随着摩尔定律的物理极限逐渐逼近，芯片行业正面临前所未有的挑战。在这个关键时刻，前英特尔 CEO Pat Gelsinger 提出了一个大胆的愿景：利用光子学技术重启摩尔定律，从而为人工智能（AI）的爆发式增长提供源源不断的算力支撑。
长期以来，摩尔定律一直指引着半导体行业的发展方向，即每两年晶体管数量翻一番，性能提升一倍。然而，随着制程工艺逼近 3 纳米甚至 2 纳米，单纯依靠缩小晶体管尺寸来提升性能的难度和成本已呈指数级上升。更严峻的是，随着人工智能尤其是大语言模型的兴起，数据中心对算力的需求呈爆炸式增长，传统的电子互连技术（即使用电信号传输数据）逐渐成为了制约算力提升的瓶颈。
Gelsinger 认为，光子芯片可能是打破这一僵局的关键。与依赖电子流动的传统芯片不同，光子芯片利用光子（光粒子）来传输数据。光在真空或介质中的传播速度远快于电子，且不易受到电磁干扰，同时具有极高的带宽容量。这意味着，使用光进行数据传输，可以极大地降低延迟，减少数据传输过程中的能量损耗，并缓解日益严峻的散热问题。
为了实现这一愿景，英特尔近年来在光子学领域投入了大量资源。Gelsinger 推广的“光共封装”（Co-Packaged Optics, CPO）技术正是这一战略的核心。简单来说，CPO 技术将光引擎与计算芯片封装在一起，通过短距离的光纤连接实现芯片间的极速数据交换。这种设计省去了长距离的电互连线路，不仅缩短了信号传输路径，还大幅降低了能耗。对于 AI 训练集群而言，这种高效的数据通路意味着 GPU 之间可以更紧密地协同工作，从而释放出更大的整体算力。
尽管前景广阔，但光子芯片的大规模商业化仍面临诸多技术壁垒。如何在硅基材料上高效地集成光器件，如何保证光路在微米级别的精度下依然对准，以及如何降低光子芯片的制造成本，都是行业需要攻克的技术难题。此外，光子芯片的制造工艺与传统的电子芯片工艺并不完全兼容，这需要全新的供应链和制造体系。
无论如何，Gelsinger 的这一构想代表了芯片行业的一个重大转折点。从电子计算向光子计算的跨越，不仅是技术的升级，更是算力时代的范式转移。如果成功，这将为 AI 的下一个十年发展奠定坚实的硬件基础，让人工智能在更低的能耗下实现更复杂的任务，彻底改变我们与机器交互的方式。
信息来源：Feed: Artificial Intelligence Latest，原文链接：https://www.wired.com/story/pat-gelsinger-moores-law-light-chips/
封面图片来源：Unsplash / 摄影师 Simon Ray
