继世界首创分布式广度光计算架构，研制出高算力、高能效的智能光计算芯片“太极”后，清华大学近日又发布了“太极-II”通用光训练芯片，填补智能光计算在大规模训练这一核心领域的空白。该芯片可为医疗诊断等领域提供高速精准的解决方案。

训练和推理是人工智能大模型的两大核心能力。此前，由清华大学电子工程系教授方璐和自动化系教授戴琼海联手组建的课题组，在全球首创了智能光计算芯片“太极”。其以每秒每焦耳160万亿次运算的算力，首次将光计算从原理验证推向了大规模实验应用。然而，这枚初代“太极”芯片只会推理不会训练，未能实现两大核心能力兼备。

初代“太极”发布约4个月后，课题组带着“太极-II”亮相。方璐介绍，它是以光计算为核心的训练芯片，可支撑多尺度复杂光学系统的高效高精度在线训练。该成果日前在线发表于《自然》期刊。审稿人认为，它有望成为训练光学神经网络和其他光学计算系统广泛采用的工具。

芯片在大规模神经网络训练、计算成像等方面均表现优异。实验数据显示，它能将数百万参数的光网络训练速度提升1个数量级，处理智能分类任务的准确率提升了40%。它还实现了千赫兹帧率的计算成像，成像效率提升2个数量级。

相较于传统图形处理器，“太极-II”有望以十分之一的时间完成人工智能大模型等大规模网络的训练进程，大幅节省时间和能源开销。这意味着，它能实时解析复杂场景，为医疗诊断、工业检测、环境监测等领域提供高速精准的解决方案。