Lightelligence ส่งสัญญาณอะไรจาก WAIC 2026 ต่ออนาคตโฟโตนิกคอมพิวติง

ประเด็นสำคัญจาก Lightelligence ในงาน World Artificial Intelligence Conference 2026 (WAIC 2026) ที่เซี่ยงไฮ้ ไม่ได้อยู่ที่คำกล่าวอ้างว่า “การคำนวณด้วยแสง” เร็วเพียงใดเพียงอย่างเดียว แต่อยู่ที่การนำเทคโนโลยีดังกล่าวมาอยู่ในรูปของระบบที่ผู้ใช้สามารถติดตั้งและทดสอบกับงานจริงได้

บริษัทสาธิต Tianshu Light Cube สำหรับงานวิชันและระบบควบคุมการเข้าออก ขณะเดียวกันก็เปิดเผยความคืบหน้า PACE 3 รุ่นถัดไปสำหรับการอนุมานโมเดลขนาดใหญ่ ทั้งสองส่วนจึงเป็นสัญญาณว่าการแข่งขันกำลังขยับจากการพิสูจน์ว่าโฟโตนิกชิปทำเมทริกซ์มัลติเพิลเคชันได้ ไปสู่การพิสูจน์ว่า “ระบบไฮบริด” สามารถนำไปใช้งานจริง ดูแลรักษา และเชื่อมเข้ากับโครงสร้างพื้นฐาน AI ได้หรือไม่ 192027

จุดต่างสำคัญ: จากชิปเดี่ยวสู่เส้นทางผลิตภัณฑ์

Tianshu Light Cube สร้างบนการ์ดเร่งความเร็วออปโตอิเล็กทรอนิกส์ PACE 2 และรวมชิปคำนวณ, CPU, หน่วยความจำ, ระบบระบายความร้อนแบบแอ็กทีฟ และอินเทอร์เฟซไว้ในอุปกรณ์เดียว รายงานระบุว่าระบบรองรับงานวิชันที่เกิดขึ้นถี่ เช่น การจดจำใบหน้าในระบบควบคุมการเข้าออก และติดตั้งใช้งานได้แบบพร้อมใช้ 1926

เหตุผลที่เรื่องนี้สำคัญคือ ตัวเร่ง AI จะมีคุณค่าเชิงพาณิชย์ก็ต่อเมื่อทั้งระบบทำงานได้ ไม่ใช่เฉพาะตัวเลขความเร็วของชิป ระบบซอฟต์แวร์ การเชื่อมต่อ การจัดการความร้อน การมอนิเตอร์ ความเสถียร และการซ่อมบำรุง ล้วนเป็นส่วนหนึ่งของผลิตภัณฑ์ การมีกล่องคอมพิวติงสำเร็จรูปช่วยให้ลูกค้าทดสอบเวิร์กโหลดแบบต้นทางถึงปลายทางได้ โดยไม่ต้องนำชิปโฟโตนิก อิเล็กทรอนิกส์โฮสต์ ระบบหล่อเย็น ไดรเวอร์ และแอปพลิเคชันมาประกอบเอง

ในอีกด้าน PACE 3 คือความพยายามขยายเส้นทางดังกล่าวไปสู่งานอนุมานโมเดลใหญ่ Lightelligence ระบุว่าชิปโฟโตนิกของ PACE 3 กลับจากโรงงานผลิตแล้วในเดือนมิถุนายน 2026 และรองรับเมทริกซ์ได้สูงสุด 256×256 เพื่อรองรับการอนุมานที่ต้องการความหน่วงต่ำและปริมาณงานสูง ต่อมามีรายงานว่าทั้งวงจรโฟโตนิก (PIC) และวงจรอิเล็กทรอนิกส์ (EIC) ได้ tape-out แล้ว โดยยังต้องผ่านการตรวจสอบความถูกต้องระดับระบบต่อไป 1927

ข้อจำกัดนี้ต้องแยกให้ชัด: tape-out หรือการได้รับชิปกลับจากโรงงาน เป็นหมุดหมายการพัฒนาที่มีนัยสำคัญ แต่ยังไม่เท่ากับผลพิสูจน์สมรรถนะระดับการใช้งานจริงในวงกว้าง

เหตุใดสถาปัตยกรรมไฮบริดจึงมีความสำคัญ

ตัวประมวลผลโฟโตนิกเหมาะกับงานคำนวณเชิงเส้นแบบหนาแน่น ซึ่งเป็นแกนกลางของโมเดล AI จำนวนมาก งานทบทวนวิจัยรายงานศักยภาพด้านความหน่วงต่ำมากและพลังงานต่อการทำ multiply-accumulate ที่ต่ำในสถาปัตยกรรมโฟโตนิกหลายแบบ แม้ผลลัพธ์จะแตกต่างไปตามรูปแบบสถาปัตยกรรมและขอบเขตการวัด 33

แต่ระบบ AI ที่ใช้งานได้จริงไม่ได้เป็นระบบออปติคัลทั้งหมด แนวทางของ Lightelligence เป็นแบบ ออปโตอิเล็กทรอนิกส์: ส่วนโฟโตนิกทำงานเมทริกซ์หนาแน่น ขณะที่ชิปอิเล็กทรอนิกส์รับหน้าที่จัดเก็บข้อมูลและควบคุม 11 การแบ่งงานเช่นนี้สะท้อนข้อเท็จจริงว่า inference ยังต้องมีการเคลื่อนย้ายข้อมูล การแปลงสัญญาณ การคำนวณไม่เชิงเส้น การจัดตารางงาน การบริหารหน่วยความจำ และการจัดการความผิดพลาด

ดังนั้น ตัวชี้วัดเชิงพาณิชย์ที่แท้จริงคือประสิทธิภาพของระบบทั้งหมด ไม่ใช่ประสิทธิภาพเชิงทฤษฎีของแกนออปติคัลเพียงส่วนเดียว งานวิจัยปี 2026 ชี้ว่า ADC และ DAC อาจกินพลังงานเกิน 80% ของงบพลังงานในระบบโฟโตนิก AI ที่มีการแปลงสัญญาณเป็นองค์ประกอบหลัก ทำให้การออกแบบความละเอียดและตัวแปลงสัญญาณเป็นจุดแลกเปลี่ยนสำคัญระหว่างพลังงานกับความแม่นยำ 45

อุปสรรคสู่เชิงพาณิชย์ที่ Light Cube พยายามลด

1. การติดตั้งและการบูรณาการ

อุปกรณ์แบบพร้อมใช้ช่วยลดภาระของผู้ใช้กลุ่มแรก แทนที่องค์กรจะต้องนำฮาร์ดแวร์โฟโตนิกไปผนวกกับเซิร์ฟเวอร์เอง Lightelligence สามารถเสนอระบบที่มีคอมพิวต์ หน่วยความจำ ระบบระบายความร้อน และการเชื่อมต่อครบในขอบเขตที่ควบคุมได้ 1926

กรณีใช้งานด้านวิชันหรือเอดจ์คอมพิวติงมีประโยชน์เป็นพิเศษ เพราะความตอบสนองและเสถียรภาพในการปฏิบัติการสำคัญไม่แพ้ปริมาณงานสูงสุด การใช้กับระบบควบคุมการเข้าออกอย่างต่อเนื่องจึงช่วยสะสมหลักฐานเรื่องการติดตั้ง เวลาพร้อมใช้งาน และพฤติกรรมภายใต้การใช้งานซ้ำในโลกจริง

2. การยอมรับด้านซอฟต์แวร์

ฮาร์ดแวร์โฟโตนิกต้องอาศัยซอฟต์แวร์และโมเดลที่รับมือกับการควอนไทซ์ การคาลิเบรต ความแปรปรวนของอุปกรณ์ การทำงานร่วมระหว่างแสงกับอิเล็กทรอนิกส์ และการแมปเวิร์กโหลดลงบนแกนเมทริกซ์ Lightelligence รายงานว่ากำลังร่วมมือกับมหาวิทยาลัยและสถาบันวิจัย เพื่อนำซิมูเลเตอร์ LTSimulator และบอร์ดประเมินผล Gazelle เข้าไปใช้ในการเรียนการสอนและห้องปฏิบัติการ 20

นี่เป็นการลงทุนกับระบบนิเวศระยะยาว นักพัฒนาสามารถเรียนรู้การออกแบบโมเดลและอัลกอริทึมที่คำนึงถึงข้อจำกัดของฮาร์ดแวร์ ก่อนที่ฮาร์ดแวร์เฉพาะทางจะมีฐานติดตั้งขนาดใหญ่ ช่วยลดปัญหาเริ่มต้นที่ทั้งซอฟต์แวร์และผู้พัฒนายังไม่พร้อม

3. ห่วงโซ่อุปทานและความสามารถในการผลิต

โฟโตนิกคอมพิวติงเชิงพาณิชย์ไม่ได้มีแค่ชิปคำนวณ แต่ต้องอาศัยเลเซอร์ มอดูเลเตอร์ ตัวตรวจจับ วงจรควบคุมอิเล็กทรอนิกส์ แพ็กเกจจิ้ง การทดสอบ การคาลิเบรต และอินเทอร์เฟซระบบที่ทำงานร่วมกันได้ ในงาน WAIC บริษัทยังนำเสนอทั้งการคำนวณด้วยแสง อินเตอร์คอนเน็กต์ด้วยแสง และออปติคัลสวิตชิง ซึ่งวางตำแหน่งบริษัทไว้กับสแตกโครงสร้างพื้นฐาน AI ที่กว้างกว่าชิปเร่งความเร็วเพียงตัวเดียว 2327

แนวทางนี้ไม่ได้ลบความเสี่ยงด้านซัพพลายเชน แต่ช่วยรวมโจทย์วิศวกรรมให้อยู่บนชุดองค์ประกอบระบบที่ทำซ้ำและพัฒนาต่อได้ง่ายขึ้น

4. ความแม่นยำ การคาลิเบรต และการบำรุงรักษา

ฮาร์ดแวร์ออปติคัลไวต่อความไม่สมบูรณ์ในโลกจริง งานวิจัยระบุถึงปัญหา เช่น การสูญเสียสัญญาณไม่สมดุล ความคลาดเคลื่อนของชิ้นส่วนออปติคัล ความไม่แม่นยำจากการแปลงสัญญาณ การตอบสนองไม่เชิงเส้น และความแปรปรวนตามความยาวคลื่น จึงทำให้การคาลิเบรตและการชดเชยเป็นหน้าที่หลักของระบบ 323637

ด้วยเหตุนี้ ผลิตภัณฑ์โฟโตนิกเชิงพาณิชย์ไม่ควรถูกประเมินด้วยผลการทำเมทริกซ์ในสภาวะอุดมคติเท่านั้น แต่ต้องพิสูจน์ความแม่นยำที่คงที่ตามเวลา การปรับเทียบซ้ำที่จัดการได้ และพฤติกรรมที่คาดการณ์ได้ระหว่างชิปจากการผลิตแต่ละล็อต

เหตุใด 256×256 จึงเป็นสเกลที่ใช้งานได้จริง ไม่ใช่แค่ “ยิ่งใหญ่ยิ่งดี”

เมทริกซ์ 256×256 มีองค์ประกอบ 65,536 จุด จึงเปิดพื้นที่ให้แกนโฟโตนิกประมวลผลขนานในระดับมีนัยสำคัญสำหรับงานโครงข่ายประสาทเทียมแบบแบ่งเป็นไทล์ อย่างไรก็ดี หลักฐานที่มีไม่ได้ยืนยันว่า 256×256 คือจุดเหมาะสมที่สุดในเชิงฟิสิกส์สำหรับทุกกรณี ควรเข้าใจว่าเป็นจุดสมดุลทางวิศวกรรมท่ามกลางข้อแลกเปลี่ยนหลายด้าน

ประธานบริษัทสรุปหลักการนี้ไว้ว่า เมทริกซ์ที่ใหญ่ขึ้นไม่ได้แปลว่าพลังประมวลผลที่ใช้ประโยชน์ได้สูงขึ้นโดยอัตโนมัติ สิ่งสำคัญคือความยืดหยุ่นในการปรับให้เข้ากับโมเดลต่าง ๆ 28

เมื่ออาร์เรย์ขยายใหญ่ขึ้น ความซับซ้อนของการเดินสัญญาณและการกระจายกำลังแสง การสูญเสียแสง จำนวนอินพุต/เอาต์พุตแอนะล็อก ภาระด้านการปรับอุณหภูมิและคาลิเบรต ความยากของแพ็กเกจจิ้ง และความเสี่ยงด้านผลผลิต จะเพิ่มขึ้นตามมา งานวิจัยเกี่ยวกับออปติคัลครอสบาร์ก็กล่าวถึงแหล่งกำเนิดการสูญเสียหลายจุด ตั้งแต่คัปเปลอร์ ตัวแยกสัญญาณ จุดตัดของทางนำคลื่น ไปจนถึงตัวทางนำคลื่นเอง 38

ในทางปฏิบัติ การแบ่งโมเดลไปประมวลผลบนแกนขนาดที่จัดการได้หลายตัว อาจคุ้มกว่าการสร้างเมทริกซ์เดี่ยวขนาดมหึมา การเลือกที่เหมาะสมขึ้นกับรูปทรงของโมเดล ระดับความแม่นยำที่ต้องการ ภาระของการแปลงสัญญาณ แพ็กเกจจิ้ง ผลผลิตที่ใช้ได้จริง และพลังงานรวม ไม่ใช่ดูขนาดเมทริกซ์เพียงอย่างเดียว

ความละเอียดของข้อมูลก็เป็นอีกส่วนของโจทย์เดียวกัน งานวิจัยเชิงทดลองด้านโฟโตนิก-อิเล็กทรอนิกส์รายงานความแม่นยำสูงในการคูณแบบโฟโตนิกที่ใช้จำนวนบิตต่ำ และใช้การสะสมผลแบบดิจิทัลร่วมกับเทคนิคอื่นเพื่อปรับปรุงผลของ dot product 35 ประเด็นนี้ตอกย้ำว่าคุณค่าของอาร์เรย์โฟโตนิกอยู่ที่เวิร์กโฟลว์ไฮบริดทั้งชุด

เป้าหมายคือระบบนิเวศ ไม่ใช่คำประกาศว่าจะล้ม GPU

การตีความที่น่าเชื่อถือที่สุดต่อแผนของ Lightelligence คือการทำงานแบบเสริมกันตามความถนัด แกนโฟโตนิกอาจช่วยเร่งงานคำนวณเชิงเส้นหนาแน่นบางประเภท และอาจช่วยในโครงสร้างพื้นฐานที่ต้องเคลื่อนย้ายข้อมูลมาก ขณะที่ GPU และ CPU ยังสำคัญสำหรับความยืดหยุ่นในการเขียนโปรแกรม การฝึกโมเดล หน่วยความจำ การควบคุมลำดับงาน ฟังก์ชันไม่เชิงเส้น และเวิร์กโหลดที่ไม่เหมาะกับฮาร์ดแวร์โฟโตนิก

องค์ประกอบต่าง ๆ ในกลยุทธ์จึงส่งเสริมกัน:

• การใช้งานจริง สร้างเวิร์กโหลดอ้างอิงและข้อมูลการปฏิบัติการสำหรับผู้ซื้อ
• ระบบสำเร็จรูป ลดอุปสรรคด้านการบูรณาการสำหรับผู้ใช้ยุคแรก
• ซิมูเลเตอร์และเครื่องมือการศึกษา ช่วยสร้างนักพัฒนาและอัลกอริทึมที่เหมาะกับฮาร์ดแวร์ไฮบริด 20
• งานด้านออปติคัลอินเตอร์คอนเน็กต์และสวิตชิง ขยายโอกาสจากชิปคำนวณตัวเดียวไปสู่โครงสร้างพื้นฐาน AI ระดับระบบ 2327

หากทำได้ต่อเนื่อง สิ่งเหล่านี้อาจสร้างวงจรเสริมแรง: แอปพลิเคชันที่น่าเชื่อถือทำให้เกิดการติดตั้ง การติดตั้งผลักดันการลงทุนในซอฟต์แวร์และชิ้นส่วน และเครื่องมือกับซัพพลายเชนที่ดีขึ้นจะลดต้นทุนของการติดตั้งครั้งถัดไป

อะไรจะเป็นหลักฐานยืนยันจุดเปลี่ยน

WAIC 2026 ให้สัญญาณว่าโฟโตนิกคอมพิวติงกำลังเข้าสู่ช่วงพาณิชย์มากขึ้น เพราะการสนทนาเปลี่ยนไปสู่ผลิตภัณฑ์ที่ติดตั้งได้ เวิร์กโหลดที่เกิดซ้ำ การตรวจสอบระบบ และระบบนิเวศนักพัฒนา 192021

แต่สิ่งนี้ยังไม่พิสูจน์ว่าฮาร์ดแวร์แบบเดิมจะถูกแทนที่ในวงกว้าง หลักฐานชี้ขาดต้องเป็นผลลัพธ์ที่ทำซ้ำได้ในงานเฉพาะด้าน ทั้งความหน่วง พลังงาน ความแม่นยำ ความน่าเชื่อถือ ต้นทุนการติดตั้ง ความสามารถในการย้ายซอฟต์แวร์ และภาระบำรุงรักษา

บทสรุปที่เหมาะสมในตอนนี้จึงเป็นแบบระมัดระวัง: Lightelligence ทำให้โฟโตนิกคอมพิวติงประเมินได้ง่ายขึ้นในฐานะผลิตภัณฑ์จริง ส่วนข้อพิสูจน์เชิงพาณิชย์อย่างเต็มรูปแบบยังต้องได้มาจากการใช้งานจริงอย่างต่อเนื่อง