用光直接「改写」芯片内存，康奈尔团队为 AI 降耗找新路

在康奈尔理工（Cornell Tech）的一间实验室里，博士后研究员 Yifan He 将一个光学接收器的镜头对准一臂之外、发着红光的 LED。几秒后，连接的显示器上刷新出一片类似二维码的黑白方阵。但这并不是普通二维码——它承载的是 AI 模型的参数，并试图直接改写处理器内部的存储单元。

这项成果于上月在 IEEE/JSAP 集成电路与 VLSI 技术研讨会上发表，核心目标是缓解 AI 系统日益沉重的内存压力。研究者认为，用光把数据「照」进处理器，有望比传统金属连线更省电，对数据中心、自动驾驶汽车，乃至 AI 机器人都可能带来收益。

为什么要用光来搬运数据

Cornell Tech 电气与计算机工程副教授 Jae-sun Seo 表示，市面上各种 AI 芯片层出不穷，但片上静态随机存取内存（SRAM）通常放不下完整的模型参数，剩余数据不得不放在片外的动态随机存取内存（DRAM）中。芯片与 DRAM 之间的电连接在规模放大时，会带来显著的能耗和成本问题，"这是当前最主要的瓶颈之一"。

光学链路以高带宽、低损耗著称，但现有光接收器仍依赖功耗较高的模拟电路把光信号转成电信号，削弱了光的先天优势。新方案另辟蹊径：让发射端发出快速闪烁的类二维码数字光矩阵，由芯片上的特殊单元直接接收并改写 SRAM，跳过耗能的模拟转换环节，实现全数字化的光通信。

密歇根大学电气与计算机工程系主任、IEEE Fellow Dennis Sylvester（未参与该工作）评价："这是一个非常重要的难题，具有巨大的商业潜力，这个解决方案非常巧妙。"

光如何「翻转」存储单元

SRAM 比 DRAM 速度更快，但单芯片容量有限，无法独立支撑一个 AI 模型运行。新设计的做法是：

把 DRAM 留在发射端一侧；
接收器则集成进处理器自带的 SRAM 中，每个存储单元被改造成包含光电二极管的结构；
当光照射到光电二极管，光电流会直接翻转对应单元的二进制值。

工程上的一个难点是，发射端和接收端未必能完美对准。研究团队为此加入了一个校准电路：先发送一帧参考数据，让芯片知道每个像素的预期位置，再用这套参照系来解析真正的数据。Seo 表示，即便链路略有倾斜或偏移，也能正常工作。

目前，实验室中的发射器还只是概念验证：通过金属遮光罩打出一个静态的 14×14 bit 光矩阵，距离真正商用所需的"每秒变换数百万次、传输数 Gbit/s"的光发射器还有不小差距。团队正在与光学研究组合作，研发可快速切换矩阵的发射器。

距离落地还有多远

Sylvester 认为，这项技术距离商业化仍然较远。眼下每个感光存储单元的面积大于普通 SRAM 单元，意味着同样面积的芯片可容纳的内存更少，可能会抵消光链路带来的能效收益。Seo 则回应称，缩小单元是团队持续努力的方向，路径包括优化晶体管和电路尺寸、借助 CMOS 工艺的等比例缩小。

应用场景方面，研究者最看好机器人与边缘设备。例如：

AI 机器人仓库或工厂中，使用光链路更新每个机器人上的 AI 模型，可同时节省时间和能耗；
受尺寸严格限制的微型机器人，未来也有望借助光学方式获得额外内存支撑。

Sylvester 总结道："边缘 AI 是一个很大的增长领域，三到五年后，你听到它的频率可能不亚于数据中心，因为智能正在越来越深地迁移到我们身边的设备上。"