在当前人工智能（AI）技术的飞速发展过程中，数据传输速度成为了阻碍其进一步发展的关键瓶颈。为了突破这一技术难关，由密歇根大学（U-M）领衔的研究团队正致力于开发一种新型的芯片连接系统，该系统采用光波而非传统的电缆进行数据传输。这一技术创新有望有效解决制约计算速度的“内存墙”问题，从而推动AI模型的持续发展。
此项目得到了国家科学基金会未来半导体项目的200万美元资金支持，参与单位包括华盛顿大学、宾夕法尼亚大学、劳伦斯伯克利国家实验室，以及谷歌、惠普企业、微软和英伟达等四家行业巨头。尽管在过去20年中数据处理速度提升了60000倍，但计算机内存与处理器之间的数据传输速度仅提升了30倍，这种不匹配的增长使得数据传输成为了AI模型扩展的最大障碍。
以下是项目首席研究员、U-M电气与计算机工程教授李洋（Di Liang）的观点：“我们的技术能够让高性能计算与不断增长的数据流保持同步。通过光学连接，我们预计可以达到每秒数十太比特的数据传输速度，这将是当前电气连接速度的100倍以上。”
目前，数据在多个内存和处理器芯片之间的传输依赖于金属连接，这种连接方式在速度和带宽上存在严重局限。随着AI模型规模的不断扩张，现有的硬接线连接模式已经无法满足需求。研究团队的新设计将利用光的传输特性，通过光波导通道在芯片之间进行数据传输，从而显著提高数据传输效率。
新技术的另一大亮点是其可重构性。研究人员计划使用特殊的相变材料，当材料受到激光或电压刺激时，其折射率会发生变化，从而实现光线路径的灵活调整。正如项目合作者、宾夕法尼亚大学的冯洋（Liang Feng）教授所言：“就像在打开和关闭道路，如果公司采用这一技术生产芯片，他们可以在不改变其他组件布局的情况下，重写不同批次芯片和服务器的连接。”
此外，研究团队还将开发一款流量控制软件，实时监控哪些芯片需要进行通信，以便及时调整连接。这种灵活的连接方式不仅能提高数据处理效率，还能根据不同的AI模型需求进行动态调整。
该项目还将为U-M的学生提供与行业合作的机会，使他们能够在快速发展的技术领域获得宝贵的实践经验。李教授表示：“与业界的合作让学生们更好地理解现代科技，为他们未来的职业发展奠定坚实基础。”
暂无评论