人工智能公司正砸了几十亿美元用于芯片和基础设施。研究人员认为光学计算或许能派上用场。

人工智能，就目前而言，一点都不便宜。该领域的领先者正在芯片、数据中心等方面花了上百亿，已经亏了一大笔钱。这让人开始怀疑这事能不能持续下去。当这些公司转向盈利模式时，到时候人工智能还能让企业和消费者用得起吗？或者说，他们愿意为预期的高价买单吗？

当然，像任何新技术一样，生成式AI的价格预计在未来几年会下降，但本月早些时候发表在《科学进展》期刊上的一篇新论文显示，光学计算可能成为降低当今人工智能能耗和发热量的一个办法。

光学计算大家不太熟悉。光学计算机不用硅芯片上的晶体管算，而是靠光来算。这项技术听上去像科幻片里的东西，但其实是真的。研究人员们已经鼓捣了好多年。

光学设备离商用还有好几年，但自1960年代起，科学家们就在琢磨这个事儿。理论上，它们可以比现代计算机运行得更快，因为光比电路里的电跑得快。而且，由于它们依赖光子，用电少得多。（它们也不会像今天的数据中心那样发那么多热，因此可能对环境有好处。）

光子是构成光的基本粒子，是实现速度提升的关键，因为它们通常不会相互干扰。这意味着多个光信号可以同时通过同一系统，使光学计算机能够以当今计算机无法达到的速率处理大型数据集。

这项研究由宾夕法尼亚州立大学电气工程与计算机科学学院电气工程副教授倪邢杰领导，团队开发了一种原型设备，降低了人工智能计算的能源成本。该原型采用“无限镜”结构（两块平行镜子，中间夹着光），循环使用微小的光学元件，将数据直接编码到光束中。这些数据由显微相机捕捉。

结果是人工智能模型运行速度更快，能耗更低。团队得出结论，如果人工智能中计算密集型部分可以用这些设备完成，公司“就能以更低的成本提供相同的功能，从而让消费者用上更便宜、更可持续的人工智能服务。”

也许更令人鼓舞的是，倪团队造的那个设备并不依赖昂贵的高端处理器和稀土材料。就是用些日常东西做出来的。

“我们系统的核心是由到处都能买到的零件构建的——就跟平时LCD屏、LED灯里用的那种差不多，而不是使用稀有材料或高功率激光器，”倪在宾夕法尼亚州立大学的问答环节中说道。“通过将这些熟悉的元件以多次循环的方式排列，我们能够产生人工智能所需的能量，还特别小巧、效率高。”

倪觉得光学计算不会取代电子计算，但能帮它提速。按他的想法呢，传统电子设备管存储和灵活操作这类事，光学元件则负责算大量的东西。

“我们正在努力将这套设备缩小成一个紧凑的单元，以便能够插入到真实的计算平台中，从而让光学部分分担更多工作，”他说。“如果这项技术成熟到能接入现在的平台，我们就可以用更小、更快、更环保的硬件来跑AI模型。”

不过，光学计算还没那么快。首批设备很可能是混合型设备，可能在未来五年左右投入使用。而英伟达的黄仁勋表示，该技术还不够可靠，还装不到旗舰GPU上。

但正如原型所展示的那样，这种新型计算方式潜力很大，不仅能够加速人工智能的发展，而且成本更低。

本文最初发表于《inc.com》。