Verdens første lysbaserede AI-chip: Kinas Taichi-II slår NVIDIA H100 i energieffektivitet
Kina har netop afsløret, hvad der kan være en af de mest banebrydende nyheder inden for kunstig intelligens (AI) teknologi. Med udviklingen af verdens første fuldt optiske AI-chip har forskere i Beijing trukket en sand kanin op af hatten. Den innovative chip, kendt som Taichi-II, præsterer så imponerende godt, at den slår selv NVIDIA’s berømte H100 GPU i energieffektivitet.
Springet fremad: Taichi-II’s overlegenhed
Taichi-II chippen repræsenterer en massiv forbedring fra sin forgænger, Taichi chippen, der allerede havde slået rekorder. Tidligere på året meddelte forskerne, at den oprindelige Taichi chip havde overgået NVIDIA H100 GPU i energieffektivitet med mere end tusind gange. Men nu har Taichi-II yderligere hævet barren og demonstreret overlegen præstation i en række forskellige scenarier.
Transformering af AI-træning
Professorerne Fang Lu og Dai Qionghai fra Tsinghua Universitet afslørede, at Taichi-II har potentialet til radikalt at ændre AI-træning og modelbygning. I modsætning til traditionelle metoder, der benytter elektroniske computere til træning, udnytter Taichi-II optiske processer, hvilket gør den langt mere effektiv og markant forbedrer ydeevnen.
Praktiske fremskridt
I praksis har Taichi-II chippen demonstreret bemærkelsesværdige forbedringer. Den har fremskyndet træningen af optiske netværk med millioner af parametre betydeligt og forøget klassifikationsopgavernes nøjagtighed med 40 procent. I komplekse billedscenarier er chippen seks størrelsesordener mere energieffektiv i svagt lys. En chip, der kan finde nålen i en høstak, endda når det er mørkt!
Innovativ tilgang: FFM læring
Udviklingen af Taichi-II chippen er kendetegnet ved brugen af en ny tilgang kaldet fully forward mode (FFM) læring. Denne teknik tillader en computertung træningsproces at blive udført direkte på den optiske chip, hvilket muliggør parallel behandling af maskinlæringsopgaver. En revolution, der får parallel parkering til at virke som en leg!
Xue Zhiwei, hovedforfatteren af studiet og doktorstuderende, understregede, at denne arkitektur understøtter højnøjagtighedstræning og er vel egnet til træning af store netværk. Vores forskning ser en fremtid, hvor disse chips danner grundlaget for optisk computerkraft til AI-modelkonstruktion,” udtalte Fang Lu.
FFM læringsmetoden udnytter højhastigheds optiske modulatorer og detektorer, som potentielt kan overgå GPU’er i accelererede læringsscenarier. Denne innovation åbner nye muligheder for optisk computing, hvilket bringer teknologien fra teoretiske koncepter til praktiske, storskala anvendelser. En fremtid, hvor vi måske skal investere i solbriller til vores computere!
