生成式人工智能正从简单的图文生成迈向更复杂的真实场景应用，模型复杂度与内容丰富度的提升，对算力与能耗提出了前所未有的挑战。当前光电芯片虽在加速判别类任务中表现突出，却难以直接支撑大规模生成模型的运行。如何突破这一瓶颈？上海交通大学集成电路学院陈一彤课题组近日在《科学》期刊发表研究成果，宣布成功研制全球首款支持大规模语义视觉生成的全光计算芯片LightGen，为下一代算力芯片开辟了全新路径。
传统电子芯片依赖电子在晶体管中的流动完成计算，而光计算芯片则让光在芯片内部传播，通过光场变化实现运算。光信号具有天然的高速并行特性，理论上可突破现有算力与能耗限制。然而，生成式AI模型规模庞大且需跨维度处理，若芯片集成度不足，光信号需频繁与电信号转换，反而会因延迟与能耗抵消速度优势。全光计算因此成为关键——只有完全摆脱电信号辅助，才能充分发挥光的潜力。
LightGen的突破性在于单芯片同时攻克三大技术难题：首次实现百万级光学神经元集成，构建起可处理复杂任务的“光脑”；开发全光维度转换技术，使芯片能自主切换不同计算模式；创新不依赖真实数据的光学生成模型训练算法，解决传统方法依赖海量标注数据的痛点。这三项技术单拎任何一项均属行业前沿，而LightGen的集成创新让大规模生成任务的全光端到端实现成为可能。
更值得关注的是，LightGen构建了完整的“输入—理解—语义操控—生成”闭环。当图像输入芯片后，系统可自动提取语义特征，并在语义指令下生成全新媒体内容。实验显示，该芯片不仅能完成高分辨率图像生成、3D建模、高清视频合成，还支持去噪、特征迁移等复杂任务。例如，在语义调控下，芯片可将冬季雪景转换为夏季绿荫，或让静态图像“动”起来生成视频片段。
这项成果被国际学术界视为算力芯片领域的里程碑。传统电子芯片每秒可处理约10万亿次运算，而LightGen通过光子并行计算，理论算力可提升数个数量级，同时能耗降低至传统方案的百分之一。业内专家指出，该研究不仅为生成式AI提供了更高效的硬件支撑，更揭示了光计算在复杂认知任务中的潜力，可能引发计算架构的范式变革。
