記者從清華大學獲悉，繼構建智能光計算的通用傳播模型、研制全球首款大規模干涉—衍射異構集成芯片“太極”后，該校電子工程系方璐教授課題組、自動化系戴瓊海教授課題組在智能光計算領域獲得新突破：首創全前向智能光計算訓練架構，成功研制“太極-II”通用光訓練芯片。該芯片填補了智能光計算在大規模訓練這一核心拼圖中的空白，將與初代“太極”一起合力為AI大模型的訓練、推理注入算力發展的新動力，構建光算力的新基座。相關成果以“光神經網絡全前向訓練”為題，於近日發表於《自然》期刊。

人工智能大模型的迅猛發展與廣泛應用，使得算力成為重大的戰略抓手與基礎設施。長期以來電子計算芯片的算力增長支撐著AI模型規模的不斷發展，然而其高能耗亦帶來了前所未有的能源挑戰，新興智能計算范式的建立與發展迫在眉睫。光具有干涉、衍射等多維計算模態，以光為計算媒介，以光的可控傳播構建計算模型，光計算以其高算力低能耗特性打開了智能光計算的新賽道，展現出了巨大潛力。

研究組介紹，訓練和推理是AI大模型核心能力的兩大基石，缺一不可。通用智能光計算芯片“太極”的問世首次將光計算從原理驗証推向了大規模實驗應用，為復雜智能任務的推理帶來了曙光。然而，初代“太極”尚未釋放智能光計算的“訓練之能”。

據悉，“太極-II”光訓練芯片以物理光學特性為啟發建立了新型的光訓練架構，克服了計算精度差、訓練速度慢、能量效率低的瓶頸，支撐多尺度復雜光學系統的高效高精度在線訓練。

系統實測結果表明，“太極-II”智能光訓練架構在大規模神經網絡訓練、計算成像等方面均表現出卓越性能。它突破了計算精度與效率的矛盾，將數百萬參數的光網絡訓練速度提升了1個數量級，代表性智能分類任務的准確率提升40%。在非視域等復雜場景成像應用中，實現了千赫茲幀率的計算成像，成像效率提升2個數量級。這些成果表明，在同等參數規模下，相較於圖形處理器（GPU），“太極-II”有望能以十分之一的時間完成AI大模型等大規模網絡的訓練進程，大幅節省時間與能源開銷﹔並能實時解析復雜場景，為醫療診斷、工業檢測、環境監測等領域提供高速精准的解決方案。

據悉，在原理樣片的基礎上，研究團隊正積極地向智能光芯片產業化邁進，在多種端側智能系統上進行應用部署。

“智能光計算平台將逐步登上AI算力舞台，將能以更低的資源消耗和更小的邊際成本，為人工智能大模型、通用人工智能、復雜智能系統的高速高能效計算開辟新路徑。”戴瓊海說。（記者鄧暉）

分享讓更多人看到