Optyczne chipy z Chin przyspieszają AI 100 razy mniejszą mocą

Każda nowa generacja modeli językowych czy systemów wizyjnych pochłania coraz więcej mocy obliczeniowej. Branża reaguje w przewidywalny sposób – dokupuje kolejne karty graficzne i rozbudowuje centra danych, pędząc w wyścigu o energię i surową siłę przetwarzania. Jednak badacze z Uniwersytetu Pekińskiego proponują zupełnie inne podejście: zamiast dodawać układy, można połączyć je światłem.

Nowy system, nazwany all-optical interconnect, pozwala uzyskać ponad stukrotne przyspieszenie rozproszonego wnioskowania AI przy jednoczesnym ograniczeniu zapotrzebowania na zasoby obliczeniowe do zaledwie jednej dziewiątej tego, co jest dziś standardem. Wyniki opublikowano w połowie lipca 2026 roku.

Jak działa optyczne łączenie chipów

Zamiast przesyłać sygnały elektryczne między procesorami za pomocą miedzianych ścieżek, nowe rozwiązanie wykorzystuje światłowody i dedykowane algorytmy komunikacyjne. Kluczowy jest tu fakt, że system łączy standardowe układy elektroniczne – nie wymaga więc produkcji całkowicie nowych chipów optycznych, co znacznie obniża barierę wdrożenia.

Efekt? Modele AI rozmieszczone na wielu chipach mogą wymieniać się danymi i synchronizować wnioskowanie nawet stukrotnie szybciej niż w tradycyjnej architekturze opartej na GPU. Ponieważ transfer danych przestaje być wąskim gardłem, algorytmy nie muszą czekać na dostarczenie wyników z sąsiednich jednostek – przetwarzanie przebiega płynnie i błyskawicznie.

Dlaczego to zmienia zasady gry

Współczesne systemy AI, szczególnie duże modele językowe (LLM), wymagają ogromnej mocy obliczeniowej nie tylko podczas trenowania, ale także w fazie inferencji – czyli rzeczywistego odpowiadania na zapytania użytkownika. Dotychczasowe podejście „więcej GPU, więcej energii” staje się nie tylko kosztowne, ale i ekologicznie wątpliwe. System optyczny oferuje alternatywę: przy mniejszym zużyciu zasobów można osiągnąć znacznie wyższą wydajność.

Implikacje dla przyszłości infrastruktury AI

Odkrycie pekińskich naukowców może mieć dalekosiężne skutki. Po pierwsze, zmniejsza presję na rozbudowę centrów danych – jeśli te same zadania można wykonać przy jednej dziewiątej mocy obliczeniowej, oznacza to znaczne oszczędności energii i kosztów. Po drugie, otwiera drogę do bardziej zdecentralizowanych systemów AI, gdzie mniejsze klastry chipów osiągają wydajność porównywalną z dzisiejszymi gigantami.

Należy jednak pamiętać, że technologia jest w fazie badawczej. Zanim optyczne łącza trafią do komercyjnych serwerowni, trzeba rozwiązać kwestie integracji z istniejącą infrastrukturą oraz skalowania algorytmów, które w pełni wykorzystają przepustowość światłowodów. Mimo to kierunek jest wyraźny: zamiast budować coraz większe fabryki GPU, warto postawić na sprytniejsze sposoby łączenia tego, co już mamy.

Dla polskich czytelników zainteresowanych AI oznacza to jedno: nadchodzi era, w której szybkość modeli przestanie być limitowana przez sprzęt, a zacznie przez algorytmy. Jeśli chińskie rozwiązanie się sprawdzi, może przyspieszyć rozwój aplikacji AI w każdym sektorze – od medycyny przez autonomiczną jazdę po analizę finansową.