传统上，随着对硅芯片功耗的要求越来越低，人工智能对芯片的功耗要求越来越高。

考虑到这一点，麻省理工学院的科学家们于2017年成立了一家名为Lightmatter Inc.的初创公司，开发硅光子处理器。另一个目标是利用光学计算将人工智能处理与摩尔定律“脱钩”，根据公司创始人的说法，摩尔定律产生的热量大于光。

在近期的热芯片会议上，Lightmatter宣布了一种人工智能光子“测试芯片”，定位为一种利用光处理和传输数据的人工智能推理加速器。3D模块包括一个12纳米和90纳米的专用集成电路，后者支持诸如激光监控和光分布等光子学处理步骤。

该设计还采用了一种称为马赫-曾德尔干涉仪的装置，用光对数据进行编码，将电信号转换为在输入和输出波导之间传播的光的“亮度”变化。这种结构类似于通过棱镜的不同颜色的光束，允许处理器同时计算不同波长的光。

结果是，移动数据所需的能量更少，这为传统的处理和用于人工智能推理工作负载的互连提供了一种节能的替代方案。据美国能源部的预测，到2030年，这些传统方法预计将占全球能源使用量的8%以上。

在利用光速的同时，这家芯片开发商将其光子学芯片作为CPU、GPU和越来越多数据中心的节能替代品，该公司将其描述为“计算进步道路上的死胡同”

Lightmatter声称，它的光子学处理器可以免费使用cpu或gpu来实现“被动数据传输”所需的数十瓦功率。Lightmatter的创始人兼首席执行官尼古拉斯·哈里斯（Nicholas Harris）说：“与传统处理器相比，Lightmatter的光学处理器速度快得多，能效也更高”。

此外，这家成立三年的芯片初创公司指出，人工智能工作负载的增长率（以千兆次/天计算）已经超过摩尔定律的5倍。公司高管表示，光子学处理的替代方案是“用数据中心覆盖地球，为人工智能提供动力”。

总部位于波士顿的Lightmatter表示，该公司的设计采用了一种三维堆叠芯片封装，其中包括超过10亿个FinFET晶体管、光子运算单元和数据转换器。光子处理器运行PyTorch、TensorFlow和其他标准机器学习框架来生成AI算法。

对硅光子学技术的需求预计将增长，随着光传输技术也进入数据中心和传感器部署领域，一些地区的年增长率将达到25%。行业跟踪机构Global Market Insights预测，硅光子学行业也将受到5G无线部署的推动，这将需要更高的网络带宽。

除了Lightmatter这样的初创公司，其他硅光子学生产商还包括Broadcom、Cisco Systems、GlobalFoundries、Hamamatsu photonics、IBM、Intel Corp.、Juniper Networks、NeoPhotonics Corp.和STMicroelectronics。

其他的光子学初创公司采取了不同的方法。Ayer实验室在去年的热门芯片上引入了光学芯片技术，该技术采用标准CMOS工艺，在同一芯片上结合了光学和Intel Stratix 10 FPGA。

英特尔去年展示了一款400千兆位以太网光子学收发器。其他光学设备的吞吐量已接近800 Gbps。

新兴的AI光子学领域的公司包括LightOn和Lightelligence。

这家初创公司表示，预计将在2021年秋季发布其人工智能光子处理器的生产版本。