IBM的研究人員為了滿足算法對處理能力看似無休止的需求推出了一種新的方法，VPS，這可能意味著深度學習應用的大變化：執行計算的處理器用的完全是光而不是電。

IBM的研究人員根據光粒子的特性創造了一個光子張量核，該光子張量核能夠以前所未有的速度處理數據，可用于超低延遲的人工智能應用。雖然該光子張量核設備只進行了小規模的測試，但有關報告指，該處理器經開發后，可以實現每秒每平方毫米一千萬億次的乘累加（MAC）操作；據IBM的科學家說，這樣的速度是靠電信號的 "最先進人工智能處理器 "的兩倍多。

IBM多年來一直在研究新型的處理單元方法。部分研究集中在開發內存計算技術上，亞洲服務器租用，內存計算指內存和處理以某種形式共存。這樣做可以避免在處理器和各個隨機存取內存單元之間傳輸數據，可以節省能源及減少延遲。

IBM的研究人員去年曾宣布成功開發了一種全光學的內存處理方法：他們將內存計算集成在一個光芯片上，利用光執行計算任務。該團隊還做了部分實驗證明利用該技術可以有效地進行基本的標量乘法。

IBM研究院的工作人員Abu Sebastian在一篇新的博客文章中稱目前使用基于光的內存處理器達到了一個新的里程碑。該團隊建立了一個光子張量核，該處理核可以執行復雜的矩陣數學運算，特別適合深度學習應用。光子張量核的實現將基于光的內存處理技術推進到了新的階段。基于光的張量核可用于執行名為卷積的運算，卷積運算對于處理圖像等視覺數據非常有用。

IBM研究院的研究人員Abu Sebastian告訴記者，“我們在2019年的實驗主要是為了展示該技術的潛力。標量乘法離任何現實生活中的應用都是那么遙遠。而現在我們實現了整個卷積處理器，該卷積處理器大可用做深度神經網絡的一部分。這樣的卷積將是光學處理的殺手級應用。從這個意義上說，這已經是相當大的一步了。”

基于光的設備相比于基于電的設備最顯著的優勢是速度大大加快。IBM開發的技術利用光學物理學原理可以在單核里并行運行復雜的運算，每次的計算使用光學波長不同。IBM的科學家們再結合內存計算實現了遠非電子電路可以比擬的超低延遲。因此，對于一些需要極低延遲的應用而言，光子處理的速度可能將帶來極大的變化。

Sebastian提到自動駕駛汽車的例子，這地方檢測速度可能關乎拯救生命。他表示，"假如你在高速公路上以每小時100英里的速度行駛，而且需要在一定距離內檢測一些東西，在某些情況下，你靠現存的技術做不到。但用了基于光子的系統，那種響應速度比電子方法好了幾個數量級。"

IBM開發的基于光子的處理器具有同時執行多項操作的能力，所需的計算密度也就要低得多。據Sebastian說，這可能是另一個關鍵的差異化因素：這位科學家說，在未來的某個時候，那種靠汽車后備箱一排排傳統GPU支持的超級復雜的人工智能系統是肯定不能滿足需要的。大多數大型車企現在都在開設自己的人工智能研究中心，Sebastian認為，自動駕駛車輛是基于光的處理器的重要應用。他表示，"自動駕駛領域的確需要低延遲推理，而目前還沒有任何技術可以滿足這個需求。這是一個獨特的機會。"

IBM團隊雖然已成功設計及測試了一個強大的核，但他們仍需擴充試驗，以確保該項技術可以整合到系統層面上及確保端到端的性能。Sebastian表示，“我們還需要在這一塊做更多的工作。”據這位科學家介紹，相關的工作已經展開，而且，隨著研究的深入，可能出現更多的應用。計算領域的光換電無疑是一個值得關注的點。