En un laboratorio de Cornell Tech, el investigador Yifan He alinea un receptor óptico a casi un metro de un LED rojo. En la pantalla conectada aparece un patrón que recuerda a un código QR, pero su función va mucho más allá: cada destello de luz reescribe directamente la memoria del chip, actualizando los parámetros de un modelo de inteligencia artificial sin pasar por conversiones analógicas costosas.
La innovación, presentada en el simposio IEEE/JSAP sobre tecnología y circuitos VLSI, ataca uno de los problemas más acuciantes de la IA actual: el muro de la memoria. Los modelos actuales, con miles de millones de parámetros, no caben en la caché de los procesadores y deben recurrir a DRAM externa. Mover esos datos a través de conexiones eléctricas consume energía y latencia, creando un cuello de botella que frena la escalabilidad en centros de datos, vehículos autónomos y dispositivos de borde.
"La gente diseña todo tipo de chips de IA, pero rara vez tienen espacio para todos los parámetros", explica Jae-sun Seo, profesora asociada en Cornell Tech. "Ese movimiento de datos entre DRAM y procesador es uno de los mayores cuellos de botella". Los enlaces ópticos ofrecen ancho de banda alto con menos pérdidas que los cables metálicos, pero los receptores actuales desperdician esa ventaja al depender de circuitos analógicos hambrientos de energía para convertir luz en bits electrónicos.
El nuevo diseño rompe ese esquema. En lugar de una conversión analógica, el receptor captura matrices digitales de luz —similares a códigos QR que parpadean a alta velocidad— y usa las fotocorrientes generadas para alterar directamente la memoria del chip. Esto permite ajustar pesos del modelo "en caliente", sin detener la inferencia, y con un gasto energético drásticamente menor.
Las implicaciones son profundas. En centros de datos, reducir el tráfico eléctrico entre memoria y cómputo podría recortar significativamente la factura energética del entrenamiento e inferencia masiva. En el borde —robots, drones, sensores industriales—, donde la energía y el espacio son escasos, la capacidad de actualizar modelos vía luz abre la puerta a sistemas que aprenden y se adaptan en tiempo real sin depender de la nube.
El enfoque también sugiere una nueva arquitectura de sistemas: chips que reciben actualizaciones de firmware o de modelo mediante haces de luz dirigidos, eliminando puertos físicos y reduciendo superficie de ataque. Aunque aún es un prototipo de laboratorio, la demostración en un foro de circuitos VLSI indica que la comunidad de hardware lo toma en serio como vía para romper la ley de escalado de memoria que hoy limita a la IA.
Quedan retos: alineación precisa del haz, robustez ante interferencias lumínicas, integración en procesos CMOS estándar. Pero la dirección es clara: la fotónica deja de ser solo transporte de datos para convertirse en interfaz de computación directa. Si la óptica puede escribir en la memoria tan rápido como la luz viaja, el próximo salto de la IA no vendrá solo de algoritmos más grandes, sino de una forma radicalmente distinta de alimentarlos.
