Souhrn
Výzkumníci z Univerzity Šanghajské džao-tung a Cingské univerzity představili LightGen, plně optický výpočetní čip určený pro generativní umělou inteligenci. Tento čip nahrazuje elektronické tranzistory fotonickými neurony a integruje přes dva miliony umělých neuronů do zařízení o velikosti čtvrti čtverečního palce. Podle laboratorních testů překonává výkon Nvidia A100 GPU o faktor 100 v rychlosti i energetické efektivitě při úlohách jako generování obrázků a 3D modelů.
Klíčové body
- Integrace přes 2 milionů fotonických neuronů díky pokročilému 3D balení, což umožňuje zpracování velkých AI modelů na malé ploše.
- Optický latentní prostor zpracovává vysokodimenzionální data světlem bez nutnosti dělení na patche, což zachovává statistické vlastnosti dat.
- Úspěšné provedení generování sémantických obrázků v vysokém rozlišení a 3D manipulace s kvalitou srovnatelnou s elektronickými sítěmi.
- 100násobná převaha nad Nvidia A100 v rychlosti a efektivitě pro generativní úlohy.
- Závislost na externích laserových zdrojích a specializovaných výrobních procesech.
Podrobnosti
LightGen představuje posun od elektronických k plně optickým výpočtům, kde data se zpracovávají výhradně světlem bez konverze do elektrických signálů. Předchozí optické procesory obsahovaly jen několik tisíc neuronů a sloužily převážně k jednoduchým úlohám jako klasifikace obrázků. LightGen tento limit překonává díky 3D balení, které vrství metasurfaces – ultratenké struktury ovládající světlo – a optické vlákna do kompaktního celku. Klíčovou inovací je optický latentní prostor, kde se vysokodimenzionální data komprimují a transformují přímo světelnými vlnami. To eliminuje ztráty spojené s patchováním obrázků, které je běžné u GPU jako A100, a umožňuje práci s plným rozlišením.
V testech čip generoval sémantické obrázky v rozlišení překračujícím schopnosti běžných elektronických systémů a manipuloval 3D modely s vysokou přesností. Nvidia A100, špičkový GPU pro trénink a inferenci velkých jazykových modelů (LLM) a generativních sítí jako Stable Diffusion, spotřebovává desítky kilowattů na velké úlohy. LightGen snižuje tuto spotřebu dramaticky díky absenci Jouleova tepla v optických komponentách. Výzkum byl publikován v časopise Science, což potvrzuje jeho vědeckou kvalitu, ale technologie zatím vyžaduje externí lasery pro vstupní světlo a specializovanou litografii pro metasurfaces. Výrobci jako TSMC nebo Intel zatím takové struktury nevyrábějí ve velkém měřítku, což omezuje komercializaci.
Pro uživatele to znamená potenciál pro rychlejší inferenci v aplikacích jako tvorba videa (např. Sora-like modely) nebo real-time 3D rendering v hrách a virtuální realitě. V průmyslu řeší energetickou krizi AI datacenterů, kde spotřeba elektřiny roste exponenciálně – podle odhadů může AI v roce 2026 spotřebovávat až 10 % globální elektřiny.
Proč je to důležité
Tento vývoj nastavuje nový směr pro hardware AI, podobně jako kvantové počítače s quantum advantage. Tradiční křemíkové GPU dosahují limitů Mooreova zákona, kde další škálování vyžaduje obrovské investice do chlazení a energie. LightGen ukazuje cestu k fotonickým akcelerátorům, které by mohly umožnit trénink modelů velikosti GPT-5 na stolních zařízeních nebo snížit náklady cloudových služeb o řády. Pro Čínu, kde univerzity jako Tsinghua vedou v optoelektronice, posiluje pozici v AI závodě proti USA. Nicméně skepticky: laboratorní výsledky často selhávají při škálování, a bez integrace laserů na čip zůstává systém nepraktičký. Přesto otevírá dveře k udržitelnému výpočtu, kde AI nebude limitováno energií, ale optikou.
Zdroj: 📰 Notebookcheck.net
