光线直接改写芯片存储，AI功耗大幅降低

实验室的操作台上，康奈尔科技学院博士后研究员Yifan He调整着光接收器镜头，镜头距离发射红光光束的发光二极管近一米远。连接接收器的电脑显示器短暂刷新后，屏幕上出现一片类似二维码的方格阵列。

我们用手机摄像头扫描二维码时，光线投射至图像传感器，这仅仅是读取黑白矩阵中隐藏数据的第一步。而这款接收器的工作原理截然不同：它依靠光束阵列产生的光电流，直接改写自身存储单元的数据。二维码承载的信息通常只是一个简单网页链接，但这种光学编码能够传输AI模型的全套参数。

该团队于上月在 IEEE/JSAP Symposium on VLSI Technology & Circuits上发布了这款新型接收器架构。研究人员表示，该设计旨在缓解AI系统日益增长的存储压力。将数据以光束形式直接传输至处理器，能够降低数据中心、自动驾驶汽车，以及AI机器人等边缘设备的整体能耗。

纽约康奈尔科技学院电气与计算机工程副教授Jae-sun Seo表示：“如今行业内涌现出各式各样的AI芯片。”这类处理器自带存储空间有限，无法完整容纳AI模型的全部参数，多余数据只能存放于动态随机存取存储器（DRAM）中。系统规模扩大后，用于处理器与DRAM之间传输数据的金属电路会带来成本与能效双重难题。“这是制约性能的核心瓶颈之一。”

光互连链路带宽更高，相比金属导线能量损耗更低。但现有光接收器需要依靠高功耗模拟电路完成光电信号转换，大幅抵消了光传输的能效优势。该团队研发的新技术可接收高速闪烁、形似数字二维码的光阵列，芯片无需模拟电路即可修改模型参数，实现全数字化光通信，进一步降低功耗。

密歇根大学电气与计算机工程系主任、IEEE会士Dennis Sylvester并未参与本次研究，他评价道：“这是一个极具现实意义的难题，相关技术拥有巨大商业价值，该方案巧妙地给出了解决思路。”

左为Jae-sun Seo，右为Yifan He，二人研发出一款新型接收器，可根据类二维码光阵列改写存储数据

光信号改写存储，为AI赋能

处理器内置一定容量的静态随机存取存储器（SRAM），但容量不足以独立完整运行AI模型。SRAM读写速度更快，而同等面积下DRAM可存储更多数据。

这套新型系统中，DRAM与光发射端配套部署，光接收器则集成在处理器的SRAM存储单元内。发射端将数据以光束形式投射至SRAM阵列；研究人员对存储单元进行改造，内置光电二极管。光线照射每一枚光电二极管后会生成电流，以此翻转SRAM内的二进制数据。

光发射端与接收器之间无法做到完全正对、完美对齐，因此二者建立光传输链路前需要校准。Yifan He介绍，芯片会读取一帧基准数据，其中包含每一位数据像素的标准位置信息，依靠该基准完成校准，保证设备正常接收有效数据。Jae-sun Seo补充：“理想状态下，发射端与接收端最好点对点正对。但即便设备存在轻微倾斜，我们设计的校准电路也能完成适配。”

研究人员表示，若要落地真实场景应用，还需研发全新光发射设备，能够每秒数百万次切换光阵列形态，实现千兆比特每秒的数据传输。He与Seo实验室里的发射设备仅为概念验证样机，光线透过金属掩膜后，只能输出固定的14×14比特光阵列。目前该团队正与光学实验室合作，研发可快速变换光阵列的发射装置。

光互连存储链路的发展前景

Sylvester认为，现阶段该技术距离商业化落地仍有很长距离。改造后的感光存储单元尺寸大于传统芯片的标准SRAM单元，存储单元变大意味着单颗芯片的存储容量缩水；这种容量损耗，很可能抵消光传输带来的能效提升。

Seo表示，缩小存储单元是团队持续攻坚的核心方向。通过优化晶体管与电路尺寸、依托CMOS工艺微缩技术，能够有效减小单元体积。

Seo与Yifan He正探索该技术在机器人及各类边缘设备上的落地场景。例如仓储、工厂中的AI机器人，借助光学传输更新机器人内置AI模型，能够大幅节省时间与能耗。此外微型机器人受体积限制，存储空间十分紧张，未来也有望适配该技术，但需要针对性研发小型化方案。

Sylvester说道：“边缘AI是高速增长的赛道。未来三到五年，随着智能算力持续下沉至各类终端设备，边缘AI的热度大概率会追上数据中心领域。”