文 | 晏秋
编辑 | 杨逍
Lightmatter是正电子排序子公司，总部位于新泽西州芝加哥，并在矽谷设有国际部，由Nicholas Harris和他的项目组创办，其目标是透过排序加速人类进步。透过结合电子技术、正电子技术和新式演算法，Lightmatter构筑了针对AI的新一代排序网络平台。这种正电子排序网络平台能省水，减少数据的碳足迹和营运生产成本，为AI的快速发展提供更多源源不绝的动力。
Lightmatter在前不久才完成了C 轮股权融资，筹措了 1.54 万美元，止现阶段，该子公司已获股权融资达2.7万美元。其C轮投资人包括SIP Global、Fidelity Management & Research Company、Viking Global Investors、GV (Google Ventures)和HPE Pathfinder，Lightmatter的现有投资者也参与当中。
随着生成式AI控制系统在各个领域的不断涌现和普及化，运转演算法所需的能耗和资金呈指数级增长，导致热损耗大、操控性差和营运生产成本高等师范突出问题。例如GPT-4的训练数学模型可能会耗用巨大电力，并产生大量废热。为突破数学模型的规模、能力和生产成本方面的限制，大型语言数学模型 （LLM）成为人工智慧市场的宠儿。
在这一发展机遇下，Lightmatter研发了四类正电子控制技术产品：Envise、Passage和Idiom，提供更多整套硬体和应用软件应用软件系统，意在释放正电子排序和数据传输技术的优势。当中，Envise 4S 在伺服器中配置了16个Envise晶片，耗电布季3KW，可以以超强的操控性运转现阶段世界上最大的数学模型，具有安全性、易用性和可移植性的特点。Passage为中间应用软件系统的电晶体提供更多了一个使用方便的USB，它使用 CPU、GPU、FPGA、DRAM 和 ASIC 的直链块展开硅片级处理，下设正电子数据传输，无须相连缆线，降低了高操控性排序控制系统所需的生产成本。Idiom与广度学习数学模型交互，提供更多数学模型布署所需的转换工具，能自动将数学模型布署到 Lightmatter 硬体上，强化数学模型数学模型的操控性。Lightmatter的控制技术可用于自动驾驶、机器听觉与控制、电商、数字电子技术等领域，子公司计划在2024年展开大规模的生产布署。
Lightmatter首席行政官兼创办人 Nick Harris 指出：“AI扩展性和能耗性方面的挑战是前所未有的，传统晶片突破了控制技术界限，但数据中心产生的能耗越来越多。据统计，训练一个大型语言数学模型所耗用的能量大约比100个美国家庭一年的耗用总量还要多，除非创建一种新的排序范式，否则到本世纪末，AI数学模型将耗用世界总电力的10%-20%。这迫使我们对排序基础建设展开改进，我们相信，未来几年，正电子控制技术将改变生成式人工智慧和超级排序，透过正电子技术能创造出一个更光明的未来”。
2022年，Lightmatter调整了领导项目组人员，将英特尔数据中心和人工智能集团前副总裁Ritesh Jain和谷歌前工程师Richard Ho博士任命为副总裁。项目组成员多元专业，从数字、模拟和正电子到控制系统和网络平台再到机器学习控制技术均有所涉猎。
SIP Global Partners 的普通合伙人 Jeffrey Smith 表示：“Lightmatter在硬体中利用了正电子技术的方法，进一步提升生成式AI的初始操控性和应用场景，辐射全球的演算法算力。我们很高兴能投资Lightmatter，期待它透过更快、更可持续的排序来发挥AI的潜力”。
“正电子控制技术能满足当今人工智慧排序工作负载的需求。Lightmatter正在采取一种差异化的方法，同时汇集了一支经验丰厚的控制技术项目组来完成它的使命”，GV 的普通合伙人 Erik Nordlander 说，“我们很高兴能支持 Lightmatter下一阶段的发展，他们正在打造世界领先的正电子排序子公司。”
