בעשור האחרון, עולם המחשוב נקלע למעין "מרוץ חימוש" תרמי. ככל שמוגדרים מודלי בינה מלאכותית (AI) גדולים ומורכבים יותר, כך גדל הרעב לכוח עיבוד. הבעיה היא שהחומר המניע את המהפכה הזו כבר קרוב לקצה גבול היכולת הפיזיקלית שלו. האלקטרונים, אותם חלקיקים טעונים שזורמים במעגלי הסיליקון של ה-GPU וה-TPU המודרניים, מתחילים "להזיע". הם מייצרים חום רב, דורשים אנרגיה עצומה וסובלים מעכבות (Latency) שהופכות לצוואר בקבוק קריטי.
כאן נכנסת לתמונה הפוטוניקה (Photonics) – השימוש בפוטונים (חלקיקי אור) במקום באלקטרונים להעברת ועיבוד מידע. אם המאה ה-20 הייתה שייכת לאלקטרוניקה, המאה ה-21 מסתמנת כעידן הפוטוניקה, והשילוב שלה עם בינה מלאכותית הוא לא פחות משידוך משמיים (או לפחות משולחן השרטוט של המהנדסים המבריקים ביותר).
צוואר הבקבוק של "חוק מור" והקיר התרמי
במשך עשורים הסתמכנו על "חוק מור" – המזעור הבלתי פוסק של טרנזיסטורים. אבל כשמגיעים לרמה של ננומטרים בודדים, הפיזיקה מתחילה להתמרד. אלקטרונים שנעים בתוך מוליכים צפופים מייצרים התנגדות, והתנגדות משמעה חום. בחוות השרתים הענקיות של NVIDIA או גוגל, חלק נכבד מהעלות ומהאנרגיה מושקע לא בעיבוד עצמו, אלא בקירור השבבים ובשינוע המידע ביניהם דרך כבלי נחושת.
כאן טמון היתרון הראשון של האור: פוטונים נעים במהירות האור, הם חסרי מסה (במנוחה) ואינם מייצרים אינטראקציה זה עם זה באותו אופן שבו אלקטרונים מתנגשים. המשמעות? העברת מידע כמעט ללא איבוד אנרגיה כחום ורוחב פס רחב בעשרות מונים מזה של חוטי הנחושת.
למה AI זקוקה דווקא לאור?
כדי להבין למה שבבים פוטוניים הם ה"גביע הקדוש" של ה-AI, צריך להסתכל על מה שקורה "מתחת למכסה המנוע" של מודל שפה כמו GPT-4. בליבת העיבוד של בינה מלאכותית עומדת פעולה מתמטית עיקרית: מכפלת מטריצות (Matrix Multiplication).
במחשוב קלאסי, הפעולה הזו מתבצעת באופן דיגיטלי, שלב אחר שלב, בתוך ליבות העיבוד. בשבב פוטוני, ניתן לבצע את החישוב הזה בצורה אנלוגית באמצעות התאבכות של גלי אור. קרני אור עוברות דרך רשת של "אינטרפרומטרים" (Interferometers), והתוצאה המתמטית מתקבלת בקצה השני של השבב כמעט באופן מיידי, במהירות האור ובצריכת חשמל אפסית יחסית.
היכולת לבצע חישובים במקביל (Parallelism) היא טבעית לאור. ניתן לשלוח אלפי קרני אור באורכי גל שונים (WDM – Wavelength Division Multiplexing) דרך אותו נתיב אופטי מבלי שהן יפריעו זו לזו, מה שמאפשר "דחיסה" של כוח עיבוד ששום שבב אלקטרוני לא יכול להתחרות בו.
יעילות אנרגטית: מצילים את כדור הארץ (ואת התקציב)
צריכת החשמל של מרכזי נתונים ברחבי העולם היא נושא בוער. ההערכות מדברות על כך שתוך שנים ספורות, ה-AI לבדה תצרוך אחוזים נכרים מתפוקת החשמל העולמית. שבבים פוטוניים מציעים פתרון לבעיה האקולוגית והכלכלית הזו. מכיוון שעיבוד פוטוני דורש פחות אנרגיה להזזת מידע ואינו זקוק למערכות קירור מסיביות באותה מידה, מדובר בטכנולוגיה "ירוקה" יותר שתאפשר להמשיך ולפתח מודלי AI גדולים יותר מבלי להקים תחנת כוח ליד כל חוות שרתים.
האתגרים בדרך למסחור
למרות ההבטחה הגדולה, הדרך לשליטה פוטונית מלאה עדיין רצופה אתגרים. המרכזי שבהם הוא האינטגרציה עם עולם הסיליקון הקיים (Silicon Photonics). רוב המידע שלנו עדיין נשמר ומעובד בפורמט אלקטרוני, והצורך להמיר אותות מאלקטרונים לפוטונים ובחזרה (O-E-O Conversion) יוצר הפסדים.
בנוסף, ייצור של שבבים אופטיים דורש דיוק קיצוני – ברמת הננומטר – כדי למנוע דליפת אור. עם זאת, חברות ענק וסטארט-אפים (רבים מהם עם שורשים ישראליים עמוקים) כבר מציגים פתרונות של "Chiplets" אופטיים שיושבים לצד המעבד האלקטרוני ומאיצים רק את המשימות הכבדות ביותר.
הזווית הישראלית: מרכז כובד עולמי
אי אפשר לדבר על שבבים ועל פוטוניקה בלי להזכיר את ישראל. האקוסיסטם המקומי, המשלב ידע שנצבר ביחידות הטכנולוגיות של צה"ל עם מחקר אקדמי מוביל בטכניון, בעברית ובבר-אילן, הפך את ישראל למעצמת פוטוניקה. חברות ישראליות נמצאות בחזית הפיתוח של תקשורת אופטית בין שבבים ועיבוד אופטי ל-AI, וזהו בדיוק התחום שבו השקעות ה-Deep-Tech מתרכזות כיום.
סיכום
אנחנו נמצאים בנקודת מפנה היסטורית. אם ה-GPU הביא אותנו אל סף המהפכה של ה-AI היוצרת (Generative AI), הרי שהשבבים הפוטוניים הם אלו שיאפשרו לנו לעבור את הסף הזה אל עבר בינה מלאכותית כללית (AGI) ומחשוב בקנה מידה של "אקסטה-סקייל" (Exascale).
עבור תעשיית ההייטק הישראלית, ההזדמנות כאן היא כפולה: לא רק להיות הצרכנים של הטכנולוגיה הזו, אלא להיות אלו שמתכננים ובונים את ה"פנסים" שיאירו את עתיד המחשוב העולמי. ככל שהאור יחליף את החשמל במסלולי הסיליקון, כך תהפוך הבינה המלאכותית למהירה יותר, ירוקה יותר, ובעיקר – עוצמתית יותר מכל מה שדמיינו.
