JFS实验室一家由中国政府支持的公司开发了一款硅光子芯片，这是该国的第一个此类芯片，据报道南华早报基于激光的I/O处理器在高性能应用（如AI和HPC）中预计会比采用铜接口的传统芯片具有特定优势。
无论是JFS还是SCMP都没有披露具体实现了什么以及硅光芯片是如何与处理器连接的，所以我们只能猜测它的数据传输速率和功耗方面的特性。事实上，我们唯一知道的是JFS实验室位于武汉，并于2021年获得了政府82亿元人民币（约合12亿美元）的资金支持而成立。因此，该公司花了三年时间才成功地将激光光源集成到基于硅的芯片中。
硅光子学对于AI和HPC处理器以及基础设施至关重要，因为它解决了传统铜基互连的关键限制。成功的实施将在带宽、延迟和能源效率方面带来特别的好处，就像典型的光学互连一样。
考虑到在中国受到制裁的背景下，无法生产类似Nvidia的H100或AMD的Instinct MI300系列这样的高性能处理器，光互连所启用的可扩展性或许是最重要的特性。
tomshardware最新视频
无需增加铜制互连引起的功耗即可扩展计算能力是超大规模人工智能和高性能计算数据中心的关键，特别是在中国领域。硅光子学为可满足日益增长的计算需求同时保持高效性的可扩展芯片设计提供了路径，使其成为未来人工智能和超级计算发展中不可或缺的技术。
延迟是可扩展性的一个重要因素。在人工智能领域，减少延迟对于实时处理和决策至关重要。硅光子学中光学数据传输的高速低延迟特性允许计算系统不同部分之间的更快通信，从而提高如AI推理和大规模模拟等应用的整体性能。在商业领域，基于AI的推荐软件和硬件也可以从低延迟中受益。
谈到商业人工智能和高性能计算（HPC）应用，我们当然应该提到能耗问题。在AI和HPC领域面临的最大挑战之一是管理数据中心的能耗。硅光子学比铜互连更节能，因为光学信号产生的热量较少，并且长距离传输所需的功率也较小。因此，光学互连大大降低了数据中心的总拥有成本（TCO）。
总的来说，JSR似乎取得了突破。然而，在没有实际性能数据的情况下，我们只能猜测这一突破的重要性有多大。