Мир вычислительной техники стоит на пороге масштабных изменений, сопоставимых с изобретением транзистора. В апреле 2025 года компания Lightmatter представила уникальный фотонный процессор, способный не просто выполнять лабораторные тесты, а стабильно и точно обрабатывать сложные задачи искусственного интеллекта. Этот прорыв знаменует начало новой эпохи, где пределы традиционной кремниевой электроники постепенно преодолеваются благодаря световым вычислениям, создавшим фундамент для посттранзисторных технологий. Традиционные вычислительные подходы, основанные на микроэлектронике, сегодня столкнулись с серьезными ограничениями. Законы Мура, Деннарда и устоявшиеся методы масштабирования памяти перестали обеспечивать ожидаемое удвоение производительности при сохранении энергоэффективности.
Увеличение площади чипов и числа микросхем памяти ведет к экспоненциальному росту стоимости, что уже проявляется в чрезмерно высокой цене современных графических процессоров для потребительского рынка. При этом энергозатраты и скорость передачи данных становятся главными сдерживающими факторами развития вычислительной техники. Lightmatter предлагает фундаментально новый подход, объединяющий фотонику и классическую электронику для создания гибридных процессоров. Их инновационная технология интегрирует шесть чипов в одном корпусе с использованием 3D упаковки — масштаб, ранее недостижимый в фотонных вычислениях. Более миллиарда компонентов, включая порядка миллиона фотонных элементов и 50 миллиардов транзисторов, объединены для работы с современными искусственными нейронными сетями, такими как ResNet, BERT и алгоритмы глубокого обучения с подкреплением.
Одной из главных задач, которой удалось добиться успеха, стала реализация высокой вычислительной точности в аналоговом устройстве. Исторически низкая точность аналоговых систем мешала их применению в тяжелых AI-задачах, где происходит обработка данных с минимальной погрешностью. Инновационный числовой формат Adaptive Block Floating-Point (ABFP), разработанный Lightmatter, позволяет группировать данные в блоки, где каждому блоку сопоставляется общий масштаб, что значительно снижает ошибки квантования. В сочетании с управлением усилением в аналоговой части достигается точность, сопоставимая с 32-битной плавающей точкой, без необходимости дополнительных тренингов или прецизионных корректировок моделей. Фотонные вычисления обеспечивают уникальные преимущества: высокая пропускная способность, низкая задержка, параллелизм за счет цветовой мультиплексии и значительная энергоэффективность.
В отличие от электрических сигналов, световые импульсы почти не подвержены тепловым и электромагнитным ограничениям, что позволяет масштабировать вычислительные мощности существенно эффективнее. Однако чувствительность фотонных компонентов к внешним воздействиям, таким как температура, требует продвинутой системы управления и стабилизации, которую Lightmatter успешно реализовала с помощью смешанных сигналов и цифрового контроля. Важным аспектом новой технологии стала интеграция с существующими инфраструктурами и программными фреймворками — TensorFlow, PyTorch и другими. Это означает, что разработчики и исследователи смогут использовать преимущества фотонных процессоров без необходимости радикально менять свои подходы и инструменты. Такой переход поэтапно повторяет путь развития GPU, которые изначально служили как специализированные устройства, но со временем расширили свои возможности до универсальных вычислителей.
Немаловажно, что Lightmatter также разработала фотонные интерконнекты Passage™, позволяющие значительно повысить эффективность передачи данных между чипами и серверами. В современных вычислениях именно перемещение данных зачастую потребляет больше энергии и времени, чем сами операции обработки. Passage™ помогает снизить эти издержки, обеспечивая сверхвысокую пропускную способность и низкое энергопотребление, что критически важно для масштабируемых AI-систем с миллионами взаимосвязанных процессоров. Сравнивая с другими перспективными подходами, фотонные процессоры лишены многих недостатков конкурентов. В отличие от квантовых вычислений, пока переполненных проблемами с масштабируемостью и алгоритмической доступностью, фотоника предлагает симбиоз с классическими методами, обеспечивая высокую точность и продуктивность.
Нейроморфные и аналоговые системы, хотя и интересны с точки зрения концепций, не достигают гибкости и универсальности современных цифровых архитектур. Углеродные нанотрубки, хоть и перспективны, не могут создать существенного прорыва в энергетической эффективности из-за ограничений проводников и межсоединений. Новое поколение фотонных процессоров Lightmatter демонстрирует, что можно выйти за рамки лабораторных опытов и добиться промышленной применимости. Возможность обрабатывать реальные, сложные нейросетевые модели с точностью, сравнимой с передовыми цифровыми решениями, открывает окно в будущее, где вычисления перестанут зависеть напрямую от транзисторов и кремниевой миниатюризации. Этот технологический шаг заявляет о начале новой эры, когда несколько архитектур — электронная, фотонная, квантовая — сосуществуют и дополняют друг друга, каждая оптимизированная под специфические сферы задач.
