清华大学团队在超高性能计算芯片领域取得新突破

清华大学团队在超高性能计算芯片领域取得新突破，相关研究发表在Nature上。

随着各类大模型和深度神经网络的涌现，如何制造出满足人工智能发展、兼具大算力和高能效的下一代 AI 芯片，已成为国际前沿热点。

中国科协发布的 2023 重大科学问题中「如何实现低能耗人工智能」 被排在首位。

近日，清华大学团队在超高性能计算芯片领域取得新突破。相关成果以《面向高速视觉任务的纯interwetten与威廉的赔率体系 光电计算芯片》（All-analog photo-electronic chip for high-speed vision tasks）为题发表在 Nature 上。

这枚芯片基于纯模拟光电融合计算架构，在包括 ImageNet 等智能视觉任务实测中，相同准确率下，比现有高性能 GPU 算力提升三千倍，能效提升四百万倍。

未来已来？光为载体的计算芯片

实现算力飞跃并非易事，特别是当前传统的芯片架构，受限于电子晶体管大小逼近物理极限。全新计算架构成为破局的关键。光计算以其超高的并行度和速度，被认为是未来颠覆性计算架构的最有力竞争方案之一。

光计算，顾名思义是将计算载体从电变为光，利用光在芯片中的传播进行计算。面对以光速计算的诱人前景，数年来海内外知名科研团队相继提出多种设计，但要替代现有电子器件实现系统级应用，仍面临重大瓶颈：

一是如何在一枚芯片上集成大规模的计算单元（可控神经元），且约束误差累计程度；

二是实现高速高效的片上非线性；

三是为兼容目前以电子信号为主体的信息社会，如何提供光计算与电子信号计算的高效接口。当前常见的模数转换功耗，较光计算每步乘加运算高出多个数量级，掩盖了光计算本身的性能优势，导致光芯片难以在实际应用中体现出优越性。

系统级算力和能效，超现有芯片万倍

为解决这一国际难题，清华大学团队创造性地提出了模拟电融合模拟光的计算框架，构建可见光下的大规模多层衍射神经网络实现视觉特征提取，利用光电流直接进行基于基尔霍夫定律的纯模拟电子计算，两者集成在同一枚芯片框架内，完成了 “传感前 + 传感中 + 近传感” 的新型计算系统。极大地降低了对于高精度 ADC 的需求，消除传统计算机视觉处理范式在模数转换过程中速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模集成、高效非线性、高速光电接口三个关键瓶颈。

图 2. 光电计算芯片 ACCEL 的计算原理和芯片架构（来源：《Nature》）

实测表现下，ACCEL 芯片的系统级算力达到现有高性能芯片的数千倍。同时系统级能效达 74.8 Peta-OPS/W，较现有的高性能 GPU、TPU、光计算和模拟电计算架构，提升了两千到数百万倍。

在超低功耗下运行的 ACCEL 将有助于大幅度改善发热问题，对于芯片的未来设计带来全方位突破，并为超高速物理观测提供算力基础。同时对无人系统、自动驾驶等续航能力要求高的场景带来重大利好。

表 1. ACCEL 和现有高性能芯片的系统级实测性能指标对比（来源：《Nature》）

非相干光直接计算

更进一步，ACCEL 芯片还支持非相干光视觉场景的直接计算，如论文中演示的交通场景实验。显著拓展了 ACCEL 的应用领域，有望颠覆目前自动驾驶、机器人视觉、移动设备等领域先将图片拍摄并保存在内存中后进行计算的思路，避免传输和 ADC 带宽限制，在传感过程中完成计算。

开辟新路径：颠覆性架构有望真正落地

清华团队提出的新型计算架构不仅对于光计算威廉希尔官方网站 的应用部署意义重大，对未来其他高效能计算威廉希尔官方网站 与当前电子信息系统的融合，亦深有启发。

论文通讯作者之一，清华大学戴琼海院士介绍道，“采用全新原理研发出计算系统是一座大山，而将新一代计算架构真正落地到现实生活，解决国计民生的重大需求，是攀过高峰后更重要的攻关。”

Nature 杂志特邀在 Research Briefing 发表的该研究专题评述也指出，“或许这项工作的出现，会让新一代计算架构，比预想中早得多地进入日常生活（ACCEL might enable these architectures to play a part in our daily life much sooner than expected.）”。

清华大学戴琼海院士、方璐副教授、乔飞副研究员、吴嘉敏助理教授为本文的共同通讯作者；博士生陈一彤、博士生麦麦提・那扎买提、许晗博士为共同一作；孟瑶博士、周天贶助理研究员、博士生李广普、范静涛研究员、魏琦副研究员共同参与了这项研究。

审核编辑：刘清