中國芯又“換道超車”了，不過這次是“光子人工智能芯片”。

每每看到這樣的標題，小編心裏都要捏把汗，真的。

在來源顯示爲《新京報》今天發佈的一篇題爲《光子人工智能芯片助“中國芯”換道超車》文章裏，介紹了一種在讀者看來可以稱之爲神奇的“光子AI芯片”，它“算力是傳統電子人工智能芯片的1000倍，但功耗只有其百分之一”“未來可廣泛應用於手機、自動駕駛、智能機器人、無人機等領域”。

根據《新京報》的報道，該光子人工智能芯片“出自一個由清華、北大、北交大等多所高校的在校博士生組成的創業團隊”，並指出該團隊是“全國第一個、全球第二個”光子人工智能芯片研究團隊。

該文指出，該光子人工智能芯片項目已經於近日落戶北京順義，“將這項新技術推向了臺前”。

一、並非“超車”，或僅是“換道追趕”

先來說一下，這支“多所高校在校博士組成的團隊”之所以是“全球第二個”光子人工智能芯片團隊，那是因爲，這支團隊有可能只是拾人牙慧——

2017年6月12日，來自麻省理工學院的研究團隊與他們的合作者就提出了這種思路：用光子代替電子，來進行一些人工智能計算。他們認爲這種方法將會大大提高計算速度和效率，並將他們的一些實驗結果發表在著名期刊《自然.光子學》（Nature Photonics ）上（

傳送門）

。

論文截圖

該論文的第一作者及通訊作者，是一名出生在杭州的青年科學家，名叫沈亦晨（發表論文時爲麻省理工學院博士後）。他在2017年被《麻省理工科技評論》評選爲中國區的“ 35 名 35 歲以下科技創新青年”（傳送門）。

爲了實現光子芯片，沈亦晨組建了一支團隊“ Lightmatter”，此後在組建公司時更名爲 Lightelligence，目前沈亦晨是 Lightelligence 的聯合創始人兼 CEO。

這支團隊，應該就是“全球第一個”光子人工智能芯片團隊。

憑藉光子芯片，沈領銜的Lightelligence團隊拿下了 2017 年的麻省理工學院“$100K 創業大賽”和哈佛大學“Harvard President Innovation Challenge”的第一名，這兩項賽事都是全美高校最負盛名的學生創業大賽。

值得一提的是，百度風投聯合美國半導體行業的基金投資了沈亦晨的Lightelligence團隊，種子輪爲1000萬美元。

Lightelligence團隊當時表示，計劃於2019年第一季度開發出原型產品。

中科院上海微系統與信息技術所研究員餘明斌（《新京報》報道中的“信源”，具體情況見下文）告訴筆者，他對沈亦晨團隊有些瞭解，沈亦晨本人在麻省理工學院就讀時就已在該方向進行過大量探索。

不過，據他最近與沈亦晨溝通瞭解到，目前光子AI芯片領域的研發仍處於早期階段。

因此，在《新京報》的報道中，研究團隊負責人白冰直言“（光子人工智能）芯片的設計、加工、封裝、測試全部在國內完成，擺脫了對國外高製程光刻機的依賴，是我國在芯片領域換道超車的核心技術”，不僅容易給人造成“光子AI芯片已然可以流片使用”的假象，其“換道超車”之說更是令人費解。

不客氣地說一句， 除非白冰能夠拿出證據證明自己團隊在光子人工智能芯片的idea和技術先於MIT，否則我們不得不質疑他——

是不是對“換道超車”有什麼誤解？

二、“擺脫光刻機依賴” 有偷換概念之嫌

正如前述《新京報》的報道所說的，白冰在闡述“光子人工智能芯片發展的意義”時提到，光子AI芯片生產過程自主可控，全流程均可在國內完成。其中在生產加工環節，只需採用國內130nm微電子加工工藝即可，這“擺脫了對國外高製程光刻機的依賴”“無需在工藝製程上進行追趕”。

白冰說，國內電子芯片設計領域能力很強，但在覈心加工環節有一個很強的技術壁壘，需依賴國外的高製程光刻機，在成本等多個方面都會受限。光子人工智能芯片的生產過程自主可控，全流程可在國內完成，採用國內130nm微電子工藝加工完成，擺脫了對於國外高製程光刻機的依賴，無需在工藝製程上進行追趕。——引自《新京報》

白冰這番話，其實是在與電子芯片相比：傳統電子芯片要想取得更好的性能和更低的功耗，免不了要想方設法提高工藝製程，恨不能從10nm封裝進階到7nm、5nm，而這些在中國大陸都還無法實現。

但其如此一說，給人一種錯覺：未來精密製程工藝不再重要了。

這背後的關鍵在於，“光子AI芯片”並不是擺脫什麼依賴，而是根本用不到那麼高端的工藝。打個比方說，其言論就好比，我們生產一輛拖拉機，“擺脫”了對德制8缸發動機的“依賴”一樣。

一位從事硅基光子器件研發的教授告訴筆者，其實，光電子器件不需要這麼精密的製程工藝，是光電子器件的特性決定的——光波長在微米級別，器件尺寸較大，通常不需要幾納米尺寸的結構來控制。

《新京報》對該團隊“光子人工智能芯片”的配圖

三、神經網絡計算給光子芯片帶來機會？

那麼，爲何光子芯片能比傳統電子芯片有如此顯著的性能功耗比？

沈亦晨曾在受訪時解釋說，光子的特性先天適合線性計算（AI 算法裏重要的部分），這包含了高維度的並行計算。

在人工智能算法中，包含有多次矩陣相乘的運算，傳統計算機架構的CPU和GPU在處理這些運算的時候相對喫力，計算效率較低；而基於光學的計算方法，恰好長於此項——一旦被設置好，光學芯片開展諸如矩陣乘法運算所消耗的能量，理論上接近0。

此外，由於光本身就是一種模擬介質，其可以直接在模擬域進行運算，而這要遠快於那些基於“模擬—數字轉換”的方法。

舉個例子，即使是一個最普通的眼鏡鏡片，也會對穿過它的光波進行一次複雜的運算：傅立葉變換。光子芯片所執行的運算或許比傅立葉變換還要簡單，但基本原理類似。

“利用光子來做矩陣乘法運算是功耗降低和速度提升的主要原因”，沈亦晨說，因爲密集的矩陣乘法運算“是人工智能算法中最耗時間和功率的”。

這在沈亦晨看來，“可能是光學計算有史以來最大的機會”。

這是因爲，曾有很多研究者長期以來寄望於研發基於光子的計算機，但結果往往事與願違——過去，神經網絡計算並不流行，而傳統的邏輯計算也不是光子計算最擅長之處。

而今，基於光子的神經網絡系統“可能對於某些應用的深度學習算法是可行的”。

並且，隨着半導體工業來到後摩爾定律時代，光子芯片也是對摩爾定律的一種有效補充。

餘明斌告訴筆者，與量子計算類似，待摩爾定律走到極限，光子計算是可以讓芯片性能繼續提升的一個選項。

不過，受訪專家提醒道，光子計算和量子計算還有一處類似：目前仍處於實驗驗證階段，何時能夠實現尚不得知。

後摩爾時代，人們需要其他方式來實現“more than Moore”

四、理想豐滿，但還很遙遠

光子計算機由來已久。

從 1960 年代開始，美國貝爾實驗室就曾花費巨資研發通用光學計算機部件，但他們的努力至今也沒有取得太多成效。

箇中原因，前述教授認爲，儘管光計算早有人做，但貌似“一直沒有找對方向，現在似乎也沒有”。

硅光子和微電子一樣，都是基於硅材料的半導體架構。不過，光進行一些信號傳輸還行，並不適合做邏輯運算。

此外，光芯片的集成度和尺寸還是會有一定的規範，要完全取代半導體芯片還是有很大的難度。

並且，在實現光子計算的路上還有很多重大的工程改進需要完成。

而對於《新京報》所報道的項目，上述匿名的教授說，從報道上“很難看到多少實質性內容和突破性創新”，該團隊所描述的光子人工智能芯片“前景也許尚有待觀察”。

“光子芯片距離可用的功能芯片還很遠。”受訪專家說，就算是起步較早的沈亦晨團隊，目前也沒有宣稱推出真正的功能芯片。

餘明斌告訴筆者《新京報》的報道中在文末引用的他的觀點，可能來源於早前他在某個論壇上的一些陳述，“我想要表達的是‘硅光技術可能帶來一些重大的突破’”。

事實上，光計算這個領域已經有很長時間的研究歷史，但似乎始終沒有找到正確的方向，有些科學家也已經離開這個領域。儘管如此，但總有“新來的”想給光計算找到一條新路。

這其實無可厚非，甚至我們要鼓掌歡迎。但是我們不得不認清的一個事實是，光子芯片目前仍處於早期探索階段。

2016年，中科院B類戰略性先導科技專項就立項支持了一個該類探索科研項目——“大規模光子集成芯片”項目。

該項目由中科院西安光學精密機械所牽頭，聯閤中科院半導體所、上海微系統與信息技術所、計算技術所共同承擔。

中科院B類先導專項的定位，就是着眼未來，瞄準新科技革命“可能發生的方向和發展迅速的新興、交叉、前沿方向”。

鑑於《新京報》報道的《光子人工智能芯片助“中國芯”換道超車》一文題材豐富、戲碼充足——“名校”、“在校博士生創業”、“換道超車”，那麼我們不禁想問一問：

該項目“光子人工智能芯片”目前處於何種階段了？最重要的：

它在超誰的車？

真的在超了嗎？

後記

本文首發於《中國科學報》第7版。

寫完此文，筆者內心和那位要求匿名的教授一樣矛盾。這位教授在硅光器件領域深耕多年，看到此文後覺得無可奈何：“新生事物，既要允許後來者挑戰，但又似乎確實說的過了些”。

筆者採訪的多位老師也表示，有年輕團隊願意探索、有投資人願意投資這種面向未來的前沿新興領域，是好事情，要多鼓勵。

但現在有些媒體、創業團隊甚至學術研究者爲了博眼球、融資、拿項目，動輒在“卡脖子”和“突破卡脖子”上大做文章，“未免太過了”。

“光”被使用在計算環境中已經有超過數十年的歷史。然而即便在光子比較“擅長”的傳輸領域，也必須配備昂貴的周邊設備才能顯現出其效益，因此，“光”的計算從未普及（相比量子計算，你懂的），這導致人們對這個事實沒有太明確的認知。

《新京報》作爲權威媒體，其作品一經發布就引起多方轉載，在“今日頭條”擁有970萬粉絲的新華網全文轉載後，更是引起大量圍觀。本文本着“理越辯越明”的急切之心粗就，難免錯漏之處，懇請業界專家、學者批評指正、深入探討。