Оптические чипы для ИИ обещают тратить в 10–80 раз меньше энергии, чем GPU
Ответы нейросетей (инференс) упёрлись в электричество, поэтому стартапы снова пробуют считать светом. Оптика умножает матрицу чисел на вектор почти без затрат энергии, но кодировать данные в свет дорого. Реальная цель — тратить в 10–80 раз меньше энергии, чем видеокарты GPU, а не в 100 000 раз, как в лабораторных прикидках. Для практика это сигнал: свет станет ускорителем части задач, а не заменой GPU.
AI-обработка оригинала IEEE Spectrum AI; редакция Hamidun News
Каждый ответ ChatGPT или другого чат-бота стоит электричества, и в какой-то момент именно оно, а не деньги на чипы, стало главным ограничением. Инференс, то есть ответы обученной модели на запросы пользователей, уже заставил строить огромные дата-центры. Поэтому старая идея — считать не электрическим током, а светом — вдруг вернулась из лабораторий в бизнес. По данным IEEE Spectrum, суммарная оценка компаний в этой нише достигла $2,22 млрд против $0,4 млрд в 2022 году. Их обещание звучит так: сделать ту же математику, что считают GPU (видеокарты Nvidia и аналоги), но потратить на неё в 10–80 раз меньше энергии.
«Интерес к фотонике во многом вызван тем, что инференс ИИ буквально упёрся в мощность, причём довольно резко», — говорит Питер Макмахон, профессор Корнелльского университета, который изучает оптические вычисления больше десяти лет. Оптические стартапы появляются в США, Китае, Германии и Израиле.
Как свет умножает матрицы
Основная операция инференса — умножение матрицы на вектор. Представьте, что вектор — это ваш запрос, превращённый в набор чисел, а матрица — таблица весов модели. Видеокарты умножают одно на другое бесчисленное число раз в секунду.
Ещё в 1978 году Джозеф Гудман с коллегами предложил простую оптическую схему. Ряд светодиодов кодирует числа вектора яркостью: чем ярче диод, тем больше значение. Цилиндрическая линза растягивает этот свет по вертикали, фактически копируя вектор N раз. Затем свет проходит через пиксельный аттенюатор размером N на N: каждый пиксель приглушает свет в соответствии со значением матрицы, и это и есть умножение. Вторая линза собирает свет по строкам и суммирует его, а ряд детекторов считывает итоговый вектор.
Выгода в масштабировании. В электронике каждое из N² умножений требует энергии, поэтому затраты растут как N². В оптике умножение пассивно: пока матрица не меняется, прохождение света через неё почти ничего не стоит. Платить нужно за кодирование вектора и считывание ответа, а это порядка N.
В 2022 году команда Макмахона показала оптическую нейросеть, которая тратила меньше одного фотона, около 2,5×10⁻¹⁹ Дж, на одно умножение. В обычном компьютере умножение стоит от 10⁻¹⁴ до 10⁻¹² Дж, так что на бумаге экономия достигает 100 000 раз.
Почему обещания скромнее лабораторных цифр
Сам Макмахон предостерегает от таких прикидок. Во-первых, в расчёт не вошла цена кодирования данных в свет. Допустим, умножение в электронике стоит 1 пикоджоуль, а кодирование одного элемента вектора в оптике — 1000 пикоджоулей. Тогда электроника выигрывает, пока вектор короче 1000 элементов. По словам Макмахона, это недалеко от реальности: оптика начинает выигрывать где-то между N = 1000 и N = 10 000.
Во-вторых, работает закон Амдала. Если ускоритель справляется с 90% кода, а остальные 10% ускорить не может, максимум — десятикратный выигрыш. Умножение матриц — лишь часть инференса, есть ещё нелинейные операции, и их по-прежнему считает электроника. Поэтому оптические компании целятся не в 100 000 раз, а в 10–80 раз по энергоэффективности относительно GPU. Остаётся вопрос, успеют ли они дойти до массового применения раньше, чем обычные чипы сами станут экономнее.
Кто и как строит
Инференс обычно делят на две фазы: prefill, когда модель обрабатывает входной запрос, и decode, когда ответ генерируется по одному токену. Prefill тяжелее по вычислениям: там одна и та же матрица многократно умножается на разные векторы. Именно туда логично целиться оптике.
Британский стартап Lumai из Оксфорда вдохновлялся схемой Гудмана сильнее других. Вместо неподвижного аттенюатора он использует программируемый пространственный модулятор света — пиксельную мембрану, похожую на продвинутый жидкокристаллический дисплей, которая меняет и яркость, и фазу света. Свет идёт по воздуху, а не по волноводам на чипе. Вектор кодируется в свет, копируется линзой, проходит модулятор, собирается второй линзой и снова превращается в цифровой сигнал. Нелинейные функции считает электроника. По словам руководителя продукта Филлипа Бурра, полное умножение матрицы на вектор завершается за один оптический цикл.
Другая британская компания, Optalysys, идёт иначе: встраивает оптические элементы в сетевой тракт дата-центров, где свет уже используется для передачи данных. Её базовый элемент на чипе — калькулятор преобразования Фурье.
Что это значит для практиков
Все цифры выигрыша пока остаются целями компаний, а не измерениями в продакшене. Но выводы уже полезны. Оптика вряд ли заменит видеокарты целиком: реалистичнее гибрид, где свет считает тяжёлые умножения, а электроника — всё остальное. Кроме того, выигрыш появляется только на достаточно больших матрицах, поэтому первыми кандидатами станут крупные модели и длинные контексты. Тем, кто планирует инфраструктуру на несколько лет вперёд, стоит следить за этой нишей, но не закладывать её в бюджеты, пока нет серийных продуктов. Логан Райт из Йеля добавляет: даже если оптика не выиграет гонку ИИ, технологии, созданные в этой волне, позволят делать фотонные системы с особыми возможностями.
- 21 нояб. 2026 г.OpenAI пересмотрела промпты для GPT-6.2: меньше вопросов, меньше тестов
- 21 нояб. 2026 г.CoreWeave должна $47 млрд под чипы Nvidia и теряет $709 млн за квартал
- 21 нояб. 2026 г.Apple готовит ИИ-агента и усложнила доступ чужим: разрешение теперь в 14 шагов, а не в 4
- 21 нояб. 2026 г.Разработчик обошёлся без Pinecone: поиск по 72 450 фрагментам кода за 50 мс
Вопросы и ответы по материалу
Что известно по теме: как свет умножает матрицы?
Основная операция инференса — умножение матрицы на вектор. Представьте, что вектор — это ваш запрос, превращённый в набор чисел, а матрица — таблица весов модели. Видеокарты умножают одно на другое бесчисленное число раз в секунду. Ещё в 1978 году Джозеф Гудман с коллегами предложил простую оптическую схему. Ряд светодиодов кодирует числа вектора яркостью: чем ярче диод, тем больше значение. Цилиндрическая линза растягивает этот свет по вертикали, фактически копируя вектор N раз.
Что известно по теме: почему обещания скромнее лабораторных цифр?
Сам Макмахон предостерегает от таких прикидок. Во-первых, в расчёт не вошла цена кодирования данных в свет. Допустим, умножение в электронике стоит 1 пикоджоуль, а кодирование одного элемента вектора в оптике — 1000 пикоджоулей. Тогда электроника выигрывает, пока вектор короче 1000 элементов. По словам Макмахона, это недалеко от реальности: оптика начинает выигрывать где-то между N = 1000 и N = 10 000. Во-вторых, работает закон Амдала.
Что известно по теме: кто и как строит?
Инференс обычно делят на две фазы: prefill, когда модель обрабатывает входной запрос, и decode, когда ответ генерируется по одному токену. Prefill тяжелее по вычислениям: там одна и та же матрица многократно умножается на разные векторы. Именно туда логично целиться оптике. Британский стартап Lumai из Оксфорда вдохновлялся схемой Гудмана сильнее других.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.