随着摩尔定律逐渐停滞，以及实现每一代性能提升所需的能耗不断攀升，一些芯片设计者正将目光转向替代性架构以寻求突破。

Neurophos 就是其中一家试图颠覆摩尔定律、兑现模拟计算长期以来被承诺却尚未充分释放潜力的公司。

这家总部位于美国得克萨斯州奥斯汀的人工智能芯片初创公司表示，他们正在开发一种光学处理器（OPU），理论上可提供 470 petaFLOPS 的 FP4/INT4 算力——约为英伟达最新发布的 Rubin GPU 的 10 倍——而功耗却大致相当。

Neurophos 首席执行官帕特里克·鲍恩（Patrick Bowen）表示，低功耗部分归功于公司过去几年研发的微米级超材料光学调制器——本质上就是光子晶体管。

“如今硅光子工厂能制造出的‘光学晶体管’体积非常庞大，长度约 2 毫米。你根本无法在芯片上集成足够多的数量，以达到与当今数字 CMOS 相竞争的计算密度。”他解释道。

鲍恩表示，Neurophos 的光学晶体管体积大约缩小了 1万倍。“我们在今年 5 月首次流片就验证了这一点——我们能在标准 CMOS 工艺下实现这种器件，这意味着它与现有晶圆厂技术兼容。”

利用这些晶体管，Neurophos 声称已开发出相当于“张量核心”的光学版本。“芯片上有一个单一的光子张量核心，规模为 1000 × 1000（处理单元），”他说。

这远大于目前大多数 AI 加速器和 GPU 中常见的矩阵乘法引擎——后者通常最多只有 256×256 的处理单元规模。

不过，与英伟达 GPU 中部署数十甚至上百个张量核心不同，Neurophos 只需要一个。鲍恩透露，其第一代加速器上的这个张量核心面积约为 25 平方毫米。

其余占据整张光罩（reticle-sized）尺寸的芯片区域，用他的话说，是“为了支撑这个疯狂张量核心所需的一堆配套电路”。

具体而言，Neurophos 需要大量向量处理单元和 SRAM，以防止张量核心因数据供给不足而“挨饿”。这是因为该张量核心（再次强调，整颗晶粒上仅此一个）运行频率高达约 56 GHz。

但鲍恩指出，由于矩阵-矩阵乘法是以光学方式完成的，张量核心本身消耗的功率仅限于驱动光电转换（从数字到模拟再返回数字）所需的能量。

Neurophos 表示，其首款 OPU（代号 Tulkas T100）将采用双光罩设计，配备 768 GB HBM 内存，在负载下可实现 470 petaOPS 算力，功耗仅为 1–2 千瓦。

尽管这些数据听起来令人印象深刻，但必须注意的是，目前这些指标更像是目标而非现实。该芯片仍在积极开发中，预计要到 2028 年年中才能量产。即便如此，鲍恩也表示初期不会大规模出货：“我们说的是数千颗芯片，而不是数万颗。”

虽然 Neurophos 认为其光学张量核心可适用于广泛的 AI 推理工作负载，但预计首款芯片将主要用于“预填充”（prefill）处理。

大语言模型（LLM）推理可分为两个阶段：一是计算密集型的预填充阶段（处理输入 token），二是受内存带宽限制的解码阶段（生成输出 token）。

在过去一年左右，我们已看到英伟达等芯片厂商将预填充和解码任务拆分到不同的 GPU 池中。在其最新一代 GPU 中，英伟达专门开发了一款名为 Rubin CPX 的预填充加速器。

鲍恩设想 Tulkas T100 将扮演类似 Rubin CPX 的角色。“目前的构想（可能会调整）基本上是我们部署一个机柜，内含 256 颗我们的芯片，与类似 NVL576 的机柜配对使用。”他说。

从长远来看，鲍恩也希望攻克解码阶段，但他指出，在公司准备好处理 token 生成任务之前，还需发展多种技术，包括共封装光学（co-packaged optics）等。

尽管 Tulkas T100 至少要到 2028 年才会正式出货，但鲍恩表示公司正在积极开发一款概念验证（PoC）芯片，以验证其所宣称的算力与能效密度。

本周，Neurophos 宣布完成由 Gates Frontier 领投的 1.1 亿美元 A 轮融资，微软风投基金及其他投资者参投。鲍恩表示，这笔资金将用于推进 PoC 芯片的开发。