融资720万美元！这家超材料光学AI芯片初创“押宝”数据中心

2024-01-02 16:22

近日，美国杜克大学和Metacept公司共同支持的衍生公司宣布获得720万美元的种子轮融资，以实现超材料和光学人工智能推理芯片的突破。

据悉，该公司在最新轮次融资中获得了由Gates Frontier领投、MetaVC、Mana Ventures、AdAstral等公司的支持。种子资金将用于生产专有的超透镜（Metasurface），该透镜具有先进的光学特性，可作为张量核心处理器。

Neurophos是一家以超材料为基础开发光学计算芯片的初创公司。它由博士研究生Patrick Bowen创立，并从David Smith教授（ECE，Pratt）的实验室中剥离出来。

Neurophos的光学超表面设计能够大规模应用于数据中心，他们的方法已经打破了计算能源效率的世界纪录。其人工智能芯片可以使用标准的CMOS工艺制造，为批量生产提供了方便。

Neurophos计划使用高速硅光子学来驱动超表面内存处理器，该处理器能够快速、高效地进行人工智能计算。在获得最新融资之后，该公司还将在主要的硅工程中心德克萨斯州奥斯汀聘请一个工程师团队。

优势在哪？

Neurophos的进步将减少硅光子光学芯片的尺寸和能量需求，使其更适合运行LLM（大型语言模型）等人工智能平台。

Neurophos的基于超材料的光调制器比标准铸造PDK（工艺设计套件）的光调制器小1000多倍。这使得技术路线图能够提供超过100万TOPS（每秒数万亿次操作）的性能。

光学芯片有可能在大幅降低功耗的同时提高处理器的速度。Neurophos将使这项技术能够用于人工智能数据中心。该市场由英特尔（Intel）和英伟达（Nvidia）主导，目前使用的是传统的硅半导体，会产生大量热量，而且难以满足人工智能LLM的性能要求。

Neurophos结合了两个突破。第一个是光学超表面，它使硅光子计算能够进行超快速的人工智能推理，超越传统硅计算和硅光子学的密度和性能。

第二种是内存计算(CIM)处理器架构，它由高速硅光子学提供，以提供快速、高效的矩阵-矩阵乘法，这构成了运行时的绝大多数操作，例如神经网络。

超表面光学CIM元件比传统的硅光子调制器小数千倍，可以处理更大的片上矩阵。这导致了前所未有的计算密度的增加。在光学计算中，能量效率与阵列大小成正比，因此Neurophos处理器的能量效率是替代产品的数百倍。

加速产品开发

该公司还加入了全球唯一专注于半导体解决方案（包括光子学/MEMS/传感器/IP/材料和生命科学）的孵化器+加速器Silicon Catalyst，以加速初创公司从想法到原型，并进入批量生产之路。

虽然GPU在加速人工智能工作负载方面取得了巨大成功，但数字方法通常受到功耗的限制。另一方面，光学计算技术的支持者声称光子学可以大大降低功耗，从而大大提高计算速度，远远超过现代GPU所能达到的极限。

不幸的是，尽管最近在人工智能光学计算领域投入了大量资金，但该领域的成功仍然有限，主要是因为现有的光学设备太大、太笨重，无法扩展。然而，超材料为控制光流提供了新的范例。超材料的发现释放了巨大的创造力，导致了隐形斗篷、负折射率材料和许多其他奇异产品的展示。

预计2022年全球数据中心用电量为240-340 TWh1，约占全球电力需求的1-1.3%，人工智能推理工作负载的指数级增长可能会将这一需求推至不可持续的水平。在相同的能源消耗下，Neurophos的技术将在资本支出和运营支出上提供更多的计算，并降低人工智能加速器芯片和数据中心的总拥有成本。

Neurophos首席执行官帕Patrick Bowen表示：“光学处理器最重要的因素是缩放。光学处理器在每次操作的基础上变得指数级更快和更节能，因为你使它们变得更大。这意味着在有限的芯片面积内，最重要的因素是组成处理器的光学器件能有多小。通过在标准CMOS工艺中利用超材料，我们已经找到了将光学处理器缩小8000X的方法，这将使我们实现比今天的GPU增长数量级的改进。”

Metacept公司的联合创始人Alexander Hayes表示：“通过远离冯·诺伊曼架构来摆脱速度和能源使用瓶颈，这是我们考虑过的最令人兴奋和潜在重要的超材料和光子应用之一。”

MetaVC Partners为Neurophos提供了初始资金，并为该基金的超材料光学计算知识产权组合提供了独家许可。Neurophos是从Metacept中剥离出来的，Metacept是由杜克大学电子与计算机工程教授David R. Smith领导的孵化器，专注于创建基于超材料的公司，并与杜克大学Smith教授的研究小组合作。

杜克大学的David Smith表示：“Neurophos团队已经意识到，模拟推理处理的真正基本问题需要在光学调制器的基础物理层面上取得突破。他们的超材料是一个彻底的突破，为下一代人工智能应用提供了非常密集的计算芯片。”