電子發燒友網報道（文/吳子鵬）近日，清華大學發布官方消息稱，清華大學電子工程系方璐教授課題組、自動化系戴瓊海院士課題組另辟蹊徑，首創了全前向智能光計算訓練架構，研制了“太極-II”光訓練芯片，實現了光計算系統大規模神經網絡的高效精準訓練。

目前，這一研究成果已經于北京時間8月7日正式刊登在《自然》期刊上，主題為“光神經網絡全前向訓練”。

“太極”光訓練芯片快速進化

去年10月，清華大學就發布消息稱，方璐教授課題組、戴瓊海院士課題組聯合攻關，提出了一種“掙脫”摩爾定律的全新計算架構：光電模擬芯片，算力達到目前高性能商用芯片的三千余倍。

2023年10月26日，清華大學光電模擬芯片的研究成果發布在《自然》期刊上，這篇論文幫助大家科普了光電模擬芯片的理念和實現方式。根據論文，這是一種光電深度融合的計算框架，結合了基于電磁波空間傳播的光計算，與基于基爾霍夫定律的純模擬電子計算。在芯片制程上，該芯片不再受限于摩爾定律；在數據傳輸上，該芯片用光傳輸取代了電信號傳輸，打破了傳統芯片架構中數據轉換速度、精度與功耗相互制約的物理瓶頸。

今年4月份，這項研究正式推出了“太極”芯片，可實現160TOPS/W的系統級能效。論文第一作者、清華大學電子系博士生徐智昊表示，“太極”芯片采用的是干涉—衍射分布式廣度光計算架構，自頂向下的編碼拆分-解碼重構機制，將復雜智能任務化繁為簡，拆分為多通道高并行的子任務，構建的分布式‘大感受野’淺層光網絡對子任務分而治之，突破物理模擬器件多層深度級聯的固有計算誤差。

從“太極”芯片到“太極-II”芯片，只有不到半年的時間，但是其中的進步是非常明顯的。根據論文信息，“太極”芯片依然依賴傳統的光通信架構，需要GPU進行離線建模，要求高度匹配的前向-反向傳播模型，也就需要物理系統精準對齊，“太極-II”芯片不再依賴電計算進行離線的建模與訓練，大規模神經網絡的精準高效光訓練終于得以實現。

據介紹，“太極-Ⅱ”芯片的面世，填補了智能光計算在大規模神經網絡訓練這一核心領域的空白。除了加速AI模型訓練外，其還在高性能智能成像、高效解析拓撲光子系統等方面表現出卓越性能，為人工智能大模型、通用人工智能、復雜智能系統的高效精準訓練開辟了新路徑。

更進一步說，“太極-Ⅱ”芯片的發布對“光子傳播對稱性”研究有重要意義，將神經網絡訓練中的前向與反向傳播都等效為光的前向傳播。據論文第一作者、電子系博士生薛智威介紹，在太極-II架構下，梯度下降中的反向傳播化為了光學系統的前向傳播，光學神經網絡的訓練利用數據-誤差兩次前向傳播即可實現。兩次前向傳播具備天然的對齊特性，保障了物理梯度的精確計算。如此實現的訓練精度高，便能夠支撐大規模的網絡訓練。

在芯片制造上，“太極”芯片光學部分的加工最小線寬僅采用百納米級，電路部分僅采用180nm CMOS工藝，已取得比7nm制程的高性能芯片多個數量級的性能提升。芯片成本僅為目前先進計算芯片的幾十分之一，這是一種真正的芯片換道超車。

光芯片是計算芯片的未來？

曾幾何時，摩爾定律被譽為“硅谷的節拍器”，但近年來業界關于“摩爾定律是否失效”的討論越來越多。尤其是在AI時代，算力需求的爆發式增長讓摩爾定律正在失效的影響被進一步放大。在過去的幾十年中，摩爾定律一直被認為是計算機行業的基石之一，當其失效之后，會有更多的創新技術來引領高性能計算的發展，比如芯片制造層面的先進封裝，再比如量子計算、光計算等。

在AI時代的未來里，光芯片被寄予厚望。微電子芯片采用電流信號來作為信息的載體，而光芯片則采用頻率更高的光波來作為信息載體，具有更低的傳輸損耗 、更寬的傳輸帶寬、更小的時間延遲，以及更強的抗電磁干擾能力。

光芯片的核心是用波導來代替電芯片的銅導線，來做芯片和板卡上的信號傳輸，因此光芯片主要由發光器件（產生光）和光波導（引導光傳播的裝置）組成。當光在波導里面傳輸的時候，波導和波導之間出現光信號干涉，用這個物理過程來模擬線性計算這一類的計算過程，即通過光在傳播和相互作用之中的信息變化來進行計算。

光芯片的發展并不是完全革新微電子芯片的技術路徑，而是一種融合，因此光電轉化也很關鍵。在電轉光部分，激光器芯片主要用于發射信號，原理是以電激勵源方式，以半導體材料為增益介質，將注入電流的電能激發，通過光學諧振放大選模，從而輸出激光，實現電光轉換。激光器芯片用到的增益介質包括GaAs（砷化鎵）、InP（磷化銦）、Si（硅基）等。在光轉電部分，探測器通過光電效應識別光信號，轉化為電信號。

光芯片的生產流程基本可以分為芯片設計、基板制造、磊晶成長和晶粒制造四個流程，主要技術壁壘在后兩點，其中磊晶成長也稱外延生長，是技術壁壘最高的環節。因此，與微電子芯片側重于光刻工藝追求先進制程不同，光芯片性能的提升不完全依靠尺寸的減小，更注重外延結構設計與生長。

在光芯片的研發上，國內除了清華大學，中科院的進展也是非常快的。比如，去年6月中國科學院半導體研究所集成光電子學國家重點實驗室微波光電子課題組李明研究員-祝寧華院士團隊研制出一款超高集成度光學卷積處理器，實現了“傳輸即計算，結構即功能”的計算架構，具有大帶寬、低延時、低功耗等優點。

目前，國內的光芯片和光模塊廠商包括芯思杰、瑞識科技、新亮智能、度亙激光、長瑞光電、立芯光電、源杰半導體、銳晶激光、索爾思光電、長光華芯、華工科技、光迅科技、新易盛、云嶺光電、敏芯半導體、博創科技、中際旭創、縱慧芯光、曦智科技、劍橋科技、凌越光電、盛為芯等。這些企業主要關注數通市場，應用領域包括5G和數據中心光通信等。

不過，在數通市場的企業端，目前國內也還處于落后的位置，高端光器件的國產化率還比較低，比如25G及以上的光芯片，?國產化率就比較低，其中25G光芯片的國產化率為20%，更高速率的國產化率僅為5%。在25G及以上的光模塊里，光芯片的成本占比超過了60%，且速率越高占比越高，可見光芯片的重要性。

在光計算芯片方面，國內光計算芯片公司光本位科技已完成首顆算力密度和算力精度均達到商用標準的光計算芯片流片，峰值算力為1700TOPS，對標的是英偉達的A100，產業落地也在破曉之際。

結語

根據LightCounting的數據測算，全球光芯片市場規模將從2022年的27億美元增長至2027年的56億美元，CAGR為16%。其中絕大部分的光芯片仍然主要用于數據傳輸，在計算層面光芯片還在起步階段，但概念探索和成果落地的速度非常快，國內清華大學和中科院更是捷報頻傳，有望實現國產高性能計算芯片的換道超車。?