人工智能计算网络瓶颈与行业转变 - 人工智能工作负载导致传统电气网络技术不堪重负，计算能力每三个月翻一番，远超摩尔定律预测速度 [2] - 行业正发生根本性转变，从电气连接转向使用光传输数据的光子学技术，以解决速度瓶颈 [2][3] - 对更快数据传输速度的需求在加速增长，每个新人工智能模型都需要更强大的计算能力在更多芯片间传输 [6] 光子学初创公司的发展与融资 - 光子学初创公司吸引数十亿美元风险投资，Lightmatter筹集超5亿美元后估值达44亿美元 [3] - PsiQuantum估值达70亿美元，并从贝莱德和英伟达风险投资部门获得10亿美元融资 [3] - Celestial AI 从富达、贝莱德和老虎环球基金筹集2.5亿美元，英特尔首席执行官加入其董事会 [5] - 光子学技术曾被认为落后、昂贵且用途有限长达25年，人工智能热潮使其重新受到关注 [3] 行业巨头战略布局与竞争 - 英伟达在2020年斥资70亿美元收购网络公司Mellanox Technologies，并收购Cumulus Networks，押注GPU在大型数据中心集群的潜力 [3] - 市值1.7万亿美元的博通是谷歌、Meta和OpenAI定制数据中心芯片的首选合作伙伴，准备推出新型网络芯片Thor Ultra [4] - ARM计划以2.65亿美元收购网络公司DreamBig，其知识产权对纵向和横向扩展网络至关重要 [5] - 博通和Marvell等老牌企业拥有与超大规模数据中心运营商合作的专业知识和资源，知道如何扩展规模 [6] 光子学技术前景与挑战 - Lightmatter制造利用光连接芯片的硅光子器件，声称创造了世界上速度最快的AI芯片光子引擎 [5] - 光子学技术造价昂贵，需要高度专业化的设备，并且必须与现有的电力系统集成，面临挑战 [5] - 行业向高度定制化方向发展，这可能更有利于拥有现有客户关系和财力雄厚的大型企业，而非初创公司 [6] - 赢得网络军备竞赛的公司将掌控驱动下一代人工智能的基础设施，连接芯片的公司可能与芯片本身一样重要 [7]