新型AI芯片破解“卷積”計算能耗難題，效能最高提升100倍

一項顛覆性的技術(shù)突破為人工智能（AI）的未來發(fā)展注入了強勁動力。

9月15日消息，由美國佛羅里達大學(xué)領(lǐng)銜的工程師團隊成功研發(fā)出一款基于光學(xué)計算的新型AI芯片，該芯片有望將人工智能計算的能效提升10至100倍，為應(yīng)對日益增長的算力需求和能源消耗挑戰(zhàn)提供了革命性的解決方案。

當(dāng)前，人工智能技術(shù)正以前所未有的速度發(fā)展，深度學(xué)習(xí)模型在圖像識別、自然語言處理等領(lǐng)域取得了顯著成就。然而，支撐這些成就的背后是龐大的計算資源消耗。傳統(tǒng)的電子芯片在進行深度學(xué)習(xí)運算時，尤其是在處理“卷積”計算——這一AI識別圖像、視頻和語言的核心步驟時，面臨著嚴(yán)重的能效瓶頸。隨著模型規(guī)模的不斷擴大，數(shù)據(jù)中心的能耗急劇攀升，不僅推高了運營成本，也帶來了巨大的環(huán)境壓力。因此，尋找一種更高效、更節(jié)能的計算方式已成為科技界的迫切需求。

此次佛羅里達大學(xué)團隊的創(chuàng)新，正是瞄準(zhǔn)了這一痛點。他們摒棄了依賴電子流動的傳統(tǒng)計算模式，轉(zhuǎn)而采用激光與微型菲涅爾透鏡來執(zhí)行關(guān)鍵的AI計算任務(wù)。菲涅爾透鏡，一種常見于燈塔的二維薄型透鏡，被微型化并直接集成到芯片的電路板上。當(dāng)機器學(xué)習(xí)數(shù)據(jù)（如圖像信息）被轉(zhuǎn)換為片上的激光束，并通過這些微型透鏡時，光的物理特性能夠以極低的能量消耗完成復(fù)雜的卷積運算。計算結(jié)果隨后被轉(zhuǎn)換回數(shù)字信號，完成整個AI任務(wù)。

這項技術(shù)的突破性在于其將光學(xué)計算從理論層面真正“芯片化”并應(yīng)用于人工智能神經(jīng)網(wǎng)絡(luò)。研究負(fù)責(zé)人、佛羅里達大學(xué)的Volker J. Sorger博士指出：“在接近零能量的情況下執(zhí)行關(guān)鍵的機器學(xué)習(xí)計算是未來人工智能系統(tǒng)的飛躍。”這一評價凸顯了該技術(shù)的巨大潛力。在早期的實驗中，這款光學(xué)AI芯片在識別手寫數(shù)字的任務(wù)中達到了約98%的準(zhǔn)確率，性能與傳統(tǒng)電子芯片相當(dāng)，但能效卻實現(xiàn)了質(zhì)的飛躍。

除了能效優(yōu)勢，光子計算還帶來了速度和并行處理能力的提升。與電子信號相比，光信號的傳輸速度更快，且互不干擾。研究團隊巧妙地利用了這一點，設(shè)計出可以同時讓多種波長或顏色的激光穿過同一透鏡的系統(tǒng)，從而實現(xiàn)多個數(shù)據(jù)流的并行處理。

Sorger博士斷言：“在不久的將來，基于芯片的光學(xué)器件將成為我們?nèi)粘Ｊ褂玫拿總€人工智能芯片的關(guān)鍵部分。接下來是光學(xué)人工智能計算。” 這款新型光學(xué)計算芯片的成功，不僅是材料科學(xué)和光子學(xué)領(lǐng)域的一次勝利，更是對整個AI硬件生態(tài)的深刻變革。