清华太极-Ⅱ 光芯片登上Nature，首创架构突破智能光计算训练难题

文章预览

大数据文摘授权转载学术头条 撰文：马雪薇 未来的人工智能（AI）模型，或许可以用“光”来训练了。 长期以来，传统的电子计算推动着 AI 模型规模的不断扩展，但大规模意味着高算力，也意味着高能耗，因此，亟需一种高效低能耗的计算方法来解决未来 AI 模型所面临的能源问题。 近年间，具有高算力低功耗特性的智能光计算逐步登上了算力发展的舞台。通用智能光计算芯片“太极”的问世便是其中的一个缩影，它首次将光计算从原理验证推向了大规模实验应用，以 160TOPS/W 的系统级能效为大规模复杂任务的“推理”带来了曙光，但未能够释放智能光计算的“训练之能”。 训练和推理是 AI 大模型核心能力的两大基石，缺一不可。相较于模型推理而言，模型训练更需要大规模算力。 然而，现有的光神经网络训练严重依赖电计算进行离线建模并且 ………………………………