電子發(fā)燒友網(wǎng)報道（文/黃山明）近日，據(jù)新華社報道，上海交通大學(xué)集成電路學(xué)院陳一彤課題組在新一代光計算芯片領(lǐng)域取得重大突破，首次實現(xiàn)支持大規(guī)模語義媒體生成模型的全光計算芯片LightGen，相關(guān)成果已經(jīng)發(fā)表于國際頂級學(xué)術(shù)期刊《科學(xué)》（Science），并被選為高光論文重點(diǎn)報道。

這是國際上首次實現(xiàn)大規(guī)模全光生成式AI芯片，標(biāo)志著光計算在生成式AI領(lǐng)域的應(yīng)用從理論可行性邁入實際效能領(lǐng)先階段。

全光計算芯片LightGen，突破三項世界級技術(shù)瓶頸

資料顯示，LightGen定位專為大規(guī)模生成式人工智能任務(wù)設(shè)計的全光端到端計算芯片，主要應(yīng)用在高分辨率圖像生成、3D場景重建、高清視頻生成、語義操控、去噪、局部/全局特征遷移等復(fù)雜生成任務(wù)。

要知道，生成式AI通常需要處理高維張量數(shù)據(jù)，這就要求芯片具備超大規(guī)模的并行計算能力，就好像一個工廠需要生產(chǎn)大量產(chǎn)品，就需要有足夠多的員工同時干活。

而傳統(tǒng)的光芯片問題在于，無法在單片上集成足夠多的光學(xué)神經(jīng)元，并且光信號容易互相干擾。因為光本身具有衍射性和相干性，如果芯片上集成的光學(xué)神經(jīng)元太密集，相鄰的神經(jīng)元的光場就會互相干擾，導(dǎo)致計算出錯。

并且光學(xué)神經(jīng)元需要在芯片上加工納米級的光學(xué)元件，這些元件的尺寸遠(yuǎn)小于電子芯片的晶體管，加工精度要求極高。

LightGen則采用高密度光子集成架構(gòu)，在僅136.5平方毫米的芯片上集成了200多萬個光學(xué)神經(jīng)元，并通過特殊材料和結(jié)構(gòu)設(shè)計，解決了串?dāng)_和熱漂移問題，首次實現(xiàn)了大規(guī)模光學(xué)神經(jīng)元的可靠集成。

此外，光不能直接做“非線性激活”，而所有深度神經(jīng)網(wǎng)絡(luò)都依賴非線性激活函數(shù)（如ReLU、GELU）。但在純光域中，光與光之間幾乎不相互作用，打個比方，真空中兩束激光交叉并不會互相影響，這就導(dǎo)致天然缺乏非線性。

以往的光計算芯片只能做線性運(yùn)算，遇到非線性層就必須把光信號轉(zhuǎn)成電信號，再用電子電路處理，再轉(zhuǎn)回光。這個過程就叫O-E-O（光-電-光轉(zhuǎn)換），不僅速度慢、功耗高，帶寬瓶頸也很嚴(yán)重，完全抵消了光計算的速度優(yōu)勢。

LightGen芯片攻克全光域高維特征空間變換難題，實現(xiàn)從低維輸入到高維特征的直接轉(zhuǎn)換，可以無需電子輔助，完全通過光場調(diào)控完成維度轉(zhuǎn)換，保持光計算的高速特性。

再一個，生成式AI模型通常用“無監(jiān)督學(xué)習(xí)”訓(xùn)練，即模型在沒有人工標(biāo)簽的情況下，自己學(xué)會生成新內(nèi)容。但光子芯片此前只能做“有監(jiān)督學(xué)習(xí)”，原因主要是缺乏可微分的訓(xùn)練機(jī)制，以及光子權(quán)重更新困難與無法自主“理解”語義。

而LightGen芯片團(tuán)隊提出貝葉斯無真值訓(xùn)練算法（BOGT），解決了光場訓(xùn)練缺乏標(biāo)注數(shù)據(jù)的核心難題，使光芯片具備自主學(xué)習(xí)能力。該算法在光子硬件上實現(xiàn)了可微分的梯度近似，使光子芯片也能像電子神經(jīng)網(wǎng)絡(luò)一樣，進(jìn)行端到端的生成式訓(xùn)練。

性能飛躍，走向全面自主

陳一彤課題組不僅解決了光芯片三項世界級技術(shù)難題，也讓LightGen實現(xiàn)了性能上的飛躍。通過極嚴(yán)格算力評價標(biāo)準(zhǔn)的實測表明，即便采用性能較為滯后的輸入設(shè)備，LightGen仍可取得相比頂尖數(shù)字芯片2個數(shù)量級的算力和能效提升。

從參數(shù)來看，該芯片面積僅136.5平方毫米，集成200多萬光學(xué)神經(jīng)元，算力達(dá)3.57×10?萬億次/秒，能效664TOPS/W，較英偉達(dá)高端計算卡（A100）提升兩個數(shù)量級，理論上最高可提升7個數(shù)量級。

這意味著該芯片如果能夠量產(chǎn)，有望解決生成式AI算力短缺、能耗高企的問題，為AI在醫(yī)療影像、工業(yè)設(shè)計、元宇宙、自動駕駛等場景的規(guī)模化應(yīng)用提供核心算力支撐。

而LightGen的出現(xiàn)，也標(biāo)志著我國在下一代算力芯片國際競爭中占據(jù)有利位置，突破了對高端電子芯片的依賴，有助于推動國產(chǎn)AI算力生態(tài)的自主可控。

另一方面，隨著生成式AI的規(guī)模化應(yīng)用，需要使用大量算力，而傳統(tǒng)電子芯片的高能耗已經(jīng)成為瓶頸。而LightGen的能效的巨大提升，可直接降低數(shù)據(jù)中心的電力需求與PUE值（電源使用效率），緩解當(dāng)前數(shù)據(jù)中心面臨的電力短缺與“碳排放”問題。若大規(guī)模應(yīng)用，可使AI數(shù)據(jù)中心能耗降低90%以上，緩解“算力黑洞”問題。

值得一提的是，LightGen采用薄膜鈮酸鋰（LNOI）和磷化銦（InP）等非硅基光子材料，以克服硅在電光調(diào)制速度、片上光源集成和高效非線性光學(xué)響應(yīng)等方面的物理限制，從而實現(xiàn)高性能全光神經(jīng)網(wǎng)絡(luò)。

簡單解釋一下，原因在于硅是一種半導(dǎo)體，不是理想的絕緣體。當(dāng)用高強(qiáng)度的光照射硅時，兩個光子可以同時被一個硅原子吸收，激發(fā)出一個自由電子。這些被激發(fā)出來的自由電子會像云一樣在材料中漂浮，它們會進(jìn)一步吸收后續(xù)通過的光信號。這個過程不僅嚴(yán)重增加了光信號的損耗，還會改變材料的折射率，導(dǎo)致計算結(jié)果出錯。

而LNOI是一種寬禁帶絕緣體，它的能帶結(jié)構(gòu)決定了它在通信和計算常用的光波段下，幾乎不會發(fā)生雙光子吸收，避免了硅材料的缺陷。

更重要的是，LightGen為生成式AI、科學(xué)計算提供了不依賴先進(jìn)制程的替代方案，規(guī)避EUV光刻機(jī)限制。因為光芯片的核心結(jié)構(gòu)是光波導(dǎo)、微環(huán)諧振器、調(diào)制器等，這些器件通常在幾百納米到幾微米量級，因此無需 EUV，主流使用DUV光刻甚至電子束光刻即可制造。

這也意味著，我國可以建立不依賴傳統(tǒng)半導(dǎo)體產(chǎn)業(yè)鏈的全新光計算生態(tài)，掌握核心技術(shù)自主權(quán)。為AI大模型、高性能計算等戰(zhàn)略領(lǐng)域提供不受制于人的算力保障，最終實現(xiàn)算力自主可控。

總結(jié)

LightGen芯片的誕生，標(biāo)志著我國光計算的重大突破，其非硅基、非電子依賴的特性，為解決當(dāng)前AI算力的能耗瓶頸與硅基依賴問題提供了全新路徑。這種突破不僅具有技術(shù)上的顛覆性，更對“雙碳”目標(biāo)下的綠色AI發(fā)展具有深遠(yuǎn)意義。業(yè)內(nèi)評價認(rèn)為，LightGen不僅是實驗室突破，更展示了光計算在復(fù)雜生成任務(wù)中的實用化潛力，為我國在前沿人工智能領(lǐng)域的競爭提供了關(guān)鍵硬件基礎(chǔ)。