在当今的人工智能（AI）发展中，数据传输速度成为制约其进步的重要瓶颈。为了打破这一壁垒，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，采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，推动 AI 模型的进一步增长。
该项目获得了来自国家科学基金会未来半导体项目的200万美元资助，参与单位包括华盛顿大学、宾夕法尼亚大学、劳伦斯伯克利国家实验室，以及谷歌、惠普企业、微软和英伟达等四家行业合作伙伴。尽管数据处理速度在过去20年里提升了60000倍，但计算机内存与处理器之间的数据传输速度仅提升了30倍，这种不成比例的提升使得数据传输成为 AI 模型扩展的最大障碍。
项目的首席研究员、U-M 电气与计算机工程教授李洋（Di Liang）表示:“我们的技术可以使高性能计算与不断增长的数据流保持同步。通过光学连接，我们预计可以实现每秒数十太比特的数据传输速度，超过当前电气连接的速度100倍以上。”
目前，数据在多个内存和处理器芯片之间的传输依赖金属连接，这种方式在速度和带宽上存在严重的局限。随着 AI 模型规模的不断扩大，当前的硬接线连接模式已经难以满足需求。研究团队的新设计将利用光的传输特性，在芯片之间通过称为光波导的通道进行数据传输，极大地提升数据传输效率。
新技术的另一个亮点是其可重构性。研究人员计划使用特殊的相变材料，当材料受到激光或电压刺激时，其折射率会发生变化，从而实现光线路径的灵活调整。正如项目合作者、宾夕法尼亚大学的冯洋（Liang Feng）教授所说:“就像在打开和关闭道路，如果公司采用这一技术生产芯片，他们可以在不改变其他组件布局的情况下，重写不同批次芯片和服务器的连接。”
此外，研究团队还将开发一款流量控制软件，实时监控哪些芯片需要进行通信，以便即时调整连接。这种灵活的连接方式不仅能提高数据处理效率，也能根据不同的 AI 模型需求进行动态调整。
该项目还将为 U-M 的学生提供与行业合作的机会，使他们能够在快速发展的技术领域获得宝贵的实践经验。李教授表示:“与业界的合作让学生们更好地理解现代
