14.07.2026 13:45
🚀 Фотоника против GPU: китайская разработка обогнала графику в 149 раз Американские санкции на чипы заставили китайских
🚀 Фотоника против GPU: китайская разработка обогнала графику в 149 раз
Американские санкции на чипы заставили китайских исследователей искать обходные пути — и они нашли радикальное решение. Команда из Пекинского университета создала гибридную систему, где обычные программируемые логические матрицы (ПЛИС) общаются через кремниевые фотонные передатчики и оптический коммутатор. Результат: нейросетевая задача шумоподавления выполнилась в 149 раз быстрее GPU, хотя номинальная мощность составила всего 11,6% от графического процессора — 1,97 против 16,96 терафлопс.
Архитектура включает пять ПЛИС, на каждой из которых развёрнут один слой пятислойной свёрточной сети. Между чипами установили фотонные трансиверы на 400 Гбит/с и оптический коммутатор 16×16 с потерями менее 5 дБ. Главный трюк — конвейерная обработка: каждая ПЛИС сразу отправляет промежуточный результат следующей по оптоволокну, минуя «стену памяти» — сохранение во внешнюю память, которое тормозит GPU. Тысяча изображений 32×32 пикселя обработалась за 105,16 микросекунд против 15,643 миллисекунд на контрольном графическом ускорителе. Эффективность использования вычислительных блоков ПЛИС достигла 94,7%.
Эксперимент проводился на простой модели с Fashion-MNIST. Авторы подчёркивают: правильная совместная разработка алгоритмов, микроархитектур и межсоединений позволяет решать конкретные задачи при ограниченных ресурсах, сокращая потребление энергии в датацентрах.
Насколько реалистично масштабировать такую схему на большие языковые модели и современные генеративные системы?
📌 Новости в Telegram | Нейросети на chatru.net
Американские санкции на чипы заставили китайских исследователей искать обходные пути — и они нашли радикальное решение. Команда из Пекинского университета создала гибридную систему, где обычные программируемые логические матрицы (ПЛИС) общаются через кремниевые фотонные передатчики и оптический коммутатор. Результат: нейросетевая задача шумоподавления выполнилась в 149 раз быстрее GPU, хотя номинальная мощность составила всего 11,6% от графического процессора — 1,97 против 16,96 терафлопс.
Архитектура включает пять ПЛИС, на каждой из которых развёрнут один слой пятислойной свёрточной сети. Между чипами установили фотонные трансиверы на 400 Гбит/с и оптический коммутатор 16×16 с потерями менее 5 дБ. Главный трюк — конвейерная обработка: каждая ПЛИС сразу отправляет промежуточный результат следующей по оптоволокну, минуя «стену памяти» — сохранение во внешнюю память, которое тормозит GPU. Тысяча изображений 32×32 пикселя обработалась за 105,16 микросекунд против 15,643 миллисекунд на контрольном графическом ускорителе. Эффективность использования вычислительных блоков ПЛИС достигла 94,7%.
Эксперимент проводился на простой модели с Fashion-MNIST. Авторы подчёркивают: правильная совместная разработка алгоритмов, микроархитектур и межсоединений позволяет решать конкретные задачи при ограниченных ресурсах, сокращая потребление энергии в датацентрах.
Насколько реалистично масштабировать такую схему на большие языковые модели и современные генеративные системы?
📌 Новости в Telegram | Нейросети на chatru.net