Een nieuwe chip ontworpen door Chinese wetenschappers verwerkt gegevens tot 478 keer sneller dan Nvidia's A100 GPU, een van de krachtigste commerciële grafische processors op de markt. De chip vertrouwt niet op conventionele transistoren. In plaats daarvan bootst hij de manier waarop een biologisch brein werkt na, door licht en elektrische signalen te combineren.
Een chip die denkt als een brein, niet als een computer
Het apparaat is een neuromorfe fotonische chip. Het combineert fotonica, die licht gebruikt om informatie te dragen, met elektronische circuits die zich gedragen als neuronen en synapsen. Het team erachter werkt aan de Tsinghua Universiteit in Peking, China. Ze publiceerden hun resultaten in een peer reviewed tijdschrift. De chip is ontworpen om kunstmatige intelligentietaken uit te voeren, zoals beeldherkenning en gegevensclassificatie, met veel minder energie dan traditionele hardware.
Waarom snelheid en efficiëntie belangrijk zijn voor AI
In tests voltooide de chip bepaalde AI-taken tot 478 keer sneller dan een Nvidia A100 GPU. Hij gebruikte ook dramatisch minder stroom. Voor één benchmark verbruikte de chip ongeveer een vierduizendste van de energie die de GPU nodig had. Dat soort efficiëntie zou kunnen veranderen hoe grote AI-modellen worden ingezet, vooral in omgevingen waar elektriciteit beperkt of duur is.
Wat er gebeurde en wie erbij betrokken is
Het onderzoek werd geleid door professor Dai Qionghai en zijn team aan de Tsinghua Universiteit. Ze bouwden een chip die een netwerk van optische componenten gebruikt om berekeningen uit te voeren met de snelheid van het licht, terwijl elektronische circuits geheugen en controle afhandelen. De chip werd getest op taken zoals handschriftcijferherkenning en beeldclassificatie. Hij behaalde een hoge nauwkeurigheid terwijl hij sneller en koeler werkte dan puur elektronische chips.
Lokale wetenschappers en ingenieurs in China hebben dit werk op de voet gevolgd. Het land heeft zwaar geïnvesteerd in halfgeleideronderzoek, en neuromorf rekenen wordt gezien als een manier om enkele beperkingen van traditionele chipproductie te omzeilen. Voor mensen die in AI werken, vertegenwoordigt deze chip een mogelijke weg naar hardware die niet afhankelijk is van Nvidia's dominante architectuur.
Wat dit betekent voor de toekomst van rekenen
De Tsinghua-chip is nog geen commercieel product. Het blijft een laboratoriumprototype. Maar de resultaten suggereren dat door het brein geïnspireerde fotonische rekenkunde conventionele elektronica kan overtreffen bij specifieke taken. Als de technologie opschaalt, zou het kunnen hervormen hoe datacenters en edge-apparaten AI-werkbelastingen verwerken. De chip laat zien dat de volgende sprong in rekenkunde misschien niet komt van het verder verkleinen van transistoren, maar van het ontwerpen van hardware die meer werkt als het menselijk brein.
