随着各类大模型和深度神经网络的涌现，如何制造出满足人工智能发展、兼具大算力和高能效的下一代 AI 芯片，已成为国际前沿热点。中国科协发布的 2023 重大科学问题中「如何实现低能耗人工智能」 被排在首位。
近日，清华大学团队在超高性能计算芯片领域取得新突破。清华戴琼海院士团队与乔飞副研究员团队再迎芯片新成果，他们造出一款名为 ACCEL 的光电融合芯片。
系统级算力和能效，超现有芯片万倍
这枚芯片基于纯模拟光电融合计算架构，在包括 ImageNet 等智能视觉任务实测中，相同准确率下，比现有高性能 GPU 算力提升三千倍，能效提升四百万倍，具备超高算力、超低功耗的特点。
相关成果以《面向高速视觉任务的纯模拟光电计算芯片》（All-analog photo-electronic chip for high-speed vision tasks）为题发表在 Nature 上。
相关论文（来源：《Nature》）
据悉，ACCEL 芯片光学部分的加工最小线宽仅采用百纳米级，而电路部分仅采用 180nm 互补金属氧化物半导体（CMOS，Complementary Metal Oxide Semiconductor）工艺，已经比 7nm 制程的 GPU 取得了多个数量级的性能提升。
论文中的实验演示表明，该芯片的成功研制证明了光子计算在诸多 AI 任务中的优越性（即光子霸权），也为解决摩尔定律增速放缓、构建生态能源友好的大规模 AI 计算框架开辟了新路径。
研究人员表示：“形象来说，如果原本的电量可支持现有高性能芯片工作一小时，那么相同的电量供给下 ACCEL 芯片可以工作五百多年。”
全新计算架构：光芯片瓶颈的破壁者
实现算力飞跃并非易事，特别是当前传统的芯片架构，受限于电子晶体管大小逼近物理极限。
相比传统电子芯片，光芯片使用光子来完成相关计算。与传统的电子芯片相比，它并不是用电作为载体来完成数字信号处理，而是通过光在传播和相互作用之中的信息变化来进行计算。光计算芯片的优势在于光子的高速度、低耗能和大带宽，这能为大规模并行计算和高速数据传输提供极具潜力的解决方案，被认为是未来颠覆性计算架构的最有力竞争方案之一。相关概念公司有太辰光、华工科技等。
然而，目前的光计算系统面临着非线性实现复杂、光电接口耗能等国际难题，导致不少科研工作评估的高性能优势难以落地并实现应用。
如何在一枚芯片上集成大规模的计算单元（可控神经元），且约束误差累计程度，实现高速高效的片上非线性？如何提供光计算与电子信号计算的高效接口？全新计算架构成为破局的关键。
清华大学团队创造性地提出了光电深度融合的计算框架。从最本质的物理原理出发，结合了基于电磁波空间传播的光计算，与基于基尔霍夫定律的纯模拟电子计算，“挣脱”传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。在保证高任务性能的同时，还实现超高的计算能效和计算速度。
谈及美高端芯片对华全面禁令的背景下新计算框架突破的意义，戴琼海院士在与南都记者的连线中表示：“在人工智能时代将新架构真正落地到现实生活，是后续更重要的攻关，也是解决国计民生重大需求的题中之义，是我们的责任与使命。”
