Свет вместо транзисторов: как Neurophos пытается переписать будущее ИИ

Графические процессоры Nvidia уже много лет остаются главной рабочей лошадкой искусственного интеллекта ^[1]. На них обучают гигантские модели, крутят инференс в промышленных масштабах, и со стороны кажется, что все идет по накатанной: больше ядер, выше плотность, сложнее охлаждение. Но чем дальше, тем заметнее становится другая сторона медали — энергопотребление растет быстрее, чем производительность, а дата-центры все чаще упираются не в вычисления, а в электричество и тепло.

На этом фоне в индустрии снова всплывают идеи, которые долгое время считались слишком экзотичными или преждевременными. Одна из них — оптические вычисления, где ключевые операции выполняются не электронами, а светом. Много лет оптика оставалась нишевой темой для физиков и исследователей, не выходя за пределы лабораторий. Стартап Neurophos — один из самых ярких примеров того, как оптика пытается выйти из научных статей в реальные дата-центры.

Почему оптика выходит на сцену именно сейчас

Все это — не новая идея. Еще в 80-х годах исследователи экспериментировали ^[2] с оптическими интерферометрами для матричных операций, а в 90-х появились первые прототипы чипов нового типа. Но только сейчас технология дозрела до практического применения: кремниевая фотоника позволяет интегрировать базов��е оптические компоненты — волноводы, модуляторы, детекторы — с помощью процессов, близких к стандартным CMOS, хотя сложные структуры вроде метасурфейсов все равно требуют дополнительных масок, материалов и этапов производства.

Когерентная оптика стала ключевым шагом вперед: она позволяет точно контролировать не только интенсивность, но и фазу света, что необходимо для аналоговых вычислений. Правда, это повышает требования к стабильности лазерных источников — они чувствительны к температуре и вибрациям, а шумы могут быстро размывать точность. Зато когерентные системы открывают возможности для операций вроде матричных умножений через интерферометрию Маха — Цендера ^[4] или дифракционные решетки.

Еще один важный фактор — прогресс в материалах и производственных технологиях. Появились диэлектрики с низкими оптическими потерями, фазо-переходные компоненты для перестраиваемых элементов и более точные методы литографии, позволяющие формировать наноструктуры с субволновой точностью.

Параллельно с этим крупные полупроводниковые фабрики — такие как Tower Semiconductor и GlobalFoundries — начали предлагать ^[5] готовые технологические платформы для фотонных чипов. По сути, это наборы проверенных производственных процессов и правил проектирования, которые позволяют разрабатывать оптические схемы так же, как сегодня создают обычные микросхемы. И стартапам больше не нужно изобретать собственное производство с нуля: путь от лабораторного прототипа к серийному выпуску стал заметно короче и дешевле.

В чем особенность подхода Neurophos

  ^[6]Neurophos — не обычный «AI-стартап», выросший вокруг очередного программного фреймворка. Ее научная база компании — работы профессора Дэвида Смита из Университета Дьюка, одного из пионеров метасурфейсов, который еще в середине 2000-х показал первые ^[7] практические примеры экзотических оптических эффектов, включая знаменитый прототип «плаща-невидимки».

Команда Neurophos перенесла эти идеи из экспериментальной науки в вычислительную плоскость. Вместо того чтобы ускорять электронные схемы, они используют саму физику распространения света для выполнения операций, на которых держится современный ИИ. В их подходе вычисления «зашиты» прямо в структуру оптического слоя, а не реализованы через последовательное выполнение инструкций. 

В Neurophos сделали ставку на метаматериалы ^[8] — искусственные структуры, где свойства определяются не только химическим составом, но и точной геометрией на наноуровне. Эта технология напрямую выросла из исследований метаповерхностей для управления электромагнитными волнами. Благодаря этому удалось ^[6] создать оптические модуляторы micron-scale-размера — уменьшенные более чем в 10 тысяч раз по сравнению с традиционными фотонными элементами, которые обычно требуют довольно крупных компонентов.

Из таких миниатюрных модуляторов формируется метаповерхность — плоский слой, где каждая наноструктура выступает в роли управляемого фазового или амплитудного элемента. На одном кристалле размещается более миллиона оптических тензоров — примитивных вычислительных единиц, которые совместно выполняют аналоговое умножение матрицы на вектор, когда свет проходит через слой. Получается оптический процессор OPU (Optical Processing Unit), который по духу напоминает тензорные ядра в GPU, но работает в аналоговом оптическом домене.

Входные данные сначала преобразуются в световые сигналы с помощью электрооптических элементов, а на выходе результат снова переводится в электрический вид фотодетекторами. По сути, это физическая реализация вычислений «в памяти»: веса не хранятся в отдельных ячейках, а заложены прямо в геометрии наноструктур, через которые проходит свет.

При этом веса имеют аналоговую природу и перенастраиваются сравнительно медленно — для их изменения требуется перепрограммирование управляющей электроники. Сама технология хорошо сочетается с кремниевой фотоникой, хотя использование метаматериалов добавляет нестандартные этапы в производственный процесс.

Разработчики отмечают, что метаповерхностные структуры позволяют работать на высокой частоте модуляции — до 56 ГГц для управляющих сигналов, что заметно выше типичных тактовых частот электронных вычислительных ядер. Плоская архитектура таких структур в целом упрощает тепловой менеджмент по сравнению с многоуровневыми чипами.

Идея многослойной интеграции нескольких метаповерхностей для повышения плотности выглядит привлекательно ^[9], но на практике она серьезно усложняет задачу: требуется точное фазовое выравнивание между слоями, растут тепловые и механические напряжения, а требования к однородности материалов становятся крайне жесткими.

Есть и фундаментальные ограничения аналоговых вычислений. Точность здесь лимитирована фазовым шумом, перекрестными помехами и дифракционными эффектами, а оптоэлектронные интерфейсы на входе и выходе добавляют собственные потери энергии и задержки.

Насколько реальны заявленные преимущества

Neurophos приводит оценки, основанные на результатах тестового чипа: в режимах низкой точности энергоэффективность, по расчетам компании, достигает примерно 300 триллионов операций в секунду на ватт, что на два порядка выше показателей современных GPU в сопоставимых задачах ИИ. В тех же проекциях один будущий OPU способен обеспечивать ^[10] пиковую теоретическую производительность до 235 петаопераций в секунду при потреблении около 675 ватт, если считать операции в эквиваленте 4-битных аналоговых вычислений. Для сравнения, Nvidia Blackwell B200 в низкоточных режимах демонстрирует существенно меньшие значения — порядка девяти петаопераций в секунду при мощности около киловатта. 

По расчетам компании, сервер с несколькими такими OPU способен обеспечивать крайне высокую производительность в задачах низкоточного инференса при энергопотреблении на порядки меньшем, чем у сопоставимых электронных систем. Вице-президент Microsoft по инфраструктуре ИИ Марк Трембле отмечает ^[11], что современный инференс уже сегодня упирается в энергозатраты и без серьезного аппаратного прорыва дальнейшее масштабирование становится проблемой. По его словам, именно такую роль может сыграть подход, который предлагает Neurophos.

Все приведенные цифры относятся к пиковым теоретическим оценкам, полученным на основе тестового чипа для низкоточного инференса одного слоя сети. В реальных многослойных моделях неизбежны оптоэлектронные преобразования на входе и выходе, а также между слоями, если вычисления не укладываются в один проход. Рост эффективности тоже имеет пределы: по мере увеличения размера метаповерхности усложняется обеспечение однородности наноструктур, точного выравнивания света и контроля тепловых деформаций. Пока речь идет в основном о лабораторных результатах и расчетных проекциях.

Коммерческие чипы ожидаются только к середине 2028-го, а первый пилотный проект запланирован на 2027 год в «зеленом» дата-центре Terakraft в Норвегии. Тем не менее интерес ^[12] со стороны Microsoft, Bosch, Aramco Ventures и фонда Билла Гейтса говорит о том, что технология воспринимается всерьез как один из перспективных способов преодолеть текущие ограничения.

Куда движется индустрия

Neurophos — далеко не единственный игрок в этой области. Lightmatter использует ^[13] оптику для интерконнектов и частичных вычислений через волноводные матрицы, Lightelligence фокусируется на когерентной интерферометрии для матричных операций, Ayar Labs развивает оптические чиплеты для высокоскоростной связи между процессорами. У каждого подхода свои сильные стороны: кто-то делает акцент на скорости передачи данных, кто-то на энергоэффективности аналоговых умножений.

Общий тренд вполне очевиден: фотоника постепенно проникает в дата-центры, начиная с оптических коммутационных матриц и интерконнектов, а теперь и в сами вычисления. Компании вроде Intel с платформой Silicon Photonics и TSMC с COUPE уже инвестируют в интеграцию фотоники на кремниевые платформы, а стандарты вроде CXL over Optics и UCIe с оптическими расширениями обещают упростить совместимость. В перспективе это может привести к гибридным системам, где оптика берет на себя самые ресурсоемкие части ИИ-задач, а электроника — контроль и высокоточную логику ^[14].

Оптические процессоры обещают не просто улучшение, а смену физической основы вычислений. Как отметил Патрик Боуэн, замедление закона Мура больше не приговор — открывается новое измерение через физику света. Если хотя бы часть заявленного подтвердится на практике, это серьезно изменит ландшафт аппаратного обеспечения для ИИ в ближайшие годы.

Пока рано говорить о полной замене GPU — электронные ускорители еще долго будут доминировать. Но направление выглядит одним из самых перспективных. Инвестиции уровня Билла Гейтса и Microsoft — хороший сигнал, что крупные игроки верят в потенциал. Остается наблюдать, как технология пройдет путь от лаборатории до реальных дата-центров. А вы верите в оптическую революцию в ИИ?