清華交大展示全光晶片 LightGen：生成任務比輝達 A100 快百倍

用 AI 隨手畫幾張圖、做幾段影片，背後耗掉的電可能比你想像的嚇人得多。有研究算過，生成一千張圖片排放的二氧化碳，差不多等於開著燃油車跑了四英里多。

面對這種吞電怪獸，把算力晶片從走電換成走光，一直是業界最想走的一條近路。最近，中國上海交通大學和清華大學的聯合團隊在《Science》上發表了一項新成果，他們做出了名為 LightGen 的全光生成式 AI 晶片。

在生成影像和影片的任務測試中，這枚晶片的執行速度和能效表現，直接跨過了兩個數量級，比輝達的 A100 GPU 快了上百倍，能耗卻低得多。

把兩百萬個神經元塞進指甲蓋

光子計算不是第一天出現，很多拿了大筆投資的初創公司都在做。但過去的光子晶片大多隻能搞搞影像分類、簡單文本生成這類基礎任務，碰上生成式模型就歇菜了。

最大的難點在晶片密度。生成式大模型動輒需要海量引數，而以前的光子晶片最多隻能塞進去幾千個神經元。

LightGen 換了一種思路，研究人員採用三維封裝技術，在僅僅四分之一平方英寸大小的晶片上，集成了超過兩百萬個神經元。

神經元數量拉上去之後，晶片終於能硬啃大尺寸畫面了。它不需要像老式光子晶片那樣把一張圖切成無數個碎片分別處理，而是能直接支援 512 乘 512 畫素的影像輸入，完整保住了畫面各部分之間的全域性關聯。

讓光線自己壓縮出潛空間

熟悉生圖模型的朋友都知道潛空間的概念，演算法得先把複雜的高維資料壓成精簡的核心特徵，再根據提示詞生成新畫面。

研究團隊在這個晶片裡搞出了一個純光學潛空間。他們用幾層超構表面組成光學編碼器，讓全解析度影像的光束穿過去，再接入一組光纖陣列。

光線穿透這些微觀結構時，自然過濾掉了冗餘高階資料，精簡後的特徵直接以光的形式留在光纖裡。裝置另一端放著可根據任務切換的超構表面，隨時把潛空間裡的特徵還原成高解析度影像。

不僅如此，他們還給晶片設計了一套全新的機率表徵訓練方法，讓它不僅能做推理，還能學會生成全新的內容。在實際測試中，這枚晶片不僅跑通了高解析度動物影像生成，還做出了藝術風格遷移，甚至能直接把二維平面圖轉成三維模型。

當然，這塊晶片離量產上機還很遠。它現在必須依賴體積龐大的雷射器和空間光調變器來輸入訊號，核心的超構表面也依賴特種工藝加工，普通的晶片代工廠根本做不出來。

為什麼重要

我們認為，LightGen 最亮眼的地方，在於它證明了光子晶片不是隻能給傳統電子晶片打輔助，它完全有能力獨立啃下生成式 AI 這種極端複雜的模型任務。

從架構上看，研究人員沒有死磕在二維平面上堆元件，而是靠三維堆疊和光學編碼器直接省掉了繁瑣的電光轉換環節。這一步走得相當巧妙，把光速傳播和平行計算的物理優勢發揮到了極致。

但隱患也很顯眼。說白了，光晶片本身雖然小，周圍那一套伺候它的雷射和調變裝置卻依然笨重無比。再加上非標的超構表面工藝，短時間內想指望它走出實驗室、塞進資料中心機架，基本不現實。

對普通創作者和開發者來說，現在顯然不用著急去尋找光子算力。但對輝達等傳統晶片巨頭而言，這類實驗室突破正在敲響警鐘：如果電訊號的功耗牆始終無法突破，下一代生成式基礎設施的底座，很可能會被這束光徹底改寫。