光线弯曲物理学让"隐形斗篷"成为可能,现在两家初创公司希望利用这一技术突破的基础科学来提升数据中心的带宽并加速人工智能发展。
大约20年前,科学家们开发出了第一批能够让光线绕过物体从而隐藏物体的结构。这些结构由光学超材料组成——这些材料的结构比它们设计用来操控的波长更小,让它们能够以意想不到的方式弯曲光线。
光学斗篷的问题在哪里?"它们没有市场,"德克萨斯州奥斯汀光子计算初创公司Neurophos的联合创始人兼CEO帕特里克·鲍文说。例如,每个光学斗篷通常只对单一颜色的光有效,而不是对所有可见光颜色都有效,这与隐身应用的需求不符。
如今,公司们正在为斗篷背后的科学寻找更实用的用途,比如改进连接数据中心计算机的交换机,以支持AI和其他云服务。越来越多的数据中心正在寻求使用光学电路交换机,以克服传统电子交换机和网络的带宽限制和功耗问题,这些传统系统需要多次在光和电子之间转换数据。
然而,当今的光学交换技术也有自己的缺点。华盛顿州雷德蒙德光学超表面初创公司Lumotive的CEO萨姆·海达里表示,依赖硅光子学的技术面临能效问题,而依赖微电机系统的技术可能不太可靠。
相反,Lumotive开发了具有可调特性的超材料。该公司于3月19日首次亮相的新微芯片,表面覆盖着使用标准芯片制造技术构建的铜结构。在这些铜特征之间是液晶元件。这些元件的结构可以通过电子编程,就像液晶显示器一样,来改变超材料芯片的光学特性。
这种微芯片可以精确地引导、聚焦、塑形和分束从其表面反射的光束。据Lumotive介绍,它可以实时以可编程方式执行多个光学组件的所有相同功能,且无运动部件。"没有运动部件大大提高了可靠性,"海达里说。
"我们必须在代工厂进行大量研发工作,不仅要让我们的设备具备功能性,还要在合适的成本和可靠性方面具备商业可行性,"海达里说。
该公司表示,其新芯片不仅能够处理行业标准的256×256端口,还可以扩展到10,000×10,000。"我们认为这对数据中心来说是革命性的,"海达里说。Lumotive计划在2026年底推出其首批光学交换机。
阵列技术突破
同样,Neurophos希望其技术能够为人工智能带来变革。由于AI在传统电子设备上运行时证明非常耗能,科学家们正在探索光学计算作为低功耗替代方案,通过用光而不是电子来处理数据。
然而,鲍文表示,目前正在开发的光学处理器通常体积过于庞大,无法实现与最佳现代电子处理器竞争的计算密度。Neurophos表示,它可以使用超材料构建光学调制器——光学晶体管的等效物——其尺寸是当今设计的1/10,000,并使用标准芯片制造工艺。"这完全是CMOS技术,"鲍文说。"其中没有任何特殊材料。"
当编码数据的激光束照射到Neurophos芯片上时,每个超材料元件的配置方式会改变反射光束,以编码复杂AI任务的结果。"我们基本上在芯片上5×5毫米的微小区域内装入了1,000×1,000的光学调制器阵列,"鲍文说。"如果你想用现成的硅光子学做到这一点,你的芯片将需要一平方米的尺寸。"
总的来说,鲍文声称Neurophos微芯片将提供比英伟达Blackwell代GPU高50倍的计算密度和50倍的能效。该公司表示,超大规模云服务提供商将在今年评估两款即将推出的概念验证芯片。Neurophos的目标是在2028年初推出首批系统,并在2028年中期加速生产。
Q&A
Q1:什么是光学超材料?它有什么特殊能力?
A:光学超材料是一种结构比它们设计用来操控的波长更小的材料,能够以意想不到的方式弯曲光线。最初这种技术被用来制造"隐形斗篷",让光线绕过物体从而隐藏物体。现在初创公司正将这项技术应用到更实用的领域,如数据中心的光学交换和AI计算。
Q2:Lumotive的光学超材料芯片有什么优势?
A:Lumotive开发的超材料芯片具有可调特性,表面覆盖铜结构和液晶元件,可通过电子编程改变光学特性。该芯片能精确引导、聚焦、塑形和分束光线,无运动部件,大大提高可靠性。它能处理256×256端口并可扩展到10,000×10,000,计划2026年底推出首批产品。
Q3:Neurophos如何用超材料技术改进AI计算?
A:Neurophos使用超材料构建光学调制器,尺寸仅为传统设计的1/10,000。在5×5毫米芯片区域内装入1,000×1,000光学调制器阵列,而用传统硅光子学需要一平方米。该公司声称其芯片比英伟达Blackwell代GPU具有50倍计算密度和能效,计划2028年推出产品。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。