在当今人工智能（AI）的发展中，数据传输速度已成为阻碍其进步的一个重要瓶颈。为了突破这一障碍，密歇根大学（U-M）领导的研究团队正在开发一种全新的芯片连接系统，该系统利用光波而非传统电缆进行数据传输。这一创新有望解决限制计算速度的“内存墙”问题，并促进AI模型的进一步发展。
该项目获得了美国国家科学基金会未来半导体计划的200万美元资助，参与机构包括华盛顿大学、宾夕法尼亚大学、劳伦斯伯克利国家实验室以及四家行业合作伙伴：谷歌、惠普企业、微软和英伟达。尽管过去20年数据处理速度提高了6万倍，但计算机内存与处理器之间的数据传输速度仅提高了30倍，这种不成比例的增长使得数据传输成为扩展AI模型的最大障碍。
该项目的主要研究员、密歇根大学电气与计算机工程教授李迪良表示：“我们的技术可以保持高性能计算与不断增加的数据流同步。通过光连接，我们预计可以实现每秒数十太比特的数据传输速度，比当前的电气连接快100多倍。”
目前，多个内存和处理器芯片之间的数据传输依赖于金属连接，这在速度和带宽方面存在显著限制。随着AI模型规模的不断扩大，当前的硬连线连接模式变得不再足够。研究团队的新设计将利用光的传输特性，在称为光学波导的通道中传输数据，极大地提高了数据传输效率。
新技术的另一亮点是其可重构性。研究人员计划使用一种特殊的相变材料，在激光或电压刺激下改变其折射率，从而灵活调整光线路径。项目合作者宾夕法尼亚大学教授梁峰解释说：“这就像开通和关闭道路；如果公司采用这项技术生产芯片，他们可以为不同批次的芯片和服务器重新编写连接方式而不改变其他组件的布局。”
此外，研究团队还将开发交通控制软件来实时监控哪些芯片需要通信，并立即调整连接方式。这种灵活的连接方法不仅能提高数据处理效率，还能根据不同AI模型的需求进行动态调整。
该项目还将为密歇根大学的学生提供与行业合作的机会，使他们能够获得快速发展的技术领域的宝贵实践经验。李教授表示：“与行业的合作有助于学生更好地理解现代技术。”
总结：本文介绍了密歇根大学领导的研究团队正在开发的一种利用光波进行数据传输的新芯片连接系统。该系统旨在解决限制计算速度的问题，并促进AI模型的发展。项目获得了美国国家科学基金会的支持，并得到了多家行业合作伙伴的支持。新技术不仅提高了数据传输效率，还具有可重构性，并能根据不同需求进行动态调整。
