隨著各類大模型和深度神經(jīng)網(wǎng)絡涌現(xiàn)，如何制造出滿足人工智能發(fā)展、兼具大算力和高能效的下一代AI芯片，已成為國際前沿熱點。中國科協(xié)發(fā)布的2023重大科學問題中“如何實現(xiàn)低能耗人工智能”被排在首位。

2023年10月25日，清華大學團隊在超高性能計算芯片領域取得新突破。相關(guān)成果以“All-analog photo-electronic chip for high-speed vision tasks”為題發(fā)表在Nature上。這枚芯片基于純模擬光電融合計算架構(gòu)，在包括ImageNet等智能視覺任務實測中，相同準確率下，比現(xiàn)有高性能GPU算力提升3000倍，能效提升400萬倍。

圖1 相關(guān)論文（來源Nature）

未來已來？光為載體的計算芯片

實現(xiàn)算力飛躍并非易事，特別是當前傳統(tǒng)的芯片架構(gòu)，受限于電子晶體管大小逼近物理極限。全新計算架構(gòu)成為破局的關(guān)鍵。光計算以其超高的并行度和速度，被認為是未來顛覆性計算架構(gòu)的最有力競爭方案之一。光計算，顧名思義是將計算載體從電變?yōu)楣猓霉庠谛酒械膫鞑ミM行計算。面對以光速計算的誘人前景，數(shù)年來海內(nèi)外知名科研團隊相繼提出多種設計，但要替代現(xiàn)有電子器件實現(xiàn)系統(tǒng)級應用，仍面臨重大瓶頸：一是如何在一枚芯片上集成大規(guī)模的計算單元（可控神經(jīng)元），且約束誤差累計程度；二是實現(xiàn)高速高效的片上非線性；三是為兼容目前以電子信號為主體的信息社會，如何提供光計算與電子信號計算的高效接口。當前常見的模數(shù)轉(zhuǎn)換功耗，較光計算每步乘加運算高出多個數(shù)量級，掩蓋了光計算本身的性能優(yōu)勢，導致光芯片難以在實際應用中體現(xiàn)出優(yōu)越性。

系統(tǒng)級算力和能效，超現(xiàn)有芯片萬倍

為解決這一國際難題，清華大學團隊創(chuàng)造性地提出了模擬電融合模擬光的計算框架，構(gòu)建可見光下的大規(guī)模多層衍射神經(jīng)網(wǎng)絡實現(xiàn)視覺特征提取，利用光電流直接進行基于基爾霍夫定律的純模擬電子計算，兩者集成在同一枚芯片框架內(nèi)，完成了“傳感前 傳感中 近傳感”的新型計算系統(tǒng)。極大地降低了對于高精度ADC的需求，消除傳統(tǒng)計算機視覺處理范式在模數(shù)轉(zhuǎn)換過程中速度、精度與功耗相互制約的物理瓶頸，在一枚芯片上突破大規(guī)模集成、高效非線性、高速光電接口三個關(guān)鍵瓶頸。

圖2. 光電計算芯片ACCEL的計算原理和芯片架構(gòu)（來源Nature）

實測表現(xiàn)下，ACCEL芯片的系統(tǒng)級算力達到現(xiàn)有高性能芯片的數(shù)千倍。同時系統(tǒng)級能效達74.8 Peta-OPS/W，較現(xiàn)有的高性能GPU、TPU、光計算和模擬電計算架構(gòu)，提升了兩千到數(shù)百萬倍。

在超低功耗下運行的ACCEL將有助于大幅度改善發(fā)熱問題，對于芯片的未來設計帶來全方位突破，并為超高速物理觀測提供算力基礎。同時對無人系統(tǒng)、自動駕駛等續(xù)航能力要求高的場景帶來重大利好。

表1. ACCEL和現(xiàn)有高性能芯片的系統(tǒng)級實測性能指標對比 （來源：Nature）非相干光直接計算

更進一步，ACCEL芯片還支持非相干光視覺場景的直接計算，如論文中演示的交通場景實驗。顯著拓展了ACCEL的應用領域，有望顛覆目前自動駕駛、機器人視覺、移動設備等領域先將圖片拍攝并保存在內(nèi)存中后進行計算的思路，避免傳輸和ADC帶寬限制，在傳感過程中完成計算。

圖3. ACCEL可用于電子設備超低功耗人臉喚醒示意動圖（來源：清華大學）

開辟新路徑：顛覆性架構(gòu)有望真正落地

清華攻關(guān)團隊提出的新型計算架構(gòu)不僅對于光計算技術(shù)的應用部署意義重大，對未來其他高效能計算技術(shù)與當前電子信息系統(tǒng)的融合，亦深有啟發(fā)。

論文通訊作者之一，清華大學戴瓊海院士介紹道，“采用全新原理研發(fā)出計算系統(tǒng)是一座大山，而將新一代計算架構(gòu)真正落地到現(xiàn)實生活，解決國計民生的重大需求，是攀過高峰后更重要的攻關(guān)。”Nature雜志特邀在Research Briefing發(fā)表的該研究專題評述也指出，“或許這項工作的出現(xiàn)，會讓新一代計算架構(gòu)，比預想中早得多地進入日常生活（ACCEL might enable these architectures to play a part in our daily life much sooner than expected.）”。

清華大學戴瓊海院士、方璐副教授、喬飛副研究員、吳嘉敏助理教授為本文的共同通訊作者；博士生陳一彤、博士生麥麥提·那扎買提、許晗博士為共同一作；孟瑤博士、周天貺助理研究員、博士生李廣普、范靜濤研究員、魏琦副研究員共同參與了這項研究。