中大新聞中心
中大研發全光訊號處理器 突破AI跨數據中心傳輸瓶頸
1.6Tb/s極速、60皮秒低延遲 助綠色AI運算
香港中文大學(中大)領導的研究團隊成功研發出一種新型集成式全光訊號處理器(all-optical signal processor,OSP),以應對下一代人工智能(AI)系統對數據傳輸的龐大需求,尤其適用於多個數據中心之間的高速連接。
該OSP設置在矽光子晶片上,可在光訊號仍然以「光」的形式傳輸時,即時修正訊號失真,毋須先把光轉成電訊號再處理。換言之,它可更快、更有效地處理高速傳輸中的訊號問題,有助提升大型AI系統中不同伺服器及數據中心之間的通訊效率。
實驗結果顯示,OSP可在每秒1.6 Tb/s(兆兆位元)的總傳輸速率下進行實時處理,延遲低於60皮秒(即一萬億分之一秒),而耗電量亦非常低,只有每比特數十飛焦(femtojoules per bit)。這項成果有助突破現時數碼訊號處理技術在速度、延遲和耗電方面的瓶頸,為超低延遲及綠色AI超級運算提供突破性的解決方案。相關成果已發表於國際頂級學術期刊《Science》。
AI急速發展帶動大規模分布式數據中心對高速傳輸的需求
隨著AI技術快速發展,現代AI系統已不再局限於單一電腦或數據中心內運行。現時不少大型生成式AI模型,往往需要成千上萬的圖像處理器(GPU)和專用加速器,分布於不同地點同步運作。要讓這些系統高效運行,各個計算單元之間必須能夠快速、穩定地交換大量數據。因此,除了計算能力本身,高頻寬、低延遲及低功耗的通訊技術,已成為AI發展不可或缺的關鍵因素。
中大電子工程學系助理教授黃超然教授表示:「光纖通訊是現代數據傳輸及數據中心互連技術的基礎。然而,傳統數據中心互連技術愈來愈難以滿足現代 AI 系統在規模和速度上的需求。而隨著傳輸速率不斷提升,訊號失真問題便會更明顯;若仍依賴電子方式處理訊號,則會加劇延遲,並出現顯著的功耗。」
直接用「光」修正訊號 提升效率
為應對這一挑戰,黃教授團隊聯同華中科技大學和復旦大學的研究人員,研發出這款集成式OSP。與傳統方法不同,OSP可在光訊號進行光電轉換前,直接以光學方式修正失真的訊號,從而減少處理時間和能源消耗,並提高整體傳輸效率。
這項技術的設計靈感來自神經形態計算及機器學習。研究團隊透過精密調諧晶片內部的光路,讓OSP能更仔細地分析高速光訊號中複雜的時間特徵,從而更準確地修正訊號問題。
此外,OSP亦可作為可編程的非線性均衡器,可按不同傳輸情況靈活調整,用以補償多種常見的訊號損傷,包括光纖傳輸造成的色散、接收器和發送器頻寬不足的影響,以及光纖及器件在高負載下出現的非線性失真。由於OSP可在光電轉換前保留更完整的光場資訊,因此在多個場景的測試中,它比傳統基於數碼訊號處理的方法更能有效修正失真,並有潛力把受色散限制的可用波分多工(WDM)頻寬擴大至6.8倍以上,進一步提升每條光纖的傳輸容量。其可編程特性亦使系統可因應不同的訊號損傷場景、波長、數據速率和調制格式進行動態調整,展現出良好的靈活性和可擴展性。
在實驗中,OSP可同時處理8個波長通道的訊號,每個通道以100 Gbaud PAM4速率運行(即約每通道200 Gbit/s),總吞吐量達1.6 Tb/s。研究亦顯示,其處理延遲低於60皮秒,甚至短於許多數碼系統中的單個時鐘周期,而耗電量則穩定維持在每比特數十飛焦的水平。這些結果顯示,OSP有潛力應用於未來高速數據中心互連、跨地域AI訓練,以及其他需要超高速、低延遲傳輸的場景。
推動光訊號處理技術邁向新階段
從更宏觀的角度來看,這項研究亦反映光通訊技術的持續演進:半個多世紀前,中大前校長、被譽為「光纖之父」的高錕教授,提出利用低損耗光纖進行長距離通訊的構想,奠定現代互聯網的基石。是次研究延續這項重要傳承,展示未來技術不僅可利用光來「傳輸」訊號,更進一步以光來直接「處理」訊號,為下一代通訊和計算系統帶來新可能。
黃超然教授為論文的通訊作者,其他作者包括中大博士生王本善(第一作者)、肖洽榮(共同第一作者)、徐滕基、范理及劉少傑;以及其他合作者(中大孔秋強教授、華中科技大學董建績教授和復旦大學張俊文教授)。論文全文請參閱:https://www.science.org/doi/10.1126/science.ady5344
分布式數據中心需要依靠高速光互連系統,才能支持大規模AI發展,但當傳輸速度愈來愈高,訊號失真、延遲和耗電亦會成為挑戰。中大團隊研發的集成式OSP,可在光訊號仍未轉成電訊號前即時修正失真,處理延遲低於60皮秒,耗電量亦非常低,有助提升傳輸容量,加速跨數據中心的AI訓練。
OSP在頻寬限制及非線性效應下的補償效果。
(A-F)實驗結果顯示訊號損傷及設備頻寬限制會令訊號質素下降。使用OSP後,訊號明顯更清晰,質素更佳。
(G-H)在非線性效應的情況下(如高功率傳輸),OSP較傳統數碼訊號處理方法的表現更佳。







