近日，一项有望突破 “内存墙” 限制、加速 AI 发展的全新芯片连接系统引发关注。该技术由密歇根大学（U-M）主导，在国家科学基金会半导体未来计划 200 万美元资助下开展研究，汇聚了华盛顿大学、宾夕法尼亚大学、劳伦斯伯克利国家实验室等科研力量，谷歌、惠普企业、微软和英伟达等行业巨头也参与其中，为项目提供支持与指导。
当前，AI 发展迅猛，但内存与处理器间的数据传输速度，却成为制约 AI 模型规模扩大和计算速度提升的关键瓶颈。数据显示，近 20 年来，数据处理速度提升了 6 万倍，而数据传输速度仅提高 30 倍。自 1998 年起，AI 模型规模每两年扩大 400 倍，缓慢的数据传输速率严重束缚了 AI 性能的进一步提升。
密歇根大学电气与计算机工程教授、项目首席研究员梁迪指出，他们提出的技术利用光连接替代传统电连接，有望实现每秒传输数十太比特的数据，比现有最先进的电连接快 100 多倍，从而让高性能计算跟上 AI 模型对海量数据处理的需求。
目前，数据主要通过焊接在中介层上的金属连接在内存和处理器芯片间传输。但这种硬连接方式存在诸多弊端，高速电信号易产生热损耗与电磁干扰，限制了数据传输带宽和信号完整性。随着 AI 模型不断扩张，单个超级计算机芯片核心数量已超 90 万，且仍在持续增加，传统连接方式愈发难以满足需求。
图：新芯片连接系统：突破 “内存墙”，开启 AI 新纪元
华盛顿大学电气与计算机工程教授、联合首席研究员李默表示，光连接凭借传播距离远、能量损耗小等优势，将成为解决通信难题的关键。在新的中介层设计中，光脉冲通过光波导在芯片间传播，芯片上的接收器再将光信号转换为电信号供计算机处理。
更具创新性的是，中介层中的特殊相变材料使光波导网络可灵活重构。当受到激光照射或电压作用时，材料折射率改变，光在波导中的传播方向随之改变，就像灵活调控道路的开闭。宾夕法尼亚大学材料科学与电气和系统工程教授梁峰认为，基于这项技术，企业在销售芯片时，无需更改其他组件布局，就能重写不同批次芯片和服务器的连接。
此外，研究团队还计划开发流量控制软件，实时监控中介层通信需求，通过电压切换即时建立理想连接，以适应不同 AI 模型的运行和训练需求。计算机科学与工程副教授瑞图帕尔纳・达斯表示，这种灵活的连接方式能根据实际需求重构网络。
该项目不仅在技术上有望突破 “内存墙”，还将为密歇根大学学生提供与行业深度合作的机会，帮助他们积累实践经验，应对快速发展的技术带来的挑战。梁教授表示，行业合作能让学生接触到教科书无法涵盖的前沿问题，有效提升他们的专业技能。
业内人士认为，这项新的芯片连接系统一旦成功应用，将为 AI 发展注入强大动力，显著提升计算效率，有望推动 AI 技术迈向新的高度，为智能时代带来更多可能。
