4 月 11 日，清华大学电子工程系副教授方璐课题组、自动化系戴琼海院士课题组关于大规模光子芯片太极的研究成果在《科学》杂志发表，该成果首创分布式广度光计算架构，可实现 160 TOPS/W 的通用智能计算。
通用人工智能 (AGI) 的快速发展提升了对下一代处理器性能和能效的要求。由于光子计算具有速度快、功耗低的优势，可实现优越的处理效率，被认为有潜力满足 AGI 带来的计算需求。但目前的集成光路，特别是光神经网络 (ONNs) 的规模和计算能力有限，其容量和可扩展性受到不可避免的误差的限制，只能实现简单的任务或运行浅层模型。
为解决这一问题，清华大学课题组构建了智能光计算的通用传播模型，摒弃了传统电子深度计算范式，另辟蹊径，首创了分布式广度光计算架构，研发了全球首款大规模干涉 - 衍射异构集成芯片，并将其命名为太极（ Taichi ）。该架构可有效地将光神经网络的规模提高到百万神经元级别，将能源效率提高到每秒每瓦 (TOPS/W) 执行运算 160 万亿次。该成果实现了单片上 1396 万个神经元的光神经网络，可用于复杂的、千类级的分类和生成式人工智能的任务。太极在实验中通过在 1623 个类别的全语言文字数据集中测试，实现了 91.89% 的准确率，并高保真实现人工智能内容生成，将效率提高了两个数量级。
清华大学电子工程系官宣称， “ 太极 ” 芯片具备 879 T MACS/mm² 的面积效率与 160 TOPS/W 的能量效率，首次赋能光计算实现自然场景千类对象识别、跨模态内容生成等人工智能复杂任务，该成果将为百亿像素大场景光速智能分析、百亿参数大模型训练推理、低功耗自主智能无人系统提供算力支撑。
