根据发表在《国家科学评论》期刊上的一项研究，北京大学的研究人员构建了一种全光芯片互连技术，在使用商用GPU约九分之一算力的同时，实现了AI推理速度超过100倍的提升。
该系统解决了AI硬件中最持久的瓶颈之一：数据传输。在传统的基于GPU的架构中，计算单元花费大量时间等待数据通过电互连传输，内存传输延迟往往远超计算时间。北京大学的原型用片上光子网络取代了这些电链接，以光速传输数据。
核心组件包括一个用于电-光转换的400 Gbps硅光子收发器和一个定制的16×16光交换芯片，该芯片在计算节点之间路由数据，总交换带宽高达6.4 Tbps。该交换机的总光损耗（包括耦合损耗）小于5 dB，无需外部光放大。
在一次演示中，该团队运行了一个用于图像去噪的五层卷积神经网络，将每一层分配给通过光交换机连接的独立计算单元。特征图通过光子网络直接从一层流到另一层，绕过了困扰电互连的内存存储转发延迟。
该交换机的光谱响应超过100纳米，使其可用于波分复用技术，该技术通过在不同颜色的光上同时传输多个数据通道，可进一步提高带宽。
“当算法、处理器微架构和芯片级互连进行协同设计时，可以在有限的计算资源下实现特定目标，”作者写道。
更广泛的影响超越原始性能。光结构可以缓解数据中心不可持续的能源消耗，并在计算和能源预算受到严格限制的边缘计算场景中优化延迟或功耗。该团队认为，共封装光学器件、更快的硅光子收发器和改进的AI芯片接口可以将这些”光超级节点”转变为分布式计算的实用基础。
Sources: China’s optical network makes computing 100x faster with fewer chips (Interesting Engineering, July 2026); National Science Review paper
婷 翻译