100 razy lepiej od Nvidii. Jeśli to prawda, fotony będą miały wzięcie

Chińskie zespoły badawcze ogłosiły wyniki prac nad nową klasą układów obliczeniowych wykorzystujących światło. W teorii fotoniczne chipy ACCEL i LightGen przewyższają topowe GPU Nvidii w ściśle zdefiniowanych zadaniach wizji i generowania obrazów, oferując skok prędkości i efektywności energetycznej względem topowych jednostek do obliczeń AI. Nie jest to jednak całkowite następstwo dla obecnych układów.

Kluczowe jest rozróżnienie przeznaczenia. GPU Nvidii operują elektronami i realizują instrukcje krok po kroku, co zapewnia elastyczność i równoległe uruchamianie wielu programów. Fotoniczne układy działają inaczej: wykorzystują interferencję optyczną do wykonywania ustalonych operacji analogowych, co daje ogromne tempo obliczeń i niskie zużycie energii, ale kosztem uniwersalności - stają się wyrobnikami jednego programu. 

Dwa projekty fotonicznych mikrochipów mogą odmienić losy AI

ACCEL powstał na Uniwersytecie Tsinghua jako hybryda komponentów fotonicznych i analogowych bloków elektronicznych. Według autorów można go wytwarzać w starszych procesach dostępnych dla SMIC, a wydajność sięga 4,6 PetaFLOPS przy bardzo niskim poborze mocy. To jednak nie jest procesor do uruchamiania kodu ani ciężkich zadań pamięciowych - układ realizuje predefiniowane operacje analogowe, co dobrze sprawdza się w rozpoznawaniu obrazów czy widzeniu w słabym świetle.

Drugi projekt to LightGen, rozwijany wspólnie przez Shanghai Jiao Tong University i Uniwersytet Tsinghua. Tym razem to w pełni optyczny układ z ponad 2 milionami fotonicznych "neuronów". Według opisu badaczy wykonuje generowanie obrazów, transfer stylu grafik, odszumianie i manipulacje obrazami 3D. W porównaniach do konwencjonalnych układów, takich jak rozwiązania Nvidii, ma realizować te zadania ponad 100 razy szybciej, zużywając jedynie ułamek energii. 

Badacze podkreślają, że LightGen stanowi najmocniejszy dotąd dowód na to, iż fotonika potrafi obsłużyć prawdziwe generatywne AI, ale wyłącznie w ściśle ograniczonych zastosowaniach. ACCEL i LightGen pokazują więc, że sprzęt oparty na świetle może wygrywać z GPU o rzędy wielkości w wąskich zastosowaniach, co nie czyni go jednak zamiennikiem procesorów ogólnego przeznaczenia. 

Mocne układy Nvidii do obliczeń AI są uniwersalne

Dlaczego to ważne? Klasyczne GPU są energochłonne, wymagają zaawansowanego procesu wytwarzania i szybko się nagrzewają. Ich zaletą jest jednak elastyczność, dzięki której mogą mierzyć się z różnymi zadaniami jednocześnie. Fotoniczne układy oferują prostszy łańcuch produkcyjny i efektywność, ale są maszynami z góry ukierunkowanymi na konkretne obliczenia. Jeśli jednak faktycznie będą mogły osiągać o wiele lepsze rezultaty w zadaniach obejmujących wizję oraz generowanie obrazów, może znaleźć się dla nich miejsce.

Źródło: Interesting Engineering