電子發(fā)燒友網(wǎng)報道（文/黃山明）近日，據(jù)新華社報道，上海交通大學集成電路學院陳一彤課題組在新一代光計算芯片領域取得重大突破，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，相關成果已經(jīng)發(fā)表于國際頂級學術(shù)期刊《科學》（Science），并被選為高光論文重點報道。

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

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設計的全光端到端計算芯片，主要應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/全局特征遷移等復雜生成任務。

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神經(jīng)元太密集，相鄰的神經(jīng)元的光場就會互相干擾，導致計算出錯。

并且光學神經(jīng)元需要在芯片上加工納米級的光學元件，這些元件的尺寸遠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多萬個光學神經(jīng)元，并通過特殊材料和結(jié)構(gòu)設計，解決了串擾和熱漂移問題，首次實現(xiàn)了大規(guī)模光學神經(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，這就導致天然缺乏非線性。

以往的光計算芯片只能做線性運算，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)督學習”訓練，即模型在沒有人工標簽的情況下，自己學會生成新內(nèi)容。但光子芯片此前只能做“有監(jiān)督學習”，原因主要是缺乏可微分的訓練機制，以及光子權(quán)重更新困難與無法自主“理解”語義。

而LightGen芯片團隊提出貝葉斯無真值訓練算法（BOGT），解決了光場訓練缺乏標注數(shù)據(jù)的核心難題，使光芯片具備自主學習能力。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)絡一樣，進行端到端的生成式訓練。

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。通過極嚴格算力評價標準的實測表明，即便采用性能較為滯后的輸入設備，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多萬光學神經(jīng)元，算力達3.57×10?萬億次/秒，能效664TOPS/W，較英偉達高端計算卡（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)設計、元宇宙、自動駕駛等場景的規(guī)?；瘧锰峁┖诵乃懔χ?。

而LightGen的出現(xiàn)，也標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)?；瘧?，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響應等方面的物理限制，從而實現(xiàn)高性能全光神經(jīng)網(wǎng)絡。

簡單解釋一下，原因在于硅是一種半導體，不是理想的絕緣體。當用高強度的光照射硅時，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，它們會進一步吸收后續(xù)通過的光信號。這個過程不僅嚴重增加了光信號的損耗，還會改變材料的折射率，導致計算結(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、科學計算提供了不依賴先進制程的替代方案，規(guī)避EUV光刻機限制。因為光芯片的核心結(jié)構(gòu)是光波導、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”目標下的綠色AI發(fā)展具有深遠意義。業(yè)內(nèi)評價認為，LightGen不僅是實驗室突破，更展示了光計算在復雜生成任務中的實用化潛力，為我國在前沿人工智能領域的競爭提供了關鍵硬件基礎。