新型AI芯片破解“卷积”计算能耗难题，效能最高提升100倍

一项颠覆性的技术突破为人工智能（AI）的未来发展注入了强劲动力。

9月15日消息，由美国佛罗里达大学领衔的工程师团队成功研发出一款基于光学计算的新型AI芯片，该芯片有望将人工智能计算的能效提升10至100倍，为应对日益增长的算力需求和能源消耗挑战提供了革命性的解决方案。

当前，人工智能技术正以前所未有的速度发展，深度学习模型在图像识别、自然语言处理等领域取得了显著成就。然而，支撑这些成就的背后是庞大的计算资源消耗。传统的电子芯片在进行深度学习运算时，尤其是在处理“卷积”计算——这一AI识别图像、视频和语言的核心步骤时，面临着严重的能效瓶颈。随着模型规模的不断扩大，数据中心的能耗急剧攀升，不仅推高了运营成本，也带来了巨大的环境压力。因此，寻找一种更高效、更节能的计算方式已成为科技界的迫切需求。

此次佛罗里达大学团队的创新，正是瞄准了这一痛点。他们摒弃了依赖电子流动的传统计算模式，转而采用激光与微型菲涅尔透镜来执行关键的AI计算任务。菲涅尔透镜，一种常见于灯塔的二维薄型透镜，被微型化并直接集成到芯片的电路板上。当机器学习数据（如图像信息）被转换为片上的激光束，并通过这些微型透镜时，光的物理特性能够以极低的能量消耗完成复杂的卷积运算。计算结果随后被转换回数字信号，完成整个AI任务。

这项技术的突破性在于其将光学计算从理论层面真正“芯片化”并应用于人工智能神经网络。研究负责人、佛罗里达大学的Volker J. Sorger博士指出：“在接近零能量的情况下执行关键的机器学习计算是未来人工智能系统的飞跃。”这一评价凸显了该技术的巨大潜力。在早期的实验中，这款光学AI芯片在识别手写数字的任务中达到了约98%的准确率，性能与传统电子芯片相当，但能效却实现了质的飞跃。

除了能效优势，光子计算还带来了速度和并行处理能力的提升。与电子信号相比，光信号的传输速度更快，且互不干扰。研究团队巧妙地利用了这一点，设计出可以同时让多种波长或颜色的激光穿过同一透镜的系统，从而实现多个数据流的并行处理。

Sorger博士断言：“在不久的将来，基于芯片的光学器件将成为我们日常使用的每个人工智能芯片的关键部分。接下来是光学人工智能计算。” 这款新型光学计算芯片的成功，不仅是材料科学和光子学领域的一次胜利，更是对整个AI硬件生态的深刻变革。