На ПМЭФ Сбер показал первый российский оптический вычислитель для задач ИИ — устройство, которое выполняет одну из ключевых операций нейросетей не электрическим током, а светом. Звучит как фраза из советского научпопа про 1987 год, но физика здесь вполне настоящая.

Чип предназначен для матричного умножения. Если коротко: нейросеть большую часть времени перемножает огромные таблицы чисел. Именно поэтому современные ИИ-центры пожирают электричество, греются и требуют всё больше GPU. Фотоника предлагает другой путь — часть вычислений выполняется за счёт прохождения света через оптическую схему. Не потому что «свет умнее электронов», а потому что в некоторых задачах он позволяет быстрее и экономнее выполнять массовые параллельные операции.

По заявлению Сбера, первый прототип делает больше миллиарда операций матричного умножения в секунду, а энергопотребление оптического ядра на 30% ниже электронных аналогов. Целевой ориентир — частота оптических операций выше 10 ГГц.

В мире это не уникальная технология: американская компания Lightmatter делает фотонные решения для AI-инфраструктуры — в основном вокруг межчиповых соединений, а не ровно такого же «матричного вычислителя». Британский стартап Lumai заявляет до 90% снижения энергопотребления по сравнению с GPU-архитектурами на задачах инференса. Оба работают с коммерческими продуктами, Сбер — с прототипом. Разрыв есть.

Но главный смысл новости не в том, что Сбер догнал Запад. Не догнал.

Смысл в другом: это поиск обходного пути. Оптические чипы не требуют EUV-литографии уровня TSMC 3нм, поэтому производство реально на более доступных процессах. Фотонные вычислители, по крайней мере теоретически, дают шанс вынести часть задач в архитектуру с другими производственными требованиями. Сбер прямо говорит об этом: «производство оптических чипов локализуется проще, чем электронных».

Реальный это прорыв или красивая презентация на форуме — покажет следующие два-три года. Путь от прототипа до серийного чипа в электронике занимает именно столько, и большинство громких анонсов на этом пути тихо заканчиваются. Но направление правильное — ИИ всё чаще упирается не в умные модели, а в электричество и доступ к чипам.

@gostev_future