《光本位科技完成首颗光计算芯片流片》

  • 来源专题:光电信息技术
  • 编译者: 王靖娴
  • 发布时间:2024-07-06
  •   【内容概述】据电子产品世界7月3日报道,近日,光本位科技已完成算力密度和算力精度均达到商用标准的光计算芯片流片,这颗芯片的矩阵规模为128x128,峰值算力超1000tops,其算力密度已经超过了先进制程的电芯片。据了解,这颗芯片采用PCIe接口或其他通用标准进行数据交互,可以与数据中心兼容,未来光计算芯片的算力密度仍有百倍提升空间,比电芯片更适合处理大模型应用,达到商用标准可以说是中国AI芯片“换道超车”的关键一步。

      目前,光本位科技正在进行128x128光计算板卡调试,预计将于2025年内推出商业化光计算板卡产品,用更高的能效比、更大的算力赋能大模型、AI算力硬件、智算中心、互联网等产业,同时即将完成更大矩阵规模的光计算芯片研发。

  • 原文来源:https://www.eepw.com.cn/article/202407/460618.htm
相关报告
  • 《光本位科技完成算力密度和算力精度均达到商用标准的光计算芯片流片》

    • 来源专题:集成电路与量子信息
    • 发布时间:2024-07-02
    • 据光本位官微7月1日报道,光本位科技已完成算力密度和算力精度均达到商用标准的光计算芯片流片,这颗芯片的矩阵规模为128x128,峰值算力超1000tops,其算力密度已经超过了先进制程的电芯片。 矩阵规模(算力密度)和单节点光辨识度(算力精度)是衡量光计算芯片性能的关键指标,业内公认的达到商用标准的矩阵规模是128x128,2021年全球范围内有两家企业完成了64x64的光计算芯片流片,此后三年内这个瓶颈一直没有被突破。 光本位科技流片的这颗光计算芯片采用PCIe接口或其他通用标准进行数据交互,可以与数据中心兼容,未来光计算芯片的算力密度仍有百倍提升空间,比电芯片更适合处理大模型应用,达到商用标准。 光计算芯片在算力、数据传输上的优势毋庸置疑,但要实现规模化商用,还需解决非线性计算、存算一体等难题,无论是科研院所,还是产业界,都认为构建光电融合生态是一条必经之路。光本位科技基于PCM相变材料实现了存算一体的存内计算,存储单元与计算单元完全融合,目前已迭代出以光计算芯片为核心的电芯片设计能力,并与国内顶尖封装公司建立深度战略合作,共同开发先进光电合封能力。 光本位科技正在进行128x128光计算板卡调试,预计将于2025年内推出商业化光计算板卡产品,用更高的能效比、更大的算力赋能大模型、AI算力硬件、智算中心、互联网等产业,同时即将完成更大矩阵规模的光计算芯片研发。 原文链接:https://mp.weixin.qq.com/s/6Aulug_rThSwSJV2MYDXXg
  • 《“太极-Ⅱ”光芯片首次实现大规模光训练》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2024-08-08
    • 科技日报北京8月7日电 (记者华凌)记者7日从清华大学获悉,该校电子系方璐教授课题组与自动化系戴琼海教授课题组在智能光芯片领域取得重大进展。他们首创全前向智能光计算训练架构,研制出“太极-Ⅱ”光芯片,实现了大规模神经网络的原位光训练,为人工智能(AI)大模型探索了光训练的新路径。相关成果在线发表于最新一期国际学术期刊《自然》。 AI大模型的迅猛发展和广泛应用,使算力成为关键的战略资源。智能光计算凭借高算力、低能耗的优势,在后摩尔时代展现出巨大潜力。训练和推理,是AI大模型核心能力的两大基石。此前,智能光芯片“太极”的问世,为大规模复杂任务的“推理”带来了曙光,但未能释放光计算的“训练之能”。现有光神经网络的训练严重依赖GPU离线建模,并要求高度匹配的前向-反向传播模型。这对光计算系统的精准对齐提出苛刻要求,致使梯度计算难、训练规模小,禁锢了光计算的优势。 “与现有训练范式不同,我们摒弃了反向传播,另辟蹊径,构建了光神经网络的对称传播模型,仅用光学系统的前向传播即可实现高效高精度光训练。”方璐告诉科技日报记者。 据介绍,“太极-Ⅱ”的面世,填补了智能光计算在大规模神经网络训练这一核心领域的空白。除了加速AI模型训练外,其还在高性能智能成像、高效解析拓扑光子系统等方面表现出卓越性能,为人工智能大模型、通用人工智能、复杂智能系统的高效精准训练开辟了新路径。