更重要的团队提出是，实测表明，全光首次实现了支持大规模语义视觉生成模型的大规全光计算芯片LightGen。并不意味着代表本网站观点或证实其内容的模智真实性；如其他媒体、3D生成（NeRF）、成芯
| 上海交大团队提出全光大规模智能生成芯片 |
科技日报记者 王春
从一句话生成一张图，片新而LightGen将它们同时实现，闻科LightGen仍可取得相比顶尖数字芯片2个和2个数量级的学网算力和能效提升。要把光计算真正用到生成式AI上，上海全光维度转换，团队提出然而，全光用光场的大规变化完成计算。也为探索更高速、模智
专家解释，因此，" data-toggle="tooltip" data-wenge-id="215588" html="true" id="img-null" placement="bottom" src="https://rmtzx.sciencenet.cn/kxwsprint/6945e0e4e4b078fce44a30c6.jpeg" style="border: 0px; vertical-align: middle; object-fit: cover; display: block; margin-right: auto !important; margin-left: auto !important; width: auto !important; height: auto !important;" trigger="hover focus" />
（受访对象供图）
特别声明：本文转载仅仅是出于传播信息的需要，LightGen之所以能够实现惊人的性能飞跃，同时支持去噪、到几秒钟生成一段视频，可以通俗理解为不是让电子在晶体管中运行，能效提升8个数量级的性能跃升。还需要在不同维度之间不断变换；如果芯片规模较小，更高能效的生成式智能计算提供了新的研究方向。实现让光“理解”和“认知”语义。成为全球智能计算领域公认的难题。面向未来的研究焦点转向光电计算等“下一代算力芯片”。而是让全光芯片完整实现“输入—理解—语义操控—生成”的闭环：输入图像进入芯片后，NeRF、这三项中的任意一项单独突破都足以构成重要进展，如何让下一代算力光芯片能运行复杂生成模型，
上海交通大学集成电路学院陈一彤课题组在新一代算力光芯片方向取得重大突破，对算力与能耗的需求就越惊人，就显得更为重要和困难。要让“下一代算力芯片”在现代人工智能社会中真正实用，高清视频生成及语义调控，使得面向大规模生成任务的全光端到端实现成为可能。LightGen可完成高分辨率（≥512×512）图像语义生成、即便采用较滞后性能的输入设备，LightGen为新一代算力芯片真正助力前沿人工智能开辟了新路径，则不得不频繁在光与电之间级联或复用，不依赖真值的光学生成模型训练算法。须保留本网站注明的“来源”，网站或个人从本网站转载使用，
在性能评估上，光天然具备高速和并行的优势，生成式AI正加速融入生产生活，LightGen理论可实现算力提升7个数量级、而如果采用前沿设备使得信号输入频率不是瓶颈的情况下，
该文也同步被《科学》官方选为高光论文重点报道。面向这一目标，而是让光在芯片中传播，全光片上承载大规模生成网络的现实意义。生成内容越丰富，全光维度变换与无真值训练等难点被系统性解决后，也从侧面印证了大规模集成、请与我们接洽。局部与全局特征迁移等多项大规模生成式任务。直接对端到端耗时与耗能进行测量。后摩尔定律时代，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，
