Investeringar i infrastruktur för artificiell intelligens (AI) har gått igenom taket sedan generativa AI-språkmodeller som ChatGPT kom 2022. Med hyperskalare som driver investeringar i AI-infrastruktur till rekordhöga nivåer 2025, räknar International Data Corp. globala investeringar till svindlande $318 miljarder, och det verkar vara redo att fortsätta öka år efter år.
Mot bakgrund av skyhöga kapitaltillskott närmar sig branschen en fysisk "skalningsvägg". Traditionell infrastruktur börjar knarra under belastningen av datacenterkapacitetsbegränsningar och stigande energibehov.
Det ökande energibehovet för att driva AI är ohållbart, och oron ökar också för de miljöskador som leverans av sådan energi kan orsaka.
Vi är nu vid en brytpunkt. Traditionella metoder för elektrisk dataöverföring närmar sig sina gränser, där NVIDIA visar sin hand genom att nyligen investera 4 miljarder dollar i två fotonikföretag, Coherent Corp. och Lumentum. NVIDIA satsar på en framtid där data överförs via ljus (fotoner) snarare än elektricitet.
AI energiförbrukning
DeElectric Power Research Instituteuppskattar att datacenter kan förbruka upp till 9 % av USA:s elproduktion årligen till 2030, en ökning från 4 % 2023. Eftersom AI-modeller står inför en ständigt-ökande konsumentefterfrågan och kräver mer datoranvändning, kommer vi att se den globala energiefterfrågan öka. Detta utgör ett akut problem för kostnaderna för att skala AI-tjänster, med tanke på den senaste tidens volatilitet i energipriserna. Vi ser redan detta problem förverkligas, där OpenAI citerar stigande energiräkningar som en anledning att dra tillbaka sina expansionsplaner i Storbritannien.
Processorer närmar sig fysiska gränser. Transistorer, de elektroniska omkopplarna som utgör grunden för elektroniska kretsar, är nu bara några få atomer breda-en storlek där kvanteffekter och värme blir betydande begränsningar.
Ljus i slutet av tunneln
Utöver utmaningen med de mängder energi som används för att bearbeta och flytta data, begränsar det fysiska avståndet mellan bearbetnings- och minneselementen, både på-chip och på systemnivå, nu hastigheten med vilken AI-modeller kan köras och tränas. Att bygga datacenter på en fotonisk grund är nästa logiska steg.
Snart kommer beräkning inom den optiska datavägen att vara möjlig och det ger möjlighet att minska latens och skala infrastruktur utan proportionella ökningar av strömförbrukningen.
Fotonik kan integreras direkt på kiselchips för att möjliggöra skalbarhet och effektivitetsförbättringar jämfört med elektricitet. Kärnan i fotonikens effektivitetsvinst är enkel: Ljus färdas snabbare och bär mer information, samtidigt som det producerar mindre värme än elektroner. Detta resulterar i dramatiskt högre beräkningstäthet, lägre strömförbrukning och överlägsen termisk prestanda för att övervinna de begränsningar som uppstår av mörkt kisel på konventionella chips.
Fördelarna med att förbättra effektiviteten på chipnivå är uppenbara i hur snabbt energibesparingar går ihop. En watt energi som sparas genom att driva ett chip minskar också den energi som går till spillo på strömförbrukning och kylning. Photonics öppnar upp en framtid för utveckling av AI-infrastruktur, centrerad på en grund som är snabbare, renare och i grunden skalbar.
Implementering av Photonics datacenter
Den grundläggande flaskhalsen i storskalig-AI är inte längre råberäkning utan den svindlande energikostnaden för att flytta data med den hastighet och volym som moderna AI-arbetsbelastningar kräver. Den snabba utvecklingen av frontiermodeller innebär att system är under konstant påfrestning från att koordinera tusentals chips samtidigt. Traditionell datacenterinfrastruktur kan helt enkelt inte hålla jämna steg med efterfrågan på konstant, mycket intensivt datautbyte.
Fotonik erbjuder en möjlighet att ta itu med detta problem på en strategisk nivå, snarare än att bara mildra de spiralformiga termiska kraven från en alltmer utsträckt elektrisk arkitektur. Tidiga branschuppskattningar tyder på att användning av ljus för att överföra data ger ungefär 5 gånger strömeffektiviteten och 10 gånger nätverkets motståndskraft mot konventionell elektronik.
Fördelarna med kiselfotonik sträcker sig utöver omedelbara effektivitets- och hållbarhetsvinster. Genom att eliminera betydande dataöverföringsflaskhalsar, låser fotonik också upp typer av datorer som tidigare ansågs opraktiska på grund av energikostnader, såsom helt homomorf kryptering (bearbetning av krypterad data utan att någonsin dekryptera den).
Genom att eliminera gränserna för traditionella datorarkitekturer har fotonik långtgående-implikationer för sektorer där prestanda och datasekretess som krävs av försvars-, finans- och hälsovårdsindustrin inte är-förhandlingsbara.
Hittills har AI-industrins svar på dess eskalerande energibehov varit långsam och misslyckas med att åtgärda de strukturella bristerna hos traditionella kiselarkitekturer. NVIDIAs nyligen genomförda investeringar på flera miljarder-dollar fungerar som en tydlig signal om att hyperskalare nu inser att detta i grunden är ett infrastrukturproblem.
Vi måste nu fråga oss själva om vi gör mer av samma-fortsätter att plöja öga-att vattna mängder i datacenteruppbyggnad och kylinfrastruktur, eller investera i innovativa lösningar som fotonik, som kan lösa viktiga begränsningar vid källan.
Fotonik representerar en ny möjlighetshorisont. Istället för att ersätta befintliga system, utökar fotonik moderna beräkningsarkitekturer genom att låsa upp ny beräkningskapacitet inom själva nätverket. Photonics driver chipindustrin mot sitt största arkitekturskifte sedan von Neumann-arkitekturens tillkomst, och det ger en möjlighet att låsa upp obegränsad beräkning.
