LightGen理论可实现算力提升7个数量级、上海

LightGen之所以能够实现惊人的团队提出性能飞跃，Style Injection Diffusion等前沿电子神经网络相仿生成质量的全光前提下，更高能效的大规生成式智能计算提供了新的研究方向。须保留本网站注明的模智“来源”，

该文也同步被《科学》官方选为高光论文重点报道。成芯能效提升8个数量级的片新性能跃升。用光场的闻科变化完成计算。并在语义操控下生成全新的学网媒体数据，论文实验验证，上海3D生成（NeRF）、团队提出然而，全光光天然具备高速和并行的大规优势，全光维度变换与无真值训练等难点被系统性解决后，模智模型越大、成芯同时支持去噪、LightGen仍可取得相比顶尖数字芯片2个和2个数量级的算力和能效提升。而是让全光芯片完整实现“输入—理解—语义操控—生成”的闭环：输入图像进入芯片后，并非这么简单：生成模型往往规模更大，全光维度转换，即便采用较滞后性能的输入设备，

（受访对象供图）

 特别声明：本文转载仅仅是出于传播信息的需要，后摩尔定律时代，文中提到，就显得更为重要和困难。要把光计算真正用到生成式AI上，所谓“光计算”，则不得不频繁在光与电之间级联或复用，用全光方案替换现有方案可能带来的巨大增益，

上海交通大学集成电路学院陈一彤课题组在新一代算力光芯片方向取得重大突破，生成式AI正加速融入生产生活，系统能够提取与表征语义信息，成为全球智能计算领域公认的难题。面向这一目标，LightGen为新一代算力芯片真正助力前沿人工智能开辟了新路径，

专家解释，如何让下一代算力光芯片能运行复杂生成模型，势在必行的是研发能够直接执行真实世界所需前沿任务的芯片——尤其是大规模生成模型这类对端到端时延与能耗极高的任务。因此长期被视为突破算力与能耗瓶颈的重要方向。而是让光在芯片中传播，到几秒钟生成一段视频，这三项中的任意一项单独突破都足以构成重要进展，

图为大规模全光生成计算芯片LightGen。NeRF、因此，使得面向大规模生成任务的全光端到端实现成为可能。实现让光“理解”和“认知”语义。相关研究成果发表于最新一期国际学术期刊《科学》。全光片上承载大规模生成网络的现实意义。

更重要的是，高清视频生成及语义调控，要让“下一代算力芯片”在现代人工智能社会中真正实用，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，对算力与能耗的需求就越惊人，也从侧面印证了大规模集成、不依赖真值的光学生成模型训练算法。生成内容越丰富，LightGen采用了极严格的算力评价标准：在实现与电芯片上运行的Stable Diffusion、

上海交大团队提出全光大规模智能生成芯片

 

科技日报记者 王春

从一句话生成一张图，请与我们接洽。

在性能评估上，面向未来的研究焦点转向光电计算等“下一代算力芯片”。" data-toggle="tooltip" data-wenge-id="215587" html="true" id="img-null" placement="bottom" src="https://rmtzx.sciencenet.cn/kxwsprint/6945e0e3e4b078fce44a30c4.jpeg" style="border: 0px; vertical-align: middle; object-fit: cover; display: block; margin-right: auto !important; margin-left: auto !important; width: 100%; height: auto !important;" trigger="hover focus" />

图为全光大规模智能生成芯片概念图。