美智库：硅光子学或成中美科技竞争新前沿

集微网消息 总部位于美国华盛顿的战略与国际研究中心（CSIS）网站1月12日发表了文章《控制光：硅光子学是美中新技术竞争的前沿吗？》，该文指出：在某种程度上，硅光子学支撑并推动了光互连和光计算的进步，这项新兴技术可能会改变中美在半导体和人工智能方面的竞争。同时，美国领先的半导体公司，以及盟国和伙伴国的半导体公司，也开始在硅光子学领域投入更多资源，这使得中国在该领域的领导地位远未确定。

文章作者是CSIS亚洲项目研究员马修·雷诺兹（Matthew Reynolds）。CSIS - Center for Strategic and International Studies - 是一家专注于国际公共政策问题的美国智库机构， 通常它声明所发表的文章中表达的所有观点、立场和结论应理解为仅代表作者的观点、立场和结论。

雷诺兹在文章中提醒，美国不应该认为，因为中国无法进入最先进的半导体制造，它就会对其国内半导体制造能力产生永久上限。新技术和架构有可能重新定义尖端芯片的构成，可能会削弱当前控制的影响，或以难以预测的方式重塑竞争。虽然以美国为首的出口管制可能会削弱中国制造传统芯片的能力，切断某些通往领先地位的途径，但出口管制也可能无意中激励中国将更多资源投入到新兴技术上，这些技术将在下一代半导体中发挥重要作用，特别是随着摩尔定律的物理极限接近，人工智能的进步正在增加对计算的需求。

雷诺兹的文章提到的对中国硅光子学的研究是基于中国国内的一些公开报道，包括中国国际经济交流中心学者、北京大学教授和几位企业专家的的观点，他们指出硅光子学有可能帮助中国打破面临的技术封锁。文章还提到总部位于北京的中科鑫通微电子（SinTone）公司在建的光子芯片生产线，中国的报道说，该项目意味着中国在光子芯片方面将走在世界前列，甚至彻底改变芯片技术路线。文章也注意到中国国家领导人和“十四五计划”也把光子学列入自主可控核心技术。

以下摘译雷诺兹文章的其他内容：

半导体可能是二十一世纪最重要的使能技术。然而，随着摩尔定律的终结临近，以及工艺尺寸的物理极限的达到，半导体行业正在寻找除增加晶体管密度之外的其他方法来提高性能，尤其是在人工智能的进步推动了对提高计算能力需求的情况下。硅光子学是一种很有前途的新兴技术，它有可能通过使用标准半导体制造工艺在硅上制造光子元件来减少延迟，同时提高效率。北京方面的一些人认为，这可能会改变中美在先进半导体控制权方面的竞争格局。

硅光子学是一项创新，它能够使用标准半导体制造工艺将光子元件直接制造到硅材料基上。与电子学相比，光子学利用光子（光）而不是电子来携带信息。它们与电子器件的集成有望创建具有更高带宽和更高能效的大规模计算系统，从而超越传统电子芯片的物理限制。

但是，光子芯片似乎不太可能取代电子芯片——至少不会很快取代电子芯片。相反，光子和电子之间的关系最好理解为共生。然而，最近的一些发展似乎表明，硅光子学至少可以为中国提供一条通往半导体制造前沿的部分道路，而不需要最先进的半导体制造设备，这是中国国内制造业生态系统中的一个弱点，美国最近通过出口管制利用了这一点。

硅光子学最直接的应用是光学互连的形式。也就是说，用光子学取代电路中的铜线，以加速处理器和/或内存之间的信息传输，从而减少目前困扰人工智能计算的输入/输出瓶颈。在数据传输而不是数据处理是瓶颈的情况下，光互连的集成可以提高计算系统的性能，而不是具有更先进电子设备但没有光互连的系统。

这似乎是Lightelligence，一家获得中国资助的美国光学计算公司，通过其最近推出的人工智能加速器蜂鸟所实现或声称实现的目标。蜂鸟使用光学互连来连接台积电以28纳米工艺制造的芯片，这与目前的领先优势相去甚远，完全符合中国国内的半导体制造能力。在此过程中，该公司声称（但未公布）在某些人工智能任务中超过竞争对手的延迟和效率指标。

硅光子学的另一个应用是在更新兴的光计算领域。在光计算中，光子处理器使用光而不是电子进行计算。尽管这些光子处理器能够执行的计算类型目前有限，但光学计算在进行矩阵乘法运算方面显示出特别的前景。这种类型的计算恰好占神经网络推理操作的 90% 以上，这些推理操作构成了大型语言模型的基础，更普遍地说是生成式 AI，目前推动了 AI 领域最引人注目的进步，以 OpenAI 的 ChatGPT 为代表。

2021 年，在蜂鸟发布之前，Lightelligence 还推出了一款名为光子算术计算引擎（PACE）的光学计算系统。在某些计算密集型应用中，PACE 将光子和电子集成芯片联合封装，以实现比 NVIDIA 行业领先的 GPU 快 25-100 倍的处理速度。在苏州举行的Emtech China 2020全球新兴技术峰会上，Lightelligence首席执行官沈亦晨说，“光子芯片代表了一个可以更快实现产业化的技术方向。主要原因之一是光子芯片对制造工艺的依赖性不大，技术不受限制。因此，我们可以使用28纳米的电子芯片来更快地产生7纳米电子芯片的效果。

在某种程度上，基于沈的陈述，似乎可以想象，光学计算的突破可以允许构建一个计算系统，该系统使用由传统或至少不是最先进的电子设备支持的光子处理器，这些电子设备执行某些与人工智能相关的任务，以及使用最先进电子设备的全电子系统。虽然Lightelligence没有列出制造PACE电子产品的工艺节点，但据报道，Lightelligence的美国竞争对手Lightmatter正在使用12纳米电子来支持其光子，这些光子是在90纳米工艺下制造的，并声称与英伟达的A100相比，在某些与AI相关的任务中实现了卓越的计算性能，后者使用7纳米工艺。

据报道，最近清华大学的研究人员开发了一种光子集成芯片，称在某些与计算机视觉相关的人工智能任务中，其性能速度比“顶级GPU”快3000倍，能效高400万倍。该芯片被称为“电子和光相结合的全模拟芯片ACCEL”，它也是由中芯国际使用180纳米CMOS工艺制造的，这是一种已有数十年历史的制造工艺。虽然ACCEL目前的应用能力似乎过于狭隘，其商业化时间表尚不清楚，但研究人员确实认为，未来的迭代可能会有更广泛的应用，包括在大型语言模型中。

以美国为首的一系列出口管制措施试图切断中国与制造16-14纳米以下工艺以下逻辑芯片所需的最先进的半导体制造设备的联系，同时也阻止中国进口训练和操作最先进的人工智能算法所需的最先进的芯片。然而，硅光子的最新进展似乎表明，即使没有最先进的半导体制造设备，中国也可以自主制造计算系统，这些计算系统在某些重要的人工智能任务中比全电子计算机更好。

尽管有很多对光子处理器的性能的宣传，但不应被夸大，因为它们的功能仍然集中在狭隘地的领域。这种狭隘的适用性与对应的电子通用性质形成鲜明对比。此外，硅光子学的广泛采用仍然存在许多技术障碍，光学计算机还需要在操作系统和应用程序中进行软件开发以优化其功能。总而言之，光学计算的现实可能还需要数年甚至数十年的时间。以目前人工智能的进步速度——大型语言模型的规模每 3.5 个月翻一番——任何延迟都可能形成影响。同样，美国领先的半导体公司，以及盟国和伙伴国的半导体公司，也开始在硅光子学领域投入更多资源，这使得中国在该领域的领导地位远未确定。