清華大學近日實現(xiàn)“從0到1”的突破，發(fā)布了新型光子芯片“太極”，計算能效超現(xiàn)有人工智能芯片2-3個數(shù)量級，或?qū)閷崿F(xiàn)比人類更聰明的通用人工智能（AGI）帶來強大的訓練和推理能力。這項研究已發(fā)表在《科學》雜志上，編輯還專門在論文前進行了總結(jié)，稱這項工作是朝著支持AI各種應用的現(xiàn)實世界光子計算邁出的充滿希望的一步。

所謂AGI，通用人工智能，朋友們可能已耳熟能詳，那就是具備人類同等智能，或超越人類智能，能表現(xiàn)出正常人類所有智能行為的人工智能，又被稱為強人工智能。一旦AGI出現(xiàn)，就意味著人類與人工智能共同存在、共同演化的時代來臨，整個世界都將天翻地覆，變成我們現(xiàn)在的人所無法想象。

一些人認為OpenAI的GPT-5就有可能成為AGI，另一些人則認為，要實現(xiàn)AGI還有兩大瓶頸，一是計算能力，二是能源消耗。以至于ChatGPT之父山姆·奧特曼滿世界找7萬億美元來制造AI芯片，而馬斯克則聲稱，到2025年，我們可能就沒有足夠的電力來運行所有芯片了。甚至還有一個傳言說，英偉達創(chuàng)始人黃仁勛表示，AI的盡頭是光伏和儲能，AI將燒掉14個地球的能源。

雖然這個傳言有點以訛傳訛，但AGI將需要遠超現(xiàn)在的算力，消耗遠超現(xiàn)在的電力無疑是迫在眉睫的現(xiàn)實，而光子芯片，有可能就是解決這兩大瓶頸的關(guān)鍵。因為光子芯片相比電子芯片，具有以下五大優(yōu)勢：

速度和帶寬

光子芯片利用光信號而不是電信號進行數(shù)據(jù)傳輸和處理。光信號傳輸速度極快，幾乎接近光速，并且具有極大的帶寬，可以傳輸大量數(shù)據(jù)，特別適合處理大量數(shù)據(jù)的密集型AI應用。

能效

光子芯片能耗低于電子芯片。電子芯片依靠電流的流動，會在導線中產(chǎn)生熱量，導致能量損失。光子芯片則使用光波傳輸數(shù)據(jù)，幾乎不受電阻和熱損失的影響，在能效上具有顯著的優(yōu)勢。

熱管理

光子芯片產(chǎn)生的熱量較少，熱管理更為簡單，這樣就可以更密集地打包光子組件，無需擔心過度加熱，對于構(gòu)建大規(guī)模集成電路尤為重要。

并行處理能力

光子芯片可以在同一光纖中傳輸多個頻率的光信號，允許同時并行處理多個數(shù)據(jù)流，為AI應用中的大規(guī)模計算提供了可能。

減少延遲

光子芯片中數(shù)據(jù)幾乎可以瞬間傳輸，減少了在復雜AI算法中處理大規(guī)模數(shù)據(jù)的延遲問題。

光子芯片既然在理論和實驗研究中具有如此巨大的潛力，為什么電子芯片仍然是AI大潮中的主力，賺得盆滿缽滿呢？這是因為它們目前仍然面臨巨大的挑戰(zhàn)，如制造成本高、集成度限制、技術(shù)成熟度低、生態(tài)系統(tǒng)構(gòu)建等各種難題。

中國工程院院士、清華大學信息科學技術(shù)學院、院長戴瓊海教授長期致力于立體視覺、三維重建和計算攝像儀器等研究，試圖揭示神經(jīng)系統(tǒng)結(jié)構(gòu)和功能等腦科學規(guī)律，為創(chuàng)建新一代人工智能提供支撐。清華大學電子工程系、長聘副教授方璐，主要從事光場智能成像理論與技術(shù)研究，率先提出了大規(guī)模可重構(gòu)光電計算理論與架構(gòu)，研制出掃描光場元成像傳感器，為百億像素光場智能成像提供了新路徑。

戴瓊海和方璐領(lǐng)導的團隊，去年11月創(chuàng)造性地提出光電融合全新計算框架，研制出全世界首個全模擬光電智能計算芯片（ACCEL），運算速度高達4.6千萬億次/秒，是英偉達A100人工智能芯片0.312千萬億次/秒的15倍；而它的系統(tǒng)能效是74.8千萬億次/瓦秒，超過高性能芯片400萬倍，這意味著這些芯片運行一個小時的電量，就可以供它運行500年以上！這項成果發(fā)表在《自然》雜志上，我也曾做過解讀。

而近日，戴瓊海和方璐團隊再接再厲，進一步探索干涉光與衍射光的優(yōu)勢特性，摒棄傳統(tǒng)電子深度計算范式，在世界上首創(chuàng)了干涉—衍射分布式廣度光計算架構(gòu)，并將其命名為Taichi，也就是“太極”的意思。方璐說，這是希望在大模型通用人工智能蓬勃發(fā)展的時代，用光子之道，為高性能計算探索新靈感、新架構(gòu)、新路徑。

具體來說，這種新架構(gòu)不再依賴深層次的網(wǎng)絡堆疊，而是利用光計算的“全連接”和“高并行”屬性，轉(zhuǎn)向分布式廣度計算，從而提高計算速度和效率，同時保持系統(tǒng)的魯棒性。然后在太極架構(gòu)中，復雜的智能任務被拆分成多個多通道高并行的簡單子任務，通過分布式“大感受野”淺層光網(wǎng)絡來處理執(zhí)行，不僅簡化了問題，還減少了物理模擬設備，在多層級聯(lián)中可能出現(xiàn)的計算誤差。

所謂"感受野"（Receptive Field），是指生物感覺神經(jīng)元受到刺激能夠引起反應的區(qū)域，引申到機器視覺的深度神經(jīng)網(wǎng)絡中，就是一個單元能感知的輸入數(shù)據(jù)范圍。一個“大感受野”意味著網(wǎng)絡單元能夠接收并處理來自較大輸入?yún)^(qū)域的信息。

你可以想象為一張能覆蓋很大區(qū)域的網(wǎng)，即使它只有一層（淺層），也能捕捉到很多信息，從而快速有效地處理數(shù)據(jù)。這種網(wǎng)絡結(jié)構(gòu)特別適合需要快速響應的應用，因為它不需要通過很多層來處理信息，可以大大提高處理速度和效率。同時由于結(jié)構(gòu)簡單，它的能耗也相對較低。

基于太極計算架構(gòu)，清華團隊研制出了干涉—衍射異構(gòu)集成智能光計算芯片，計算能效超現(xiàn)有智能芯片2-3個數(shù)量級，可為百億像素大場景光速智能分析、百億參數(shù)大模型訓練推理毫瓦級低功耗自主智能無人系統(tǒng)提供強有力的算力支撐。

通過將多個太極芯片拼接在一起，清華團隊實現(xiàn)了一個由1396萬人工神經(jīng)元組成的光神經(jīng)網(wǎng)絡（ONN），比現(xiàn)在最大競爭對手的147萬個幾乎大了10倍。在廣泛用于評估機器學習模型性能的Omniglot數(shù)據(jù)集上進行的分類測試中，太極能夠識別超過1000個類別，準確率達到了91.89%，在高保真人工智能生成內(nèi)容方面實現(xiàn)了高達兩個數(shù)量級的效率改進。這表明太極芯片處理大模型復雜任務的巨大潛力，或?qū)楣鈱W計算的實際應用、基礎(chǔ)模型的支撐及AGI新時代的發(fā)展提供加速。

另外就是太極的能效指標了，論文中聲稱達到了160.82TOPS/W，也就是每瓦特160.82萬億次操作，我看到國外一篇文章說，這個效率是英偉達明星AI芯片H100的1000倍，不過我沒有找到H100的相關(guān)數(shù)據(jù)，所以暫時無法證實。但光子芯片本身用電極少，所以這應該是不足為奇的。

總之，不管是從計算能力還是能源消耗上，光子芯片都大大優(yōu)于電子芯片，太極架構(gòu)及芯片的問世，有可能成為一個重要的里程碑，正如科學家們在論文中所說，這將為大規(guī)模光子計算和高級任務鋪平道路，進一步發(fā)掘光子技術(shù)在現(xiàn)代通用人工智能（AGI）中的靈活性和潛力。