光學(xué)技術(shù)賦能機(jī)器人AI實(shí)時(shí)在線升級(jí)：光直連芯片，實(shí)現(xiàn)低能耗數(shù)據(jù)流傳輸

在實(shí)驗(yàn)室工作臺(tái)上，康奈爾理工學(xué)院博士后研究員Yifan He將光接收器的鏡頭對(duì)準(zhǔn)約一米外的一盞紅色LED光束。與接收器相連的電腦顯示器稍作刷新后，屏幕上浮現(xiàn)出一組類似二維碼的方塊陣列。

當(dāng)你用手機(jī)攝像頭掃描二維碼時(shí)，光線投射到圖像傳感器上 —— 這只是讀取黑白矩陣背后隱藏?cái)?shù)據(jù)的第一步。而這里的接收器做的事情截然不同：它利用光束陣列產(chǎn)生的光電流，直接改寫(xiě)自身的內(nèi)存數(shù)據(jù)。此外，二維碼背后的數(shù)據(jù)可能只是指向一個(gè)簡(jiǎn)單的網(wǎng)址，而這種光學(xué)編碼則可以傳輸AI模型的參數(shù)。

這項(xiàng)新型接收器設(shè)計(jì)于上月在IEEE/JSAP超大規(guī)模集成電路技術(shù)與電路研討會(huì)上發(fā)布，旨在緩解AI系統(tǒng)日益增長(zhǎng)的內(nèi)存需求壓力。研究人員表示，將數(shù)據(jù)以光束形式直接投射至處理器，可降低數(shù)據(jù)中心、自動(dòng)駕駛汽車乃至AI機(jī)器人等“邊緣”應(yīng)用場(chǎng)景的常規(guī)能耗（https://www.vlsisymposium.org/）。

紐約康奈爾理工學(xué)院電氣與計(jì)算機(jī)工程副教授Jae-sun Seo表示：“業(yè)內(nèi)正在研發(fā)各式各樣的AI芯片。”這類處理器通常沒(méi)有足夠空間存放構(gòu)成AI模型的全部參數(shù)，因此多余的數(shù)據(jù)會(huì)存儲(chǔ)在動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器（DRAM）中。系統(tǒng)規(guī)模擴(kuò)大后，DRAM與處理器之間用于傳輸數(shù)據(jù)的傳統(tǒng)電互連線路，會(huì)帶來(lái)成本與能效方面的難題。“這是最主要的瓶頸之一。”

光鏈路相比金屬導(dǎo)線，能夠以高帶寬傳輸數(shù)據(jù)且能量損耗更低。但現(xiàn)有的光接收器需要依靠功耗巨大的模擬電路將光信號(hào)轉(zhuǎn)換為電信號(hào)，削弱了這一優(yōu)勢(shì)。該團(tuán)隊(duì)研發(fā)的新技術(shù)可接收類似二維碼陣列的高速數(shù)字閃光信號(hào)，芯片無(wú)需借助上述模擬電路即可調(diào)整模型參數(shù)，從而實(shí)現(xiàn)全數(shù)字化光通信，進(jìn)一步降低能耗。

密歇根大學(xué)電氣與計(jì)算機(jī)工程系主任、IEEE會(huì)士Dennis Sylvester并未參與此項(xiàng)研究，他評(píng)價(jià)道：“這是一個(gè)極具價(jià)值的課題，擁有巨大的商業(yè)潛力。這套解決方案巧妙地攻克了相關(guān)難題。”

Jae-sun Seo [left] and Yifan He have developed a receiver that can edit memory in response to QR-code-like arrays of light.Alex Music

處理器內(nèi)置少量靜態(tài)隨機(jī)存取存儲(chǔ)器（SRAM），但其容量不足以支撐AI模型獨(dú)立運(yùn)行。兩種存儲(chǔ)器當(dāng)中，SRAM速度更快，而DRAM能夠在同等芯片面積下存儲(chǔ)更多數(shù)據(jù)。

在這套全新系統(tǒng)中，動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器（DRAM）與信號(hào)發(fā)射端放置在一起，光接收端則集成在處理器的靜態(tài)隨機(jī)存取存儲(chǔ)器（SRAM）內(nèi)部。發(fā)射端將數(shù)據(jù)以光束形式投射至SRAM存儲(chǔ)單元陣列；研究人員對(duì)這些單元進(jìn)行了改造，內(nèi)置光電二極管。光線照射到每一枚光電二極管后產(chǎn)生電流，從而翻轉(zhuǎn)SRAM內(nèi)的二進(jìn)制數(shù)值。

He介紹，想要在光源與接收端建立通信鏈路，就必須進(jìn)行校準(zhǔn)，無(wú)法保證二者實(shí)現(xiàn)完美對(duì)準(zhǔn)或者相互垂直。芯片會(huì)參照一組數(shù)據(jù)幀，其中包含每個(gè)數(shù)據(jù)像素預(yù)期位置信息，并依托該基準(zhǔn)保證正常接收有效數(shù)據(jù)。

Seo補(bǔ)充道：“理想狀態(tài)下，發(fā)射端與接收端之間最好實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)直線光路。但即便設(shè)備出現(xiàn)輕微傾斜，我們也可以依靠這套校準(zhǔn)電路完成補(bǔ)償。”

研究人員表示，面向?qū)嶋H場(chǎng)景落地應(yīng)用，還需要研制一款光學(xué)發(fā)射裝置，能夠每秒數(shù)百萬(wàn)次刷新光矩陣，實(shí)現(xiàn)吉比特級(jí)的數(shù)據(jù)傳輸速率。我（作者，以下簡(jiǎn)稱我）在He與Seo實(shí)驗(yàn)室見(jiàn)到的發(fā)射裝置目前僅為概念驗(yàn)證原型，光線透過(guò)金屬掩膜，只能輸出固定不變的14×14比特矩陣。團(tuán)隊(duì)正聯(lián)合光學(xué)研究團(tuán)隊(duì)，開(kāi)發(fā)可高速動(dòng)態(tài)切換光矩陣的發(fā)射設(shè)備。

Sylvester認(rèn)為，這項(xiàng)技術(shù)以當(dāng)前形態(tài)距離商業(yè)化尚有很遠(yuǎn)的距離。原因在于，單個(gè)光敏存儲(chǔ)單元的尺寸大于傳統(tǒng)芯片中的SRAM存儲(chǔ)單元。單元尺寸更大意味著芯片能夠集成的存儲(chǔ)容量更少，他表示，這種取舍有可能抵消光互連方案帶來(lái)的能效提升優(yōu)勢(shì)。

Seo表示，團(tuán)隊(duì)正在持續(xù)開(kāi)展存儲(chǔ)單元小型化研究，可通過(guò)優(yōu)化晶體管與電路尺寸、依托CMOS制程微縮技術(shù)實(shí)現(xiàn)這一目標(biāo)。

Seo與He正探索該技術(shù)在機(jī)器人及其他邊緣端場(chǎng)景的應(yīng)用。人工智能機(jī)器人運(yùn)營(yíng)的倉(cāng)儲(chǔ)與工廠就是典型場(chǎng)景：借助光學(xué)數(shù)據(jù)傳輸，能夠?yàn)槊颗_(tái)機(jī)器人更新AI模型，同時(shí)節(jié)約時(shí)間與能耗。此外，微型機(jī)器人受體積限制，存儲(chǔ)資源先天不足，未來(lái)也有望受益于這項(xiàng)技術(shù)，不過(guò)需要開(kāi)發(fā)更加緊湊的小型化方案。

Sylvester談到：“邊緣人工智能是重要的增長(zhǎng)領(lǐng)域。隨著智能算力不斷向終端設(shè)備遷移，大概三到五年之后，邊緣AI受到的關(guān)注度或?qū)㈡敲罃?shù)據(jù)中心領(lǐng)域。”