#Lightmatter #điện_toán_quang_tử #AI #tính_toán #phần_cứng #trung_tâm_dữ_liệu
Công ty Lightmatter vừa nhận được khoản tài trợ mới trị giá 154 triệu đô la, khẳng định sự sẵn sàng của phần cứng AI quang tử quang tử của họ. Điện toán quang tử vật chất nhẹ là một cú đánh lớn vào thị trường tính toán AI đang phát triển nhanh chóng, kết hợp giữa phần cứng và phần mềm. Giám đốc điều hành và người sáng lập Lightmatter, Nick Harris, cho rằng sử dụng công nghệ này sẽ giải quyết được vấn đề tiêu thụ điện năng của AI và đưa ngành công nghiệp này phát triển.
Với sử dụng dòng quang để giải quyết các quy trình tính toán, Lightmatter giúp tăng tốc lượng tính toán được thực hiện trên mảng, trong đó chip có thể sử dụng nhiều màu cùng một lúc để tăng cường sức mạnh. Với công nghệ này, Lightmatter hy vọng có thể trở thành một trong những mô hình mới, giúp tăng hiệu quả tính toán và giảm thiểu tiêu thụ dữ liệu của AI.
Công ty đã từ chối đưa ra bất kỳ tuyên bố cụ thể nào về việc tăng tốc hoặc cải thiện hiệu quả vì đây là một kiến trúc và phương pháp tính toán khác nhau. Tuy nhiên, việc sử dụng công nghệ điện toán quang tử vật chất nhẹ giúp giải quyết vấn đề siêu máy tính tiêu thụ lượng điện năng khổng lồ và tạo ra rất nhiều nhiệt thải trong việc đào tạo các mô hình AI. Quy trình tính toán đang ở giai đoạn thử nghiệm và sản xuất hàng loạt được lên kế hoạch vào năm 2024.
Nguồn tài trợ cho vòng này đến từ SIP Global, Công ty Nghiên cứu & Quản lý Fidelity, Nhà đầu tư Toàn cầu Viking, GV, HPE Pathfinder và các nhà đầu tư hiện tại. Nó cho thấy sự quan tâm và đầu tư vào nhu cầu phát triển công nghệ mới, giúp cải thiện và nâng cao chất lượng cuộc sống của con người.
Khởi động điện toán quang tử vật chất nhẹ đang thực hiện cú đánh lớn vào thị trường tính toán AI đang phát triển nhanh chóng bằng sự kết hợp giữa phần cứng và phần mềm mà họ tuyên bố sẽ giúp ngành công nghiệp phát triển — và tiết kiệm rất nhiều điện năng để khởi động.
Về cơ bản chip của Lightmatter sử dụng dòng quang để giải quyết các quy trình tính toán như tích véc tơ ma trận. Toán học này là trọng tâm của rất nhiều công việc AI và hiện được thực hiện bởi GPU và TPU chuyên về nó nhưng sử dụng cổng silicon và bóng bán dẫn truyền thống.
Vấn đề với những thứ đó là chúng ta đang tiến gần đến giới hạn về mật độ và do đó tốc độ đối với một công suất hoặc kích thước nhất định. Những tiến bộ vẫn đang được thực hiện nhưng với chi phí lớn và đẩy các cạnh của vật lý cổ điển. Các siêu máy tính có thể tạo ra các mô hình đào tạo như GPT-4 là rất lớn, tiêu thụ một lượng điện năng khổng lồ và tạo ra rất nhiều nhiệt thải.
“Các công ty lớn nhất trên thế giới đang vượt qua bức tường năng lượng và trải qua những thách thức lớn với khả năng mở rộng của AI. Các con chip truyền thống vượt qua ranh giới của những gì có thể làm mát và các trung tâm dữ liệu tạo ra dấu chân năng lượng ngày càng lớn. Những tiến bộ của AI sẽ chậm lại đáng kể trừ khi chúng tôi triển khai một giải pháp mới trong các trung tâm dữ liệu,” Giám đốc điều hành và người sáng lập Lightmatter Nick Harris cho biết.
“Một số người đã dự đoán rằng việc đào tạo một mô hình ngôn ngữ lớn duy nhất có thể tiêu tốn nhiều năng lượng hơn mức tiêu thụ của 100 hộ gia đình ở Hoa Kỳ trong một năm. Ngoài ra, có ước tính rằng 10% -20% tổng năng lượng của thế giới sẽ được sử dụng để suy luận AI vào cuối thập kỷ này trừ khi các mô hình điện toán mới được tạo ra.”
Tất nhiên, Lightmatter có ý định trở thành một trong những mô hình mới đó. Cách tiếp cận của nó, ít nhất là có khả năng, nhanh hơn và hiệu quả hơn, sử dụng các dãy ống dẫn sóng quang học cực nhỏ để cho phép ánh sáng về cơ bản thực hiện các hoạt động logic chỉ bằng cách đi qua chúng: một loại kết hợp tương tự-kỹ thuật số. Vì các ống dẫn sóng là thụ động nên nguồn điện chính là tự tạo ra ánh sáng, sau đó đọc và xử lý đầu ra.
Một khía cạnh thực sự thú vị của dạng điện toán quang học này là bạn có thể tăng sức mạnh của chip chỉ bằng cách sử dụng nhiều màu cùng một lúc. Màu xanh lam thực hiện một thao tác trong khi màu đỏ thực hiện một thao tác khác — mặc dù trong thực tế, bước sóng 800 nanomet thực hiện một thao tác thì đúng hơn, 820 thực hiện một thao tác khác. Tất nhiên, việc làm như vậy không hề đơn giản, nhưng những “con chip ảo” này có thể làm tăng đáng kể lượng tính toán được thực hiện trên mảng. Nhân đôi màu sắc, nhân đôi sức mạnh.
Harris thành lập công ty dựa trên công việc điện toán quang học mà anh ấy và nhóm của mình đã làm tại MIT (đang cấp phép bằng sáng chế có liên quan cho họ) và quản lý để giành được vòng hạt giống trị giá 11 triệu đô la trở lại vào năm 2018. Khi đó, một nhà đầu tư đã nói rằng “đây không phải là một dự án khoa học,” nhưng Harris đã thừa nhận vào năm 2021 rằng mặc dù họ biết “về nguyên tắc” là công nghệ sẽ hoạt động, nhưng còn rất nhiều việc phải làm để nó hoạt động. May mắn thay, anh ấy đã nói với tôi rằng trong bối cảnh các nhà đầu tư bỏ thêm 80 triệu đô la vào công ty.
Giờ đây, Lightmatter đã huy động được 154 triệu đô la vòng C và đang chuẩn bị ra mắt thực tế. Nó có một số thử nghiệm với đầy đủ Envise (phần cứng máy tính), Passage (kết nối, rất quan trọng đối với các hoạt động điện toán lớn) và Idiom, một nền tảng phần mềm mà Harris cho biết sẽ cho phép các nhà phát triển máy học thích ứng nhanh chóng.
Một đơn vị Lightmatter Envise đang bị giam cầm. Tín dụng hình ảnh: vật chất nhẹ
“Chúng tôi đã xây dựng một bộ phần mềm tích hợp liền mạch với PyTorch và TensorFlow. Kể từ đó, quy trình làm việc dành cho các nhà phát triển máy học cũng giống nhau — chúng tôi sử dụng các mạng nơ-ron được tích hợp trong các ứng dụng tiêu chuẩn ngành này và nhập các thư viện của chúng tôi, vì vậy tất cả mã đều chạy trên Envise,” anh ấy giải thích.
Công ty đã từ chối đưa ra bất kỳ tuyên bố cụ thể nào về việc tăng tốc hoặc cải thiện hiệu quả và vì đây là một kiến trúc và phương pháp tính toán khác nên rất khó để so sánh giữa các ứng dụng. Nhưng chúng tôi chắc chắn đang nói chuyện theo thứ tự độ lớn, không phải là 10% hay 15%. Kết nối được nâng cấp tương tự, vì sẽ vô ích nếu mức độ xử lý đó bị cô lập trên một bảng.
Tất nhiên, đây không phải là loại chip đa năng mà bạn có thể sử dụng trong máy tính xách tay của mình; nó rất cụ thể cho nhiệm vụ này. Nhưng chính việc thiếu tính cụ thể của nhiệm vụ ở quy mô này dường như đang kìm hãm sự phát triển của AI — mặc dù “kìm hãm” là một thuật ngữ sai vì nó đang di chuyển với tốc độ rất nhanh. Nhưng sự phát triển đó cực kỳ tốn kém và cồng kềnh.
Các thử nghiệm đang ở giai đoạn thử nghiệm và việc sản xuất hàng loạt được lên kế hoạch vào năm 2024, tại thời điểm đó có lẽ chúng phải có đủ phản hồi và độ chín để triển khai trong các trung tâm dữ liệu.
Nguồn tài trợ cho vòng này đến từ SIP Global, Công ty Nghiên cứu & Quản lý Fidelity, Nhà đầu tư Toàn cầu Viking, GV, HPE Pathfinder và các nhà đầu tư hiện tại.
[ad_2]
