【密歇根大学光传输芯片突破，有望终结 AI 数据传输瓶颈】
密歇根大学带领，联合华盛顿大学、宾夕法尼亚大学及劳伦斯伯克利国家实验室等多所顶尖研究机构携手研发的全新芯片连接系统，用光波导取代传统金属电路，突破长期制约 AI 模型规模与训练速度的「记忆墙」问题。
传统计算机系统，各存储器与处理器芯片靠硬接线（通常是焊在印刷电路板上的金属连接）传输资料，但处理器运算速度 20 年来提升 6 万倍，资料在存储器与处理器之间传输速度却只提高 30 倍，导致通讯成为瓶颈。这限制 AI 模型规模发展，自 1998 年 AI 模型规模约每两年增长 400 倍。面对日益庞大的数据需求，突破记忆墙成为推动高性能运算与 AI 发展的关键挑战。
密歇根大学计算机与电机工程教授 Di Liang 指出：「我们技术能使高性能运算追上 AI 模型增长所需处理的大量资料。利用光当芯片连接的媒介，可达秒速数十太位元传输，比最先进电子连接提升超过百倍。」
新技术核心创新在嵌入式光波导系统。芯片连线不再靠固定金属导线，而是用嵌入 interposer（中介板）的封装光波导，以光脉冲传输资料。每块芯片均配有接收器，光信号转换回电信号后由计算机解读。光传输时能克服电子传输能量损失及电磁干扰问题，可能传输更大量资料并降低能耗。
新光芯片连接系统采独特相变材料，使光波导网络不仅制造过程可灵活调整，计算机运行期间也能根据运算需求实时重新配置。当激光照射或施加电压时，这材料的折射率会改变，故光线传播路径也改变，类似依实际交通需求开闭道路。
团队也开发专门软件，监控芯片各部分通讯需求，并动态调整电压完成最佳连接配置，让系统据 AI 模型训练与运行需求灵活调整连线架构。
此突破性技术不仅有望大幅提高资料传输速率、推动 AI 模型规模与运算效率迈入新阶段，亦在高性能计算与半导体设计领域引发深远影响。与多家业界龙头合作也为密歇根大学学生提供宝贵实习机会，直接参与解决最前线、最具挑战性的工程问题。
