容目前以電子信號為主體的信息社會，如何提供光計算與電子信號計算的高效接口。如果不能解決這幾個問題，光計算就難以真正替代當前的電子芯片，在信息社會大展身手。

光電融合芯片的架構(gòu)

在這枚小小的芯片中，清華大學(xué)攻關(guān)團隊創(chuàng)造性地提出了光電深度融合的計算框架。從最本質(zhì)的物理原理出發(fā)，結(jié)合了基于電磁波空間傳播的光計算，與基于基爾霍夫定律的純模擬電子計算，“掙脫”傳統(tǒng)芯片架構(gòu)中數(shù)據(jù)轉(zhuǎn)換速度、精度與功耗相互制約的物理瓶頸，在一枚芯片上突破大規(guī)模計算單元集成、高效非線性、高速光電接口三個國際難題。

實測表現(xiàn)下，光電融合芯片的系統(tǒng)級算力較現(xiàn)有的高性能芯片架構(gòu)提升了數(shù)千倍。然而，如此驚人的算力，還只是這枚芯片諸多優(yōu)勢的其中之一。

在研發(fā)團隊演示的智能視覺任務(wù)和交通場景計算中，光電融合芯片的系統(tǒng)級能效（單位能量可進行的運算數(shù)）實測達到了74.8 Peta-OPS/W，是現(xiàn)有高性能芯片的400萬余倍。形象地說，原本供現(xiàn)有芯片工作一小時的電量，可供它工作500多年。

光電融合芯片的實現(xiàn)

目前限制芯片集成極限的一個關(guān)鍵因素，就是過高密度帶來的散熱難題。而在超低功耗下運行的光電融合芯片將有助于大幅度改善芯片發(fā)熱問題，為芯片的未來設(shè)計帶來全方位突破。

更進一步，該芯片光學(xué)部分的加工最小線寬僅采用百納米級，而電路部分僅采用180nm CMOS工藝，已取得比7納米制程的高性能芯片多個數(shù)量級的性能提升。與此同時，其所使用的材料簡單易得，造價僅為后者的幾十分之一。

科幻電影《流浪地球》中，人工智能系統(tǒng)Moss僅幾秒鐘便可遍歷所有拯救地球的方案。在清華大學(xué)團隊提出的超高性能光電芯片下，“未來計算機”的誕生似乎已不再遙遠。光電融合的新型架構(gòu)，不僅開辟出這項未來技術(shù)通往日常生活的一條新路徑，還對量子計算、存內(nèi)計算等其他未來高效能技術(shù)與當前電子信息系統(tǒng)的融合深有啟發(fā)。論文通訊作者之一戴瓊海院士介紹道：“開發(fā)出人工智能時代的全新計算架構(gòu)是一座高峰，而將新架構(gòu)真正落地到現(xiàn)實生活，解決國計民生的重大需求，是更重要的攻關(guān)，也是我們的責(zé)任?！薄蹲匀弧菲诳匮l(fā)表的該研究專題評述也指出，“或許這枚芯片的出現(xiàn)，會讓新一代計算架構(gòu)，比預(yù)想中早得多地進入日常生活。”

清華大學(xué)戴瓊海院士、方璐副教授、喬飛副研究員、吳嘉敏助理教授為本文的共同通訊作者，博士生陳一彤、博士生麥麥提·那扎買提、許晗博士為共同第一作者，孟瑤博士、周天貺助理研究員、博士生李廣普、范靜濤研究員、魏琦副研究員共同參與研究。該課題得到科技部2030“新一代人工智能”重大項目、國家自然科學(xué)基金委基礎(chǔ)科學(xué)中心項目等的支持。

論文鏈接：https://doi.org/10.1038/s41586-023-06558-8