AI 的进步和发展极度依赖强大的计算芯片，尤其是为了实现通用人工智能（AGI），寻找更快处理速度和更低能耗的计算设备必不可少。

OpenAI 首席执行官 Sam Altman不止一次在公开场合提到，当前运行英伟达 H100 和 A100 GPU 的数据中心存在效率低下问题，并指出人工智能将消耗比预期更多的电力，需要更节能的解决方案来满足日益增长的 AI 需求。

在这样的背景下，光子计算作为一种新兴技术，展现出了可能改变计算领域未来的潜力。与传统的基于电的神经网络相比，光子计算能够在极短时间内处理大量数据，并可以实现高度的并行处理，能耗也远低于传统的电子计算，特别是在高数据流量操作中。

光子计算使用光信号而非传统的电信号来执行计算任务，这使得它在数据处理速度和能效上都有显著优势。能效的显著提高意味着在维持或增加计算能力的同时，能大幅度降低数据中心的能源消耗，这对于构建可持续的 AGI 系统至关重要。

不过，目前的光学集成电路在应用于复杂 AI 任务时，面临着一些关键挑战，特别是光子神经网络（ONN，Optical Neural Networks）领域仍存在应用局限性。

光子神经网络将光学技术与神经网络算法结合，利用光学来模拟传统电子神经网络计算机制，基于光的物理特性（如干涉和衍射）来执行计算任务，展示了在速度、能效和处理能力方面的独特优势。

但当前光子神经网络的应用还相对有限，主要用于一些基本的计算任务，如从图像中识别简单形状，还缺乏处理复杂数据的能力。

为了解决相关计算难题，支持光子神经网络进一步发展，清华大学电子工程系副教授方璐课题组和清华大学自动化系戴琼海院士课题组，设计了一款名为 Taichi 的大规模光子芯片，并通过实验在该芯片上实现了一个拥有 1396 万神经元的光子神经网络。相关研究以《大规模光子芯片 Taichi 实现 160-TOPS/W 能效，助力通用人工智能发展》（Large-scale photonic chiplet Taichi empowers 160-TOPS/W artificial general intelligence）发表在 Science 上。

图 | Taichi 芯片的布局（来源：Science）

Taichi 在芯片上实现 1396 万神经元的光子神经网络，展示了在微型化和集成度上的技术进步，标志着光子计算技术在处理能力和效率方面的一个重要进展。这对于解决复杂的计算问题、大数据分析、实时决策支持等应用非常有价值。

要知道，如果想实现大规模、高能效的光子计算，单纯增加光子神经网络的大小或者增多光学芯片中的光子组件（如调制器、探测器）并不是一个可行的方案。这种简单扩展无法直接导致性能的线性提升。因为网络规模的扩大往往伴随着管理复杂性增加、噪声放大等问题。

在光子神经网络中，每层的信号都可能引入噪声，且这些噪声会随着信号在网络层之间的传递而累积。多层网络中的总噪声水平可以迅速增加到一个不可接受的水平，会严重影响网络的性能和可靠性。

那本次研究是怎么做的？简单来说，该研究采用了一种分布式衍射干涉混合光子计算架构，通过这种混合方式，研究团队大规模地增加网络的神经元数量，有效地将光子神经网络的规模提高到百万神经元水平，并可以实现每瓦 160 万亿次运算的能效。

图 | Taichi 芯片的封装和测试（来源：Science）

为了实现复杂计算任务的处理，Taichi 的每个集群都专注于特定的子任务，这样做可以针对每种类型的任务优化资源和处理策略，允许对每个子任务使用最合适的计算策略和资源配置。而在完成各个子任务的处理后，这些独立处理的结果会合成在一起，以完成最终的高级任务。这种分布式的处理方式有助于提高计算效率和处理速度，并允许多个任务并行处理。

在检验 Taichi 芯片的性能方面，研究人员在 Omniglot 数据集上进行了测试，成功实现 1000 类级别的分类，准确率高达 91.89%。这表明，Taichi 在处理复杂分类任务时具有高度的效率和准确性。在芯片上直接进行高效、高准确度分类的能力，对于需要快速数据处理和实时决策的应用场景非常关键，如自动驾驶汽车、实时视频分析等。预示着光子计算在未来可能成为处理复杂 AI 任务的重要平台。

此外，Taichi 在 AI 生成内容方面也显示出了卓越的性能，效率提高了两个数量级。这意味着该芯片能够执行复杂的 AI 算法，生成高质量的内容，同时，需要的处理时间和能耗也显著减少。Taichi 芯片通过其创新的设计和出色的性能，展示了光子计算在支持现代 AGI 应用中的潜力。

本次研究不仅推动了光子计算技术的发展，也为解决传统计算技术在处理大规模、高复杂性任务时遇到的瓶颈提供了新的方案。这种新型计算架构还可能促进相关光子设备和技术的创新，推动整个行业向更高效、更经济的方向发展。

此外，它为光子计算在实际应用中的商业化和规模化开辟了道路，特别是在需要大规模数据处理和高速计算的 AI 领域。AI 的发展需要处理的数据量和任务复杂度正在不断增加，光子计算通过其独特的计算机制，及高速度和低能耗的特性，可能提供一种全新的途径来优化这些高需求的计算过程，最终在模型训练和机器学习应用中带来显著的效率提升。

尽管光子芯片仍存在制造和集成等方面的挑战，但总得来说，光子计算作为一种高效的计算方式，对于满足通用人工智能对性能和效率的日益增长的需求，提供了一种可能的解决方案。随着技术的成熟和成本的降低，光子计算有望在未来成为推动计算领域革命的关键力量。

参考：

https://www.science.org/doi/10.1126/science.adl1203