// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Un chip ottico vuole rendere l’AI molto più efficiente
CUHK ha sviluppato un processore ottico integrato pensato per alleggerire uno dei punti più critici dei moderni data center AI: lo spostamento rapido, stabile ed efficiente dei dati tra server, acceleratori e strutture distribuite. Il progetto arriva dai laboratori della Chinese University of Hong Kong e affronta il problema alla radice, cioè la necessità di correggere le distorsioni dei segnali senza farli passare subito dal dominio ottico a quello elettrico.
Il chip è basato su fotonica su silicio e lavora direttamente sulla luce che trasporta l'informazione. Nei sistemi tradizionali, una parte rilevante dell'elaborazione viene affidata a circuiti elettronici e a tecniche di DSP, con un costo crescente in termini di latenza e consumi man mano che aumenta la velocità dei collegamenti. Qui, invece, la correzione del segnale avviene prima della conversione ottico-elettrica.
I risultati sperimentali indicano una capacità aggregata di 1,6 Tb/s, una latenza inferiore a 60 picosecondi e un consumo nell'ordine di poche decine di femtojoule per bit. Sono numeri che non vanno letti come una nuova CPU o una nuova GPU, ma come un tassello infrastrutturale: nei cluster AI distribuiti, la velocità di comunicazione tra nodi può diventare un limite tanto concreto quanto la potenza di calcolo disponibile.
L'architettura descritta dal team usa tre reservoir fotonici e otto canali di lettura, con linee di ritardo ottiche regolabili per campionare nel tempo segnali molto rapidi. Nei test il sistema ha gestito otto canali a 100 Gbaud PAM4, circa 200 Gbit/s per canale, e può adattarsi a diverse lunghezze d'onda, formati di modulazione e condizioni di trasmissione. Il potenziale dichiarato include anche un'espansione della banda WDM utilizzabile, oggi limitata dalla dispersione cromatica.
Il punto tecnico più interessante è la natura programmabile dell'equalizzatore ottico. Il chip non si limita a compensare un singolo difetto della fibra: può intervenire su dispersione, limiti di banda del trasmettitore e del ricevitore, oltre che su distorsioni non lineari sotto carico elevato. La stessa pressione a ridurre consumi e complessità attraversa anche segmenti meno estremi del mercato, come dimostra l'arrivo di Snapdragon C sui laptop entry-level, ma nei collegamenti tra data center la scala del problema è molto diversa.
Per l'AI generativa e per l'addestramento su larga scala, migliaia di acceleratori devono comportarsi come un sistema coordinato. Ogni conversione, ogni errore corretto troppo tardi e ogni watt speso nel trasporto dati riducono l'efficienza complessiva. Un'elaborazione direttamente nel dominio della luce può quindi spostare parte del carico lontano dall'elettronica tradizionale, senza eliminare del tutto il supporto digitale quando serve su tratte più lunghe.
La tecnologia resta una ricerca pubblicata e validata in laboratorio, non un componente già pronto per essere ordinato dagli hyperscaler. Il segnale però è chiaro: le interconnessioni ottiche stanno passando dal semplice trasporto alla manipolazione attiva dell'informazione. Se questa strada arriverà alla produzione su larga scala, i futuri supercomputer AI potrebbero guadagnare efficienza non solo da chip più potenti, ma da collegamenti capaci di correggere i dati alla velocità della luce.
Aggiungi Tom's Hardware alle tue fonti preferite su Google