清华交大展示全光芯片 LightGen：生成任务比英伟达 A100 快百倍

用 AI 随手画几张图、做几段视频，背后耗掉的电可能比你想象的吓人得多。有研究算过，生成一千张图片排放的二氧化碳，差不多等于开着燃油车跑了四英里多。

面对这种吞电怪兽，把算力芯片从走电换成走光，一直是业界最想走的一条近路。最近，中国上海交通大学和清华大学的联合团队在《Science》上发表了一项新成果，他们做出了名为 LightGen 的全光生成式 AI 芯片。

在生成图像和视频的任务测试中，这枚芯片的运行速度和能效表现，直接跨过了两个数量级，比英伟达的 A100 GPU 快了上百倍，能耗却低得多。

把两百万个神经元塞进指甲盖

光子计算不是第一天出现，很多拿了大笔投资的初创公司都在做。但过去的光子芯片大多只能搞搞图像分类、简单文本生成这类基础任务，碰上生成式模型就歇菜了。

最大的难点在芯片密度。生成式大模型动辄需要海量参数，而以前的光子芯片最多只能塞进去几千个神经元。

LightGen 换了一种思路，研究人员采用三维封装技术，在仅仅四分之一平方英寸大小的芯片上，集成了超过两百万个神经元。

神经元数量拉上去之后，芯片终于能硬啃大尺寸画面了。它不需要像老式光子芯片那样把一张图切成无数个碎片分别处理，而是能直接支持 512 乘 512 像素的图像输入，完整保住了画面各部分之间的全局关联。

让光线自己压缩出潜空间

熟悉生图模型的朋友都知道潜空间的概念，算法得先把复杂的高维数据压成精简的核心特征，再根据提示词生成新画面。

研究团队在这个芯片里搞出了一个纯光学潜空间。他们用几层超构表面组成光学编码器，让全分辨率图像的光束穿过去，再接入一组光纤阵列。

光线穿透这些微观结构时，自然过滤掉了冗余高阶数据，精简后的特征直接以光的形式留在光纤里。设备另一端放着可根据任务切换的超构表面，随时把潜空间里的特征还原成高分辨率图像。

不仅如此，他们还给芯片设计了一套全新的概率表征训练方法，让它不仅能做推理，还能学会生成全新的内容。在实际测试中，这枚芯片不仅跑通了高分辨率动物图像生成，还做出了艺术风格迁移，甚至能直接把二维平面图转成三维模型。

当然，这块芯片离量产上机还很远。它现在必须依赖体积庞大的激光器和空间光调制器来输入信号，核心的超构表面也依赖特种工艺加工，普通的芯片代工厂根本做不出来。

为什么重要

我们认为，LightGen 最亮眼的地方，在于它证明了光子芯片不是只能给传统电子芯片打辅助，它完全有能力独立啃下生成式 AI 这种极端复杂的模型任务。

从架构上看，研究人员没有死磕在二维平面上堆元件，而是靠三维堆叠和光学编码器直接省掉了繁琐的电光转换环节。这一步走得相当巧妙，把光速传播和并行计算的物理优势发挥到了极致。

但隐患也很显眼。说白了，光芯片本身虽然小，周围那一套伺候它的激光和调制设备却依然笨重无比。再加上非标的超构表面工艺，短时间内想指望它走出实验室、塞进数据中心机架，基本不现实。

对普通创作者和开发者来说，现在显然不用着急去寻找光子算力。但对英伟达等传统芯片巨头而言，这类实验室突破正在敲响警钟：如果电信号的功耗墙始终无法突破，下一代生成式基础设施的底座，很可能会被这束光彻底改写。