La computación óptica cobra impulso ante los límites energéticos de los centros de datos de IA

RESUMEN EJECUTIVO // PUNTOS CLAVE
- •El aumento del consumo energético de la IA está acelerando la adopción de la fotónica, con una inversión sectorial que alcanza los 2.220 millones de dólares.
- •La computación óptica ofrece una eficiencia energética teórica hasta 100.000 veces mayor que el silicio en tareas específicas de multiplicación de matrices.
- •El sector está dividido entre el diseño de 'espacio libre' (mayor rendimiento técnico) y la 'fotónica de silicio integrada' (mayor viabilidad para la fabricación en masa).
- •El futuro de los centros de datos apunta hacia arquitecturas heterogéneas donde la computación óptica complementará, en lugar de reemplazar, a las GPU tradicionales.
NUEVA YORK — Un grave cuello de botella energético en los centros de datos globales que ejecutan cargas de trabajo de inteligencia artificial está impulsando un renacimiento comercial de la computación óptica, elevando las valoraciones del sector a 2.220 millones de dólares mientras las empresas emergentes y los investigadores compiten por reemplazar los circuitos eléctricos con luz.
La repentina afluencia de capital —que aumentó desde los 400 millones de dólares en 2022, según un informe publicado por IEEE Spectrum— señala el creciente reconocimiento de la industria de que las unidades de procesamiento gráfico (GPU) de silicio convencionales enfrentan techos físicos de energía durante la inferencia de IA. Dado que los clústeres de servidores consumen cantidades masivas de electricidad para procesar consultas de modelos generativos, los operadores empresariales y los diseñadores de semiconductores están explorando la fotónica para evitar la resistencia electrónica, buscando reducciones de un orden de magnitud en el gasto energético y los costes operativos.
Resurgimiento del modelo de Goodman en medio de los cuellos de botella energéticos
Aunque el concepto de computación con fotones se remonta a más de 70 años, la viabilidad comercial permaneció esquiva hasta que la demanda explosiva de inferencia de IA chocó con los límites de la red eléctrica. En el núcleo operativo de las redes neuronales modernas se encuentra la multiplicación vector-matriz, un cálculo aritmético ejecutado miles de millones de veces por segundo. En la electrónica estándar, calcular el producto de un vector de longitud N y una matriz de N por N requiere N-cuadrado operaciones distintas, cada una de las cuales disipa energía térmica. Por el contrario, las arquitecturas ópticas hacen pasar la luz a través de un atenuador o modulador óptico de forma pasiva, requiriendo energía principalmente para codificar las entradas y leer las salidas, escalando el gasto energético linealmente con N.
Esta ventaja física fundamental ha despertado un renovado interés en los círculos académicos y de capital riesgo. En 1978, el pionero óptico Joseph W. Goodman demostró la multiplicación de matrices utilizando diodos emisores de luz, lentes y un atenuador. Hoy en día, la microfabricación moderna y los sistemas láser han convertido ese concepto de laboratorio en una propuesta de ingeniería escalable.
“Gran parte del interés en [la fotónica] se debe al hecho de que la inferencia de IA se ha visto limitada literalmente por la energía, y de una manera bastante sorprendente”, afirmó Peter McMahon, profesor asociado de física aplicada e ingeniería en la Universidad de Cornell, quien ha investigado la computación óptica durante más de una década.
En 2022, un equipo de investigación de Cornell dirigido por McMahon demostró una red neuronal óptica que consume aproximadamente 2,5 x 10^-19 julios por multiplicación, equivalente a menos de un fotón de energía. Los ordenadores digitales estándar, en comparación, consumen entre 10^-14 y 10^-12 julios por operación de multiplicación, lo que implica una ganancia de eficiencia teórica de hasta 100.000 veces. Sin embargo, McMahon advirtió que los costes de codificación de datos y la ley de Amdahl moderan las ganancias de rendimiento en el mundo real, señalando que los sistemas ópticos generalmente requieren vectores de entre 1.000 y 10.000 elementos antes de superar el coste energético de convertir datos eléctricos en luz.
División arquitectónica: espacio libre frente a fotónica de silicio integrada
Los esfuerzos de comercialización en Estados Unidos, Gran Bretaña, Alemania, China e Israel se dividen actualmente en dos filosofías de diseño distintas: la propagación en espacio libre y la fotónica de silicio integrada.
En el campo del espacio libre, la empresa emergente Lumai, con sede en Oxford, está implementando moduladores espaciales de luz programables a través del aire abierto para evitar las pérdidas de los guías de onda. Lumai se dirige a la fase de prellenado (prefill) de la inferencia, que requiere un uso intensivo de computación, en la que los tokens de entrada se cargan en la memoria. El jefe de producto, Phillip Burr, declaró que el servidor Iris Nova de la empresa, programado para ser evaluado en abril de 2026, sirve como prueba de concepto, con su posterior servidor Iris Aura orientado a ejecutar cargas de trabajo de prellenado utilizando aproximadamente una décima parte de la energía de una GPU estándar.
En Austin, Texas, el desarrollador de hardware Neurophos persigue la manipulación en espacio libre a escalas sublongitud de onda utilizando metamateriales diseñados. Patrick Bowen, director ejecutivo de Neurophos, señaló que los moduladores fotónicos de silicio convencionales pueden alcanzar los dos milímetros, lo que restringe la densidad de cómputo en el chip en comparación con las principales fundiciones como Taiwan Semiconductor Manufacturing Co. El equipo de Bowen desarrolló moduladores de metamaterial a escala micrométrica que conmutan 10.000 veces más rápido que las pantallas de cristal líquido, empaquetando un millón de moduladores en un chip de cinco milímetros. Neurophos planea entregar bastidores de servidores comerciales en 2028, afirmando alcanzar objetivos de rendimiento 50 veces más rápidos y 35 veces más eficientes energéticamente que el acelerador Blackwell B200 de Nvidia Corp.
Por el contrario, otros competidores están recurriendo a la fotónica de silicio integrada, intercambiando el escalado tridimensional del espacio libre por las líneas de fabricación de gran volumen establecidas en las fundiciones de semiconductores tradicionales.
“Hay una buena razón por la que la óptica de espacio libre suele limitarse a 1.000 unidades al año”, dijo Michael Förtsch, director ejecutivo y fundador de Q.ANT, con sede en Stuttgart. “Los circuitos fotónicos integrados fabricables mediante semiconductores son, en este momento, mucho más prometedores para alcanzar la producción en volumen”.
Q.ANT utiliza pulsos de luz serializados que viajan a través de interferómetros de Mach-Zehnder en el chip, desplegando su servidor de procesamiento nativo en centros de investigación que incluyen el Centro de Supercomputación Leibniz y el Centro de Supercomputación de Jülich, junto con un despliegue comercial con el proveedor europeo de nube Ionos. En China, Lightelligence, con sede en Shanghái, demostró su procesador óptico integrado PACE2, ejecutando multiplicaciones de matrices de 128 por 128 a una velocidad de reloj de un gigahercio con una latencia de tres nanosegundos, dos órdenes de magnitud más rápido que el silicio convencional.
Arquitecturas alternativas y hojas de ruta heterogéneas para centros de datos
Más allá del álgebra vector-matriz tradicional, los desarrolladores de hardware óptico se dirigen a operaciones matemáticas donde los fotones exhiben ventajas computacionales nativas sobre las puertas lógicas digitales.
Operaciones como las transformadas de Fourier pueden calcularse casi instantáneamente utilizando elementos ópticos pasivos únicos en lugar de cientos de transistores electrónicos. Optalysys, con sede en Leeds, está integrando componentes de transformada de Fourier directamente en las redes de interconexión de los centros de datos. El fundador y director de producto, Nick New, señaló que la integración del procesamiento óptico pasivo directamente a lo largo de las interconexiones ópticas soluciona la fase de decodificación limitada por memoria de las cargas de trabajo de IA sin añadir carga térmica. En Tel Aviv, la empresa emergente LightSolver desarrolló una unidad de procesamiento láser basada en cavidad que utiliza fotones estimulados que rebotan a través de un medio de ganancia para resolver ecuaciones diferenciales complejas de 40 a 80.000 veces más rápido que las GPU en ensayos de emulación.
A pesar de estos hitos tecnológicos, los analistas de la industria enfatizan que la computación óptica enfrenta importantes obstáculos de adopción, centrados principalmente en el coste de la conversión digital-analógica y la inercia del software. Logan Wright, profesor adjunto de física aplicada en la Universidad de Yale, observó que los marcos de aprendizaje automático siguen estando agresivamente optimizados para las unidades de procesamiento gráfico. Sin embargo, se espera que las iniciativas de óptica coempaquetada respaldadas por los principales fabricantes de chips, como Nvidia y TSMC, establezcan la infraestructura de empaquetado necesaria para que la fotónica penetre en las instalaciones a hiperescala.
Más que un reemplazo total de los procesadores de silicio, los ejecutivos de la industria prevén una topología de computación híbrida. Förtsch proyectó que la infraestructura empresarial futura dependerá de arquitecturas heterogéneas, desplegando unidades de procesamiento central para la gestión del sistema, procesadores gráficos para rutinas generalizadas y unidades de procesamiento fotónico para asumir el álgebra lineal y la mecánica de ondas de alto consumo energético.
Este despacho fue preparado de acuerdo con los Estándares Editoriales de The OmniWire. Los informes factuales primarios se basan en cables de agencias verificadas.