PFN与Tenstorrent联合研发光电融合AI处理器

10月20日，Preferred Networks（PFN）与Tenstorrent宣布，将启动面向生成式AI、实现光电融合技术的处理器联合研发。此次合作源于双方联合研究项目被新能源产业技术综合开发机构（NEDO）的“后5G信息通信系统基础强化研发项目/先进半导体制造技术开发”中的课题“实现光电融合技术的xPU设计开发”采纳。

该项目面向生成式AI、AI智能体（AI agent）、物理AI（Physical AI）、AI for Science等应用，开发能够高性能、高效率执行AI训练与推理的处理器系统。

PFN开发搭载3D内存的AI芯粒

PFN将利用最先进制程与3D内存封装技术，开发具备超高内存带宽的AI芯粒（chiplet）。在生成式AI中，系统整体性能不仅取决于处理器的计算性能，也取决于处理器与内存之间高速传输大量数据的能力；同时，处理器与内存间数据移动带来的功耗也是课题。PFN计划通过将内存沿3D方向封装以缩短与处理器之间的距离，确保生成式AI训练和推理所需的内存带宽，并提高数据传输效率。

Tenstorrent负责支持机密计算的CPU芯粒

Tenstorrent将利用最先进制程，开发基于开放架构的CPU芯粒。该CPU芯粒将支持在数据处理过程中仍能保护数据的机密计算（Confidential Computing），以提升云平台及共享型AI基础设施处理机密数据时的安全性。据介绍，CPU芯粒的设计及用于验证机密计算的软件将与Tenstorrent Japan合作开发。

以光电融合与芯粒构建AI系统

PFN与Tenstorrent将通过光电融合技术和先进封装技术，集成AI芯粒与CPU芯粒。光电融合技术将处理器之间等场景的数据传输由电信号替换为光信号，以实现大容量和低功耗，预计将以CPO（Co-Packaged Optics，共封装光学）为中心加以应用。

双方将把AI、CPU、内存等功能分别作为芯粒进行开发，并根据用途组合，从而相比单一大型芯片实现更灵活的系统构成；同时通过光互连连接多个芯粒，构建承担生成式AI训练与推理的xPU系统。

在AI for Science与物理AI领域开展验证

该项目还计划研究面向AI for Science和物理AI的领域专用应用，以验证所开发的AI处理器。东京大学、神户大学、东洋大学、海洋研究开发机构（JAMSTEC）、日本原子力研究开发机构（JAEA）将作为再委托方参与。各方将在科学研究、机器人等具体用途中评估处理器，并通过一体化开发AI半导体与应用，提升系统实用性。

项目周期预计至2031年度，原则上为5年（60个月）。双方表示，项目结束后将推动研究成果向AI智能体等领域展开，并力争实现商业化。