光波連接晶片：協助提升AI模型規模與訓練速度

在當今的人工智慧（AI）發展中，資料傳輸速度成為限制其進步的重要瓶頸。為了打破這一壁壘，密西根大學(UM)領導的研究團隊正在開發一種全新的晶片連接系統，採用光波而非傳統電纜進行資料傳輸。這項創新有望解決限制運算速度的「記憶體牆」 問題，推動AI 模型的進一步成長。

該計畫獲得了來自國家科學基金會未來半導體計畫的200萬美元資助，參與單位包括華盛頓大學、賓州大學、勞倫斯柏克萊國家實驗室，以及Google、惠普企業、微軟和英偉達等四家產業合作夥伴。儘管資料處理速度在過去20年提升了60,000倍，但電腦記憶體與處理器之間的資料傳輸速度僅提升了30倍，這種不成比例的提升使得資料傳輸成為AI 模型擴展的最大障礙。

專案的首席研究員、UM 電氣與電腦工程教授李洋（Di Liang）表示:「我們的技術可以使高效能運算與不斷增長的資料流保持同步。透過光學連接，我們預計可以實現每秒數十太比特的數據傳輸速度，超過目前電氣連接的速度100倍以上。

目前，資料在多個記憶體和處理器晶片之間的傳輸依賴金屬連接，這種方式在速度和頻寬上存在嚴重的限制。隨著AI 模型規模的不斷擴大，目前的硬接線連接模式已經難以滿足需求。研究團隊的新設計將利用光的傳輸特性，在晶片之間透過稱為光波導的通道進行資料傳輸，大大提升資料傳輸效率。

新技術的另一個亮點是其可重構性。研究人員計劃使用特殊的相變材料，當材料受到雷射或電壓刺激時，其折射率會發生變化，從而實現光線路徑的靈活調整。正如專案合作者、賓州大學的馮洋（Liang Feng）教授所說:「就像在打開和關閉道路，如果公司採用這項技術生產晶片，他們可以在不改變其他組件佈局的情況下，重寫不同批次晶片和伺服器的連接。

此外，研究團隊還將開發一款流量控制軟體，即時監控哪些晶片需要進行通信，以便即時調整連接。這種靈活的連結方式不僅能提高資料處理效率，也能根據不同的AI 模型需求進行動態調整。

該計畫還將為UM 的學生提供與業界合作的機會，使他們能夠在快速發展的技術領域獲得寶貴的實務經驗。李教授表示:「與業界的合作讓學生們更能理解現代