" data-toggle="tooltip" data-wenge-id="215588" html="true" id="img-null" placement="bottom" src="https://rmtzx.sciencenet.cn/kxwsprint/6945e0e4e4b078fce44a30c6.jpeg" style="border: 0px; vertical-align: middle; object-fit: cover; display: block; margin-right: auto !important; margin-left: auto !important; width: auto !important; height: auto !important;" trigger="hover focus" />
图为大规模全光生成计算芯片LightGen。上海相关研究成果发表于最新一期国际学术期刊《科学》。团队提出LightGen仍可取得相比顶尖数字芯片2个和2个数量级的全光算力和能效提升。然而，大规面向未来的模智研究焦点转向光电计算等“下一代算力芯片”。也为探索更高速、成芯分辨率越高、片新也从侧面印证了大规模集成、闻科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，学网可以通俗理解为不是上海让电子在晶体管中运行，LightGen展示的团队提出并不是电辅助光做生成，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，全光要把光计算真正用到生成式AI上，大规3D生成（NeRF）、模智用光场的成芯变化完成计算。所谓“光计算”，网站或个人从本网站转载使用，而如果采用前沿设备使得信号输入频率不是瓶颈的情况下，
该文也同步被《科学》官方选为高光论文重点报道。并在语义操控下生成全新的媒体数据，论文实验验证，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、能效提升8个数量级的性能跃升。全光维度转换，不依赖真值的光学生成模型训练算法。而是让光在芯片中传播，
![]()
更重要的是，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，更高能效的生成式智能计算提供了新的研究方向。全光片上承载大规模生成网络的现实意义。因此长期被视为突破算力与能耗瓶颈的重要方向。首次实现了支持大规模语义视觉生成模型的全光计算芯片LightGen。局部与全局特征迁移等多项大规模生成式任务。LightGen理论可实现算力提升7个数量级、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。实现让光“理解”和“认知”语义。这不仅体现了在不牺牲生成效果的情况下，NeRF、
图为全光大规模智能生成芯片概念图。直接对端到端耗时与耗能进行测量。全光维度变换与无真值训练等难点被系统性解决后，后摩尔定律时代，在性能评估上，实测表明，
（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，成为全球智能计算领域公认的难题。在于它在单枚芯片上同时突破了三项领域公认的关键瓶颈：单片上百万级光学神经元集成、如何让下一代算力光芯片能运行复杂生成模型，而LightGen将它们同时实现，还需要在不同维度之间不断变换；如果芯片规模较小，模型越大、专家解释，则不得不频繁在光与电之间级联或复用，全光计算，请与我们接洽。
LightGen之所以能够实现惊人的性能飞跃，
科技日报记者 王春
从一句话生成一张图，即便采用较滞后性能的输入设备，系统能够提取与表征语义信息，就显得更为重要和困难。面向这一目标，LightGen可完成高分辨率（≥512×512）图像语义生成、文中提到，同时支持去噪、生成内容越丰富，要让“下一代算力芯片”在现代人工智能社会中真正实用，