Cornell Tech обновляет AI роботов светом: оптический чип вместо энергозатратных схем

Исследователи Cornell Tech представили в июне 2026 года оптический приёмник, который обновляет параметры AI-модели прямо в памяти чипа вспышками света в виде QR-подобных матриц — без энергозатратных аналоговых схем. Разработку показали на IEEE/JSAP Symposium on VLSI Technology & Circuits.

Как свет переписывает память чипа

Приёмник напрямую меняет собственную память фотопотоками, которые создаёт направленный на него луч. В демонстрации постдок Yifan He расположил линзу приёмника почти в метре от красного LED, и подключённый монитор через мгновение вывел массив квадратов, похожий на QR-код. Но в отличие от QR-кода, за которым скрыта простая ссылка, этот оптический код несёт параметры нейросети.

В системе DRAM стоит рядом с передатчиком, а приёмник встроен в SRAM процессора. Передатчик светит на массив SRAM-ячеек, в которые добавлены фотодиоды: свет, попадая на каждый фотодиод, создаёт ток и переключает бинарные значения в памяти. Сегодняшние оптические приёмники теряют преимущество света из-за прожорливых аналоговых схем, а новая технология Cornell Tech принимает цифровые матрицы напрямую и остаётся полностью цифровой.

• Авторы — постдок Yifan He и доцент Jae-sun Seo, Cornell Tech (Нью-Йорк)
• Где показано — IEEE/JSAP Symposium on VLSI Technology & Circuits, июнь 2026 года
• Прототип передатчика — статичная матрица 14×14 бит через металлическую маску
• Цель — миллионы обновлений матрицы в секунду, передача гигабит в секунду
• Независимый эксперт — Dennis Sylvester, IEEE Fellow, University of Michigan

Почему чип пока далёк от продукта

Фоточувствительные ячейки крупнее обычных SRAM-ячеек, поэтому на такой чип помещается меньше памяти — и этот компромисс может съесть весь выигрыш в энергоэффективности. Об этом предупреждает Dennis Sylvester из University of Michigan, не участвовавший в работе. Команда Cornell Tech уже работает над уменьшением ячеек за счёт оптимизации транзисторов и масштабирования CMOS.

Прототип передатчика, который показали в лаборатории, пока лишь доказательство концепции: он излучает статичную матрицу 14×14 бит через металлическую маску. Для реальных применений понадобится оптический передатчик, способный менять матрицу миллионы раз в секунду и передавать гигабиты в секунду; над ним авторы работают совместно с оптическими исследовательскими группами.

«Люди проектируют самые разные AI-чипы», — говорит Jae-sun Seo, доцент кафедры электротехники и вычислительной техники Cornell Tech.

По его словам, электрические соединения между DRAM и процессором создают проблемы стоимости и эффективности при масштабировании: «Это одно из главных узких мест».

Зачем это роботам и edge AI

Seo и He нацелены на робототехнику и другие edge-приложения. Один из примеров — склады и фабрики с AI-роботами: оптическая передача данных сэкономила бы время и энергию при обновлении моделей в каждом роботе. Выиграть могли бы и микророботы, которые из-за размера жёстко ограничены в памяти, хотя для них потребуется ещё более компактная конструкция.

Потенциал технологии независимый эксперт оценивает высоко: по его словам, решение имеет «массовые коммерческие последствия».

«Edge AI — большая зона роста, и через три, четыре, пять лет о нём будут говорить примерно столько же, сколько о дата-центрах, — по мере того как интеллект всё больше мигрирует в наши устройства», —

Dennis Sylvester, IEEE Fellow, University of Michigan.

Что это значит

Оптическая доставка данных прямо в память чипа — попытка убрать одно из главных узких мест AI-железа: дорогой и энергозатратный обмен между DRAM и процессором. До продукта далеко, но направление бьёт в растущий рынок edge AI, где важны каждый ватт и миллисекунда.

Частые вопросы

Как свет меняет память чипа?

В SRAM-ячейки встроены фотодиоды. Когда на них попадает свет от передатчика, возникает ток, который переключает бинарные значения в памяти — так параметры модели обновляются напрямую, без аналоговых преобразователей.

Почему технология пока не готова к продаже?

Фоточувствительные ячейки крупнее стандартных SRAM-ячеек, поэтому на чип помещается меньше памяти. По оценке Dennis Sylvester из University of Michigan, этот компромисс может свести на нет выигрыш в энергоэффективности, пока ячейки не уменьшат.

Где это можно применить?

Авторы называют склады и фабрики с AI-роботами, а также микророботы с ограниченной памятью. Оптическое обновление моделей экономило бы время и энергию по сравнению с передачей данных по металлическим проводам.