B体育你相信吗？短短4个月，清华大学的光芯片就已经迅速进化到第二代，世界上第一款全光学AI芯片太极-Ⅱ了，能效已经超过英伟达著名的H100。这不仅仅是技术上的突破，更可能是一种新的计算范式的开始，甚至可能彻底改变计算机的设计和构建方式，这项研究已发表在8月7日的《自然》杂志上。《自然》审稿人认为，它有望成为训练光学神经网络和其他光学计算系统广泛采用的工具。
光芯片是利用光信号，而不是电信号进行数据传输和处理的芯片，具有传输速度极快B-Sports、处理带宽极大、数据延迟极小、运行能效极高并可以多任务并行处理等五大优势。然而它也面临着制造成本高、技术成熟度低、集成度限制和生态系统构建等各种挑战，导致它看起来很美，却迟迟难以发展起来，无法和传统的电子芯片竞争。
中科院院士、清华大学戴琼海教授和副教授方璐领导的团队，去年11月创造性地提出了光电融合全新计算框架，研制出全球首个全模拟光电智能计算芯片（ACCEL），然后在今年4月又首创了干涉—衍射分布式广度光计算架构，也就是第一代的太极光芯片（Taichi），先后发布在《自然》、《科学》两大顶级期刊上。
这次发布的太极-Ⅱ全光学AI芯片，则是在新开发的全前向模式（FFM）上构建的，允许在光学系统中直接进行计算密集型AI训练，而不需要复杂的反向传播过程，是世界上第一个能够进行“大规模光训练”的芯片，可以更快、更省电地训练人工智能模型。
测试试验中B-Sports，研究人员成功地在太极-Ⅱ架构下，使用FFM学习训练了非常深的光神经网络（ONN），达到了目前同类网络中的最佳性能，在多个领域表现出色：
二是能够以每秒超过1000帧的速度并行处理影像，即使是隐藏在视线之外的物体也能进行成像。
三是可以在低至每像素不足一个光子的强度下进行处理，显示出极高的能量效率。
这意味着太极-Ⅱ光芯片，不仅仅是技术上的突破，更可能标志着一种新的计算范式的开始。正如研究人员在论文中所说，这些发现意味着光学系统从根本上体现了可微分的可学习神经架构，为无模型高性能光学系统自我设计和自学习物理提供了新的途径B-Sports，并暗示了后摩尔时代制造出大规模、高效物理AI的可能性。
简单来说就是，太极-Ⅱ有望打破摩尔定律，发展成可自我学习、自我改进的光芯片，让科学家们可以用光子，而不是电子制造出更强大、更省电的人工智能系统，甚至可能改变我们设计和构建计算系统的根本方式。
官方微信
官方微博
