繼構建智能光計算的通用傳播模型、研制全球首款大規模干涉—衍射異構集成芯片「太極」后，清華大學電子工程系方璐教授課題組、自動化系戴瓊海教授課題組在智能光計算領域獲得新突破：首創全前向智能光計算訓練架構，成功研制「太極-II」通用光訓練芯片。該芯片填補了智能光計算在大規模訓練這一核心拼圖中的空白，將與初代「太極」一起合力為 AI 大模型的訓練、推理注入算力發展的新動力，構建光算力的新基座。相關成果以「光神經網絡全前向訓練」為題，于近日發表于《自然》期刊。

人工智能大模型的迅猛發展與廣泛應用，使得算力成為重大的戰略抓手與基礎設施。長期以來電子計算芯片的算力增長支撐著 AI 模型規模的不斷發展，然而其高能耗亦帶來了前所未有的能源挑戰，新興智能計算范式的建立與發展迫在眉睫。光具有干涉、衍射等多維計算模態，以光為計算媒介，以光的可控傳播構建計算模型，光計算以其高算力低能耗特性打開了智能光計算的新賽道，展現出了巨大潛力。

研究組介紹，訓練和推理是 AI 大模型核心能力的兩大基石，缺一不可。通用智能光計算芯片「太極」的問世首次將光計算從原理驗證推向了大規模實驗應用，為復雜智能任務的推理帶來了曙光。然而，初代「太極」尚未釋放智能光計算的「訓練之能」。

據悉，「太極-II」光訓練芯片以物理光學特性為啟發建立了新型的光訓練架構，克服了計算精度差、訓練速度慢、能量效率低的瓶頸，支撐多尺度復雜光學系統的高效高精度在線訓練。

系統實測結果表明，「太極-II」智能光訓練架構在大規模神經網絡訓練、計算成像等方面均表現出卓越性能。它突破了計算精度與效率的矛盾，將數百萬參數的光網絡訓練速度提升了 1 個數量級，代表性智能分類任務的準確率提升 40%。在非視域等復雜場景成像應用中，實現了千赫茲幀率的計算成像，成像效率提升 2 個數量級。這些成果表明，在同等參數規模下，相較于圖形處理器（GPU），「太極-II」有望能以十分之一的時間完成 AI 大模型等大規模網絡的訓練進程，大幅節省時間與能源開銷；并能實時解析復雜場景，為醫療診斷、工業檢測、環境監測等領域提供高速精準的解決方案。

據悉，在原理樣片的基礎上，研究團隊正積極地向智能光芯片產業化邁進，在多種端側智能系統上進行應用部署。

「智能光計算平臺將逐步登上 AI 算力舞臺，將能以更低的資源消耗和更小的邊際成本，為人工智能大模型、通用人工智能、復雜智能系統的高速高能效計算開辟新路徑。」戴瓊海說。

隨著 5G、云計算、大數據、人工智能等新型信息技術的迭代升級和普及應用，全社會數據流量和算力需求迎來爆發式增長。同時，傳統電芯片性能的進一步提升面臨摩爾定律演進失效的問題，算力供需矛盾日漸突顯。光芯片以光為信息載體，是與電芯片平行發展的器件集成體系。光芯片通過對光的處理和測量實現信息感知、傳輸、存儲、計算、顯示等功能，因其具有速度快、穩定性高、工藝精度要求低和可多維度復用等優勢，有望打破電芯片的發展禁錮，為芯片發展帶來新的契機。光芯片技術多體系并存趨于多維融合

區別于電芯片相對單一的材料體系，光芯片可通過硅系、玻璃、聚合物、二維材料、Ⅲ-Ⅴ族半導體等多種材料平臺實現。因此，光芯片需依據擬適配的器件類型、功能方向和應用場景來選擇材料體系。從市場規模和產業落地情況看，Ⅲ-Ⅴ族光子集成體系、硅基光子集成體系和平面光波導（PLC）光子集成體系將在未來的光芯片產業中具有較高的經濟價值。

Ⅲ-Ⅴ族光子集成體系起步較早、潛力較大，但進一步發展仍有問題待研究解決。Ⅲ-Ⅴ族光子集成體系是以磷、銦、砷、鎵等Ⅲ-Ⅴ主族元素材料為主體的集成技術體系。依托原子直接帶隙的物理優勢，Ⅲ-Ⅴ族元素材料可兼容無源和有源光器件，成為理想的光學集成體系。該體系研究起步較早，成熟度相對較高，在傳輸、感知、顯示等應用領域已占據市場主導地位。當前，Ⅲ-Ⅴ族光芯片正向小型化、兼容化、多功能化的方向發展。但是，受晶圓尺寸和加工制備等因素限制，系統進一步提高集成度在技術研究和加工工藝方面仍有問題待研究解決。