Первый отечественный фотонный процессор для ускорения ИИ-задач
В мае 2026 г. российский стартап «ФотонИИ» анонсировал выпуск прототипа фотонного процессора FP‑AI1, предназначенного для ускорения задач машинного обучения и инференса нейросетей за счёт использования света вместо электронов.
Технические характеристики
- Архитектура: 64 ядра фотонных вычислительных элементов, работа на длинах волн 1550 нм
- Техпроцесс: гибридный кремниевый нитрид SiN на подложке SiO2, производство – «Микрон» (Зеленоград)
- Потребление: 2 Вт в пиковом режиме, среднее < 0,5 Вт при лёгкой нагрузке
- Производительность: до 50 TOPS эквивалентных операций INT8 при матричном умножении
- Интерфейсы: PCIe 5.0 x16, два порта QSFP‑DD для оптических соединений, поддержка NVMe‑over‑Fabric
- Поддержка ПО: драйвер уровня ядра Linux, библиотеки FP‑AI SDK с бэкендами для TensorFlow 2.x и PyTorch 2.3, примеры кода на Python и C++
- Целевые рынки: дата‑центры, Edge‑AI устройства, автономные системы, научные вычисления
- Ожидаемая цена: от 150 USD за штуку при объёме ≥ 1 000 штук
Преимущества перед электронными ускорителями
- Низкое энергопотребление благодаря отсутствию 저항ных потерь в волноводах
- Параллелизм на уровне длин волн – возможность WDM‑мультиплексирования до 16 каналов на одном кристалле
- Отсутствие теплового троттлинга при длительной нагрузке
- Совместимость с существующими серверными шасси через стандартный PCIe‑слот
Применение
Процессор FP‑AI1 envisaged for acceleration of transformer‑based models (BERT, GPT‑like), computer‑vision convolutional networks, и графовых нейросетей. Пилотные установки уже запущены в совместном проекте с «СберОблако» для ускорения рекомендательных систем и в лаборатории ФИАН для симуляции квантовых цепей.
Цитаты
«Фотонные вычисления позволяют нам обойти пределы Мура в области энергоэффективности. FP‑AI1 демонстрирует, что свет может стать практической платформой для ИИ‑ускорителей», — сказал генеральный директор «ФотонИИ» Иван Смирнов.
«Для наших клиентов важна не только скорость, но и энергоэффективность. Фотонный подход снижает PUE дата‑центра на 15‑20 %», — добавил руководитель направления AI‑инфраструктуры в «СберТех» Елена Козлова.
Заключение
Выпуск FP‑AI1 становится важным шагом к созданию отечественной фотонной вычислительной экосистемы, которая может дополнить традиционные электронные ускорители и обеспечить технологический суверенитет в области высокопроизводительных ИИ‑систем.
Об авторе
