📢 转载信息
原文链接：https://36kr.com/p/3551442522978436?f=rss
原文作者：36氪
英伟达（NVIDIA）是当前AI领域的主导者，但其核心业务一直围绕着图形处理器（GPU）展开。然而，随着AI应用场景的日益复杂化和多样化，对专用AI芯片的需求也在增长，特别是在AI推理环节。
英伟达首次推出了其第一款非GPU芯片——计算光子学（Photonic Computing）芯片，这标志着其业务正在向更广泛的AI计算领域拓展。这款芯片旨在专注于AI推理，特别是对于那些对延迟和能效有极高要求的应用场景。
计算光子学芯片的背景与特点
传统的AI计算主要依赖于电子信号在硅基芯片上传输和处理，而计算光子学芯片则利用光子（光粒子）进行信息处理和传输。
这种技术的关键优势在于：
- 极高速度：光速远快于电子传输速度，理论上可以实现更低的计算延迟。
- 低功耗：光子在传输过程中损耗较小，尤其在数据传输和某些特定计算任务中，能效远高于传统电子芯片。
- 并行计算：光子天然具有并行性，适合处理大规模的矩阵乘法等AI核心计算任务。
据了解，英伟达的这款新芯片并非要完全取代GPU在训练阶段的主导地位，而是作为AI推理环节的补充和优化方案。
针对AI推理的优化
随着大型语言模型（LLM）等AI应用的普及，部署和运行这些模型的推理成本和延迟成为了新的瓶颈。GPU虽然在训练阶段表现出色，但在推理阶段，其架构的通用性有时会导致效率降低和能耗上升。
计算光子学芯片被设计用来高效执行低精度、高吞吐量的推理任务。这使得它非常适合以下应用：
- 实时推荐系统：需要毫秒级的响应速度。
- 边缘计算设备：对功耗敏感的场景。
- 大型模型的快速部署：降低云端服务的运营成本。
英伟达的CEO黄仁勋曾多次强调，未来AI芯片的发展方向将是“异构计算”，即结合不同架构的芯片来处理不同类型的任务。这款计算光子学芯片正是这一战略的体现。
对行业的影响
英伟达推出非GPU芯片，预示着AI芯片市场的竞争格局正在发生变化。除了传统的ASIC（专用集成电路）竞争外，光子计算作为一种颠覆性技术，正逐渐进入主流视野。
虽然目前计算光子学芯片在通用性上仍不如GPU，但其在特定领域的性能优势将推动AI硬件生态的多元化。其他科技巨头和初创公司也在积极探索光子计算，英伟达的入局无疑会加速该领域的技术成熟和商业化进程。
英伟达的这一举措，不仅是技术上的突破，更是对未来AI基础设施前瞻性的布局。随着AI模型越来越大，如何高效地进行推理将是决定AI应用普及速度的关键。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区