Легендарный разработчик и сооснователь id Software Джон Кармак выдвинул нестандартную концепцию по оптимизации работы систем искусственного интеллекта. Он предложил использовать одномодовое оптоволокно большой протяженности в качестве замены традиционной памяти для хранения весов моделей. Данная инициатива направлена на преодоление «узкого места» в архитектуре современных вычислительных систем, где скорость обмена данными с памятью часто ограничивает производительность AI-ускорителей.
Архитектура оптической памяти и технические параметры
Идея Кармака заключается в создании кольцевой структуры из оптоволоконного кабеля длиной до 200 километров. В этой системе данные не хранятся в статичных ячейках, а постоянно циркулируют по кабелю со скоростью света. Согласно расчетам программиста, при общей пропускной способности канала в 256 Тб/с, внутри такого волокна может одновременно находиться около 32 ГБ данных (весов нейросети).
- Суммарная пропускная способность системы: 32 ТБ/с;
- Тип носителя: одномодовое оптоволокно;
- Основное преимущество: высокая энергоэффективность по сравнению с традиционной динамической памятью (DRAM).
Реализация подобной схемы становится возможной благодаря детерминированной природе AI-вычислений: алгоритмы заранее знают, какие данные потребуются на следующем этапе, что позволяет синхронизировать поток информации из оптического кольца с тактами работы процессора.
Преимущества и сложности реализации
Основным аргументом в пользу «оптического кэша» является потенциал снижения энергопотребления. В классических архитектурах значительная часть энергии тратится на перезарядку конденсаторов в модулях памяти.
Оптоволокно превосходит DRAM по энергоэффективности и обладает колоссальным потенциалом роста — утверждает Кармак.
Однако экспертное сообщество указывает на ряд критических факторов, которые могут осложнить внедрение технологии в дата-центрах.
Во-первых, стоимость прокладки сотен километров качественного оптоволокна внутри серверных ферм остается крайне высокой. Во-вторых, для поддержания целостности сигнала на таких дистанциях необходимы оптические усилители, собственное энергопотребление которых может нивелировать всю выгоду от отказа от полупроводниковой памяти.
Перспективы развития инфраструктуры для ИИ
Несмотря на скептические отзывы относительно практической реализации концепции в ближайшее время, предложение Кармака подчеркивает острую необходимость поиска альтернативных методов хранения данных. Текущие темпы роста сложности нейросетей требуют инноваций, выходящих за рамки стандартного наращивания объема HBM-памяти. Оптические технологии в вычислительной технике продолжают развиваться, и подобные идеи могут лечь в основу будущих гибридных систем, где свет станет основным переносчиком и временным хранилищем информации для нейронных сетей следующего поколения.