Lumai 获得 1000 万美元融资，3D 光学计算助力AI革命
发布时间：2025-04-03 09:59:56 | 责任编辑：字母汇 | 浏览量：31 次
《Lumai 获得 1000 万美元融资，3D 光学计算助力AI革命》相关软件官网
Lumai在人工智能基础设施领域迈出重要一步的 Lumai，这家源自牛津的初创公司，近日宣布完成超过1000万美元的融资。这轮投资由专注深科技的 Constructor Capital 领投，背后还到了 IP Group、Ventures、Journey Ventures、LIFTT、Qubits Ventures、State Farm Ventures 和 TIS Inc 等知名投资者的支持。这标志着市场对一种可能重塑 AI 计算格局的技术的信心不断增长。
Lumai 的创新核心在于一个大胆的目标:以10% 的能源成本，提供比现有硅基加速器高出50倍的性能。而这一切，都是通过光来实现的。
随着 ChatGPT、Claude 和 Gemini 等 AI 系统的不断演进，底层硬件面临着巨大的挑战。训练和运行大型语言模型（LLM）需要庞大的计算能力，以及同样庞大的能耗。据预测，到2028年，美国数据中心的电力消耗将增加三倍，可能占到全国电力供应的12%。
然而，问题不仅仅在于能耗，还涉及到经济性和可扩展性。传统的硅基 GPU 和集成光子技术正面临着收益递减、成本上升以及可扩展性障碍。
Lumai 的光学计算技术与传统芯片的电子流动截然不同，光学计算利用光子进行计算，带来了三大优势:速度 —— 光子比电子移动更快，并且不会像电子那样产生热量，能实现超快处理;能效 —— 光信号显著降低了功耗;并行性 —— 光可以通过不同的路径和波长同时处理多项操作。
Lumai 的创新之处在于其利用3D 光学矩阵 - 向量乘法（MVM）进行深度学习的关键操作。这意味着计算在光束通过三维几何体时完成，而不是在平面芯片上进行。这项技术的潜力可达到每秒10¹⁷次操作，速度比目前电子技术快1000倍，甚至比人脑快100倍。
作为从牛津大学分拆出来的公司，Lumai 成功应对了困扰研究人员多年的挑战:如何以可靠和经济的方式扩展光学计算。他们的处理器采用 PCIe 格式，便于与现有的数据中心基础设施集成，通过在三维空间中使用光束进行矩阵乘法，提供了极大的向量操作能力、高光学时钟速度和几乎零延迟的推理性能。
随着融资的到位，Lumai 计划扩充团队、推进产品开发、拓展美国市场，并朝着商业化的光学 AI 推理加速器迈进。其路线图描绘了从4倍性能提升到相较于硅基竞争者的50倍提升的路径，而能耗仅为10%。在可持续性、成本效益和 AI 加速成为下一个计算挑战的时代，Lumai 不仅是在市场中争夺一席之地，而是希望成为开创者。
根据最新报道，英国光子计算公司 Lumai 近期获得了 1000 万美元融资（部分报道称110万英镑创新补助金），以推动其全光学神经网络计算技术的发展，该技术有望显著提升AI计算效率并降低能耗。以下是关键信息总结：
1. Lumai 的技术突破
- 全光学计算：Lumai 开发的光学处理器完全依赖光子而非电子进行信息处理，可大幅提升AI模型的训练和推理速度。
- 性能优势：相比传统电子芯片，Lumai 的光神经网络速度提升1000倍，同时能耗更低，适用于高性能计算（HPC）和AI训练。
- 应用场景：包括机器视觉、自动驾驶、量子计算等对实时计算要求高的领域。
2. 融资背景与投资者
- Lumai 由牛津大学衍生成立，此前已获得 IP Group 和 Runa Capital 的投资。
- 最新融资（或政府补助）将用于商业化光学计算处理器，并推动其在AI基础设施中的应用。
- 光子计算被视为下一代计算革命的关键技术，可解决AI算力需求激增带来的能耗瓶颈问题。
3. 行业趋势
- 光子计算受资本青睐：类似企业如 Lightmatter（融资4.2亿美元）、Celestial AI（融资1亿美元）也在开发光互连技术，以优化AI数据中心效率。
- AI驱动需求：随着ChatGPT等大模型对算力的需求飙升，传统电子芯片面临物理极限，光子计算成为潜在替代方案。
4. 未来展望
- Lumai 计划进一步优化其光学计算架构，并寻求与AI芯片厂商、云计算公司合作。
- 若技术成熟，光学计算可能在未来5-10年内部分替代传统GPU/TPU，尤其是在超大规模AI训练场景中。
Lumai 的光子计算技术代表了AI硬件创新的重要方向，其融资进展表明市场对低功耗、超高速计算方案的强烈需求。随着AI算力需求持续增长，光学计算或将成为下一代计算基础设施的核心技术之一。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
