Investigadores de la Universidad de Pekín han construido una interconexión de chips totalmente óptica que logra un aumento de más de 100 veces en la velocidad de inferencia de IA mientras utiliza aproximadamente un noveno de la potencia de cálculo de una GPU comercial, según un estudio publicado en la revista National Science Review.
El sistema aborda uno de los cuellos de botella más persistentes en el hardware de IA: el movimiento de datos. En las arquitecturas convencionales basadas en GPU, las unidades de cálculo pasan gran parte de su tiempo esperando que los datos viajen a través de interconexiones eléctricas, y los retrasos en la transferencia de memoria a menudo superan el tiempo de cálculo. El prototipo de la Universidad de Pekín reemplaza esos enlaces eléctricos con una red fotónica en el chip que transporta datos a la velocidad de la luz.
Los componentes principales son un transceptor fotónico de silicio de 400 Gbps para conversión eléctrico-óptica y un chip de conmutación óptica personalizado de 16×16 que enruta datos entre nodos de computación con un ancho de banda de conmutación agregado de hasta 6,4 Tbps. El conmutador logra una pérdida óptica total de menos de 5 dB, incluida la pérdida de acoplamiento, eliminando la necesidad de amplificación óptica externa.
En una demostración, el equipo ejecutó una red neuronal convolucional de cinco capas para la eliminación de ruido de imágenes, asignando cada capa a una unidad de computación separada conectada a través del conmutador óptico. Los mapas de características fluían directamente de capa a capa a través de la red fotónica, evitando los retrasos de almacenamiento y reenvío de memoria que afectan a las interconexiones eléctricas.
La respuesta espectral del conmutador supera los 100 nanómetros, lo que lo hace apto para multiplexación por división de longitud de onda, una técnica que podría multiplicar aún más el ancho de banda al transmitir múltiples canales de datos en diferentes colores de luz simultáneamente.
“Se pueden realizar objetivos específicos bajo recursos computacionales limitados cuando los algoritmos, las microarquitecturas de los procesadores y las interconexiones a nivel de chip se diseñan conjuntamente”, escribieron los autores.
Las implicaciones más amplias se extienden más allá del rendimiento bruto. El tejido óptico podría aliviar el consumo insostenible de energía en los centros de datos y optimizar la latencia o el uso de energía en escenarios de computación perimetral, donde los presupuestos de computación y energía están estrictamente limitados. El equipo cree que la óptica coempaquetada, los transceptores fotónicos de silicio más rápidos y las interfaces de chips de IA mejoradas podrían convertir estos “supernodos ópticos” en una base práctica para la computación distribuida.
Sources: China’s optical network makes computing 100x faster with fewer chips (Interesting Engineering, July 2026); National Science Review paper
Traducido por Alessandra