复旦大学团队突破光互连技术，提升大模型训练速度至每秒38Tb
时间：2025-03-14 03:30
小编：小世评选
随着人工智能技术的飞速发展，尤其是深度学习模型的复杂性和规模日益扩张，基于传统电子互连的计算架构逐渐显现出瓶颈。智算芯片之间、计算节点之间在数据传输时面临带宽不足的严峻挑战。这一问题在使用大型GPU集群、超级计算中心以及云计算时尤为明显，因为这些对数据交换的速度、容量及效率有着极高的要求。
在大模型训练过程中，模型中存在的海量参数需要在各计算节点之间进行频繁的数据交换。若互连带宽不足，不仅会大幅降低系统的响应速度，甚至可能在关键时期导致系统崩溃，严重影响计算效率与用户体验。因此，如何突破电子传输在带宽及能耗方面的物理极限，成为了当前科研界亟待解决的难题。点亮这一技术革新的希望，复旦大学信息科学与工程学院的研究团队正在积极探索。
该团队在张俊文研究员和迟楠教授的带领下，通过精确设计与创新优化，将多维复用技术引入到片上光互连架构中，成功克服了许多传统电子互连所遇到的难关。多维复用技术的应用显著提升了数据的传输吞吐量，同时在功耗及延迟方面也表现卓越，为实现高性价比的计算通信奠定了基础。该技术在扩展性和兼容性方面也展现出了巨大的潜力，适用于多种高性能计算场景，为未来的智能计算提供了强有力的技术支撑。
在该技术的基础上，研究团队成功设计和研制了一款硅光集成的高阶模式复用器芯片。这一芯片的推出意味着超大容量的片上光数据传输达成，实验结果显示其支持的数据传输速率高达每秒38Tb。这一速度的提升是令人振奋的，意味着未来在进行大模型训练时，系统每秒可以完成传递4.75万亿参数的任务。这不仅显著增强了大模型训练的效率，还提升了计算集群间的通信性能与可靠性。
这一重要的技术突破不仅为数据中心和高性能计算服务器中的光互连系统提供了新的解决方案，还为未来人工智能的广泛应用、大规模并行计算以及大模型训练提供了坚实的技术支撑。这项研究成果被国际期刊《自然·通讯》收录，表明了其在学术界的影响力与认可度。
前景展望方面，借助这一光互连技术，未来人工智能的应用领域将会更加广阔。随着模型规模的进一步扩大和计算能力的不断提升，对于更高带宽、更低延迟的需求将愈加迫切，而复旦大学的这一研究成果正好回应了这一需求，为行业带来了希望。
通过复旦大学研究团队的不断创新与努力，光互连技术的突破在很大程度上提升了数据传输的能力，进而推动了人工智能训练的进展，为科技界提供了新的思考与实践的方向。这一成就不仅具有重要的科学价值，更加深远的社会意义将会在未来逐渐显现，期待这一技术的进一步成熟与普及，从而为全球人工智能的发展贡献力量。
