ï»?
 ChatGPT½{‰äh工智能的应用æ£åœ¨å¿«é€Ÿåœ°æ”¹å˜æˆ‘们的生‹zÀL–¹å¼å’Œä¿¡æ¯å¤„ç†çš„æ–¹æ³•。由于神¾l网¾lœæ·±åº¦å¦ä¹?f¨¤n)ä¾èµ–äºŽå¤§è§„æ¨¡çŸ©é˜µè¿½Ž—ï¼Œå¯¹è®¡½Ž—èƒ½é‡æ•ˆçŽ‡å’Œé€Ÿåº¦æœ‰æžé«˜çš„è¦æ±‚ã€?/span>
  目å‰å¤§éƒ¨åˆ†ç¥ž¾l网¾lœçš„计算都是在æœåС噍˜q›è¡Œã€‚例如,当我们å‘ChatGPT(或者智能家ç”?æå‡ºé—®é¢˜æ—Óž¼Œè®‘Ö¤‡éœ€è¦å‡ ¿U’钟的时间æ‰èƒ½åšå‡ºå“应。出现这¿Uåšg˜qŸçš„åŽŸå› ä¹‹ä¸€æ˜¯è”¾|‘设备没有èƒöå¤Ÿçš„å†…å˜æˆ–电(sh¨´)釿¥å˜å‚¨å’Œè¿è¡Œè®¾å¤‡ç†è§£ç”¨æˆ¯‚¦æ±‚所需的庞大机器å¦ä¹?f¨¤n)模型。该模型å˜å‚¨åœ¨å¯èƒ½ä½äºŽæ•°åƒå…¬é‡Œå¤–的数æ®ä¸å¿ƒï¼Œåœ¨é‚£é‡Œè®¡½Ž—ç”æ¡ˆåƈž®†å…¶å‘é€åˆ°è®‘Ö¤‡ã€‚该延时虽ä¸å¤§ï¼Œä½†é™åˆ¶äº†å¾ˆå¤šéœ€è¦å®žæ—¶å馈的场景åQŒå¦‚自动é©ùN©¶ã€?/span>
ã€€ã€€å› æ¤åQŒéº»çœç†å·¥å¦é™?MIT)çš„ç ”½I¶å›¢é˜ŸåŸºäºŽé›†æˆç¡…å…‰èŠ¯ç‰‡ï¼Œåˆ›é€ äº†ä¸€¿U直接在˜q™äº›è®‘Ö¤‡ä¸Šè¿›è¡Œè®¡½Ž—的新方æ³?å…‰å¦è¾¹ç¼˜è®¡ç®—)åQŒä»Žè€Œå¤§å¤§å‡ž®‘了˜q™ç§å»¶è¿Ÿã€‚他们的技术将˜q行机器å¦ä¹ (f¨¤n)模型的内å˜å¯†é›†åž‹æ¥éª¤è½¬ç§»åˆîC¸å¤®æœåС噍åQŒåœ¨ä¸å¤®æœåŠ¡å™¨ä¸Šæ¨¡åž‹çš„ç»„ä»¶è¢«¾~–ç 到光波上。ä‹É用光¾U¤å°†æ³¢ä¼ 输到˜qžæŽ¥çš„设备,˜q™ä‹É得大釿•°æ®èƒ½å¤Ÿé€šè¿‡¾|‘络以光带宽(2.4TB/s)å‘é€ã€‚ç„¶åŽæŽ¥æ”¶å™¨ä½¿ç”¨ä¸€ä¸ªç®€å•的光å¦è®‘Ö¤‡åQŒè¯¥è®‘Ö¤‡ä½¿ç”¨˜q™äº›å…‰æ‡Læºå¸¦çš„æ¨¡åž‹éƒ¨åˆ†å¿«é€Ÿæ‰§è¡Œè®¡½Ž—ã€?/span>
  与其他方法相比,该技术寞®†èƒ½æºæ•ˆçއæé«˜ä¸€ç™‘ր以上。它˜q˜å¯ä»¥æé«˜å®‰å…¨æ€§ï¼Œå› 䨓(f¨´)用户的数æ®ä¸éœ€è¦ä¼ 输到ä¸å¤®ä½ç½®˜q›è¡Œè®¡ç®—。这¿U方法å¯ä»¥ä‹É自动é©ùN©¶æ±½èžR实时åšå‡ºå†³ç–åQŒåŒæ—¶è€—电(sh¨´)é‡ä»…相当于计½Ž—æœºå½“å‰æ‰€éœ€èƒ½é‡çš?%。它˜q˜å¯ä»¥è®©ç”¨æˆ·ä¸Žä»–ä»¬çš„æ™ø™ƒ½å®¶å±…讑֤‡˜q›è¡Œæ— åšg˜qŸå¯¹è¯ï¼Œç”¨äºŽé€šè¿‡èœ‚窾|‘络˜q›è¡Œå®žæ—¶è§†é¢‘处ç†åQŒç”šè‡›_¯ä»¥åœ¨è·ç¦»åœ°çƒæ•°ç™¾ä¸‡è‹±é‡Œçš„航天器上实现高速图åƒåˆ†¾c…R€?/span>
ã€€ã€€â€œæ¯‹Æ¡ä½ æƒŒ™¿è¡Œä¸€ä¸ªç¥ž¾l网¾lœï¼Œä½ 都必须调用模型åQŒä½ 能以多快的速度˜q行˜q™ä¸ª½E‹åºå–å†³äºŽä½ èƒ½ä»¥å¤šå¿«çš„é€Ÿåº¦ä»Žå†…å˜ä¸è¾“入模型。我们的½Ž¡é“å¾ˆå¤§â€”â€”ç›¸å½“äºŽæ¯æ¯«¿U’å·¦å³é€šè¿‡äº’蔾|‘å‘é€ä¸€éƒ¨å®Œæ•´çš„ç”?sh¨´)åª?ji¨£ng)。这ž®±æ˜¯æ•°æ®˜q›å…¥æˆ‘们¾pÈ»Ÿçš„速度。而且它的计算速度也å¯ä»¥è¿™ä¹ˆå¿«ã€‚â€MIT团队负责人å¯d克¯‚‹±æ égëu教授(Dirk Englund)说ã€?/span>
  边缘计算(edge computing)是近òq´æ¥äººå·¥æ™ø™ƒ½èŠ¯ç‰‡é¢†åŸŸçš„çƒé—¨æ–¹å‘之一。这¿Uè¿½Ž—æ¨¡å¼æŠŠ¼œžç»¾|‘络˜q行在智能终端处ç†å™¨æ¯”å¦‚æ™ø™ƒ½æ‰‹æœºã€è‡ªåŠ¨é©¾é©¶æ±½è½¦ä¸ŠåQŒé€šè¿‡å®žçްåŽÖM¸å¿ƒåŒ–计算åQŒå¯ä»¥å¤§å¤§å¢žåŠ ç”¨æˆ·ä¿¡æ¯çš„å®‰å…¨æ€§ï¼ŒåŒæ—¶å‡å°‘æ•°æ®ä¸å¿ƒçš„计½Ž—é‡åQŒç¾ƒ?y¨u)®æ•°æ®å¤„ç†çš„å»¶æ—¶½{‰ã€?/span>
  è°ähŒæŽ¨å‡ºçš„特¿U处ç†å™¨èŠ¯ç‰‡Edge TPU以åŠ(qi¨¢ng)NVIDIAçš„EDX芯片½{‰éƒ½æ˜¯é¢å‘上˜q°åº”用。然而,当电(sh¨´)å¦èŠ¯ç‰‡è¿½Ž—å¤§è§„æ¨¡æƒé‡çŸ©é˜µæ—Óž¼Œå…¶èƒ½é‡æŸè€—和计算速度已ç»è¾‘Öˆ°ç“‰™¢ˆåQŒè¿™å½±å“了智能边¾~˜è®¾å¤‡çš„¾l航旉™—´òq¶ä¼š(x¨¬)坯D‡´è®¡ç®—å»¶æ—¶åQŒè¿›è€Œå¢žåŠ æ™ºèƒ½ç»ˆç«¯çš„ä½“ç§¯åQŒé‡é‡å’ŒåŠŸçŽ‡ã€‚éº»çœç†å·¥å›¢é˜Ÿçš„光妿œåŠ¡å™?客户端架构主è¦å®žçŽîCº†åQ?/span>
  (1)一个硅光集æˆèŠ¯ç‰‡äØ“(f¨´)基础的“智能呞®„器â€?smart transceiver)用于ç”?å…‰è{æ¢ï¼Œé€šè¿‡æ³¢åˆ†å¤ç”¨æŠŠæƒé‡æ•°æ®ä¼ 输,用光¾U¤ä¼ 到毫瓦çñ”别的¾lˆç«¯å¤„ç†å™¨ï¼Œå…¶ä¸çš„æ•°æ®ä¼ é€å…‰å¦å¸¦
  宽达åˆ?.4THz(48通é“åQ?0GHzæ¯é€šé“)ã€?2)他们把AI模型从MITæ ¡å›ä¼ é€åˆ°æž—肯实验å®?86åƒç±³)的终端åšè®¡ç®—ã€?3)该架构实çŽîCº†99%的图åƒè¯†åˆ«å‡†¼‹®åº¦ã€‚通过采用自制的光ç”늧¯åˆ†å™¨åQŒä¹˜æ³•å™¨çš„æ¯‹Æ¡ä¹˜æ³•è¿½Ž—ä½ŽäºŽä¸€ä¸ªå…‰åæ•°ã€?/span>
  ˜q‘æ—¥åQŒç›¸å…Œ™®ºæ–‡ä»¥ã€Šåœ¨äº’蔾|‘è¾¹¾~˜çš„å•åŸŸå…‰åæ·±åº¦å¦ä¹ (f¨¤n)ã€?Delocalized photonic deep learning on the internet's edge)为题å‘表在Science上ã€?/span>
  亚历克斯·斯拉å¾äh–¯æ˜¯ç¬¬ä¸€ä½œè€…ï¼Œç‘žå®‰Â·å“ˆé»˜åˆ©å’Œå¾·å…‹Â·è‹±æ ¼ä¼¦æ•™æŽˆæ‹…ä»Õd…±åŒé€šè®¯ä½œè€…ï¼Œé™ˆåœ¨ä¿ŠäØ“(f¨´)å…±åŒä½œè€…ã€?/span>
ã€€ã€€è¯¥ç ”½I¶å§‹äº?019òq´ã€‚陈在俊è¯ß_(d¨¢)¼š(x¨¬)“Netcast是针对边¾~˜è¿½Ž—æå‡ºçš„å…‰å¦è§£å†³æ–ÒŽ(gu¨©)³•åQŒå®ƒèƒ½æä¾›å®žæ—¶è¿½Ž—åÆˆå‡å°‘能é‡è´Ÿè·åQŒå¯è¢«ç”¨äºŽè¾¹¾~˜è¿½Ž—çš„å„个场景åQŒåŒ…æ‹¬æ™ºèƒ½ä¼ æ„Ÿã€èœ‚½H网¾lœé€šä¿¡ã€èˆª½Iø™ˆªå¤©ã€æ™ºèƒ½å®¶å±…ç‰ã€‚实验过½E‹ä¸æœ‰å‡ ä¸ªæ ‡å¿—æ€§çš„é‡Œç¨‹¼„‘。â€?/span>
  ½W¬ä¸€æ¥ï¼Œé€šè¿‡é‡‡ç”¨¼‹…光芯片实现了高¾_„¡¡®çŽ‡çš„16æ³¢é•¿çš„å…‰å¦æ•°æ®ä¼ 输以å?qi¨¢ng)æÕQç‚ÒŽ(gu¨©)•°å€ég¹˜æ³•器åQŒè¯¥è®¡ç®—¾_‘Öº¦åœ¨æ¨¡æ‹Ÿè®¡½Ž—里相对较高åQŒå¯ä»¥æ»¡‘›_‡ 乎所有AI½Ž—法的需求ã€?/span>
  ½W¬äºŒæ¥ï¼Œä»–们把智能网¾lœé€šè¿‡å…‰çº¤˜q›è¡Œé•¿è·¼›?86åƒç±³)ä¼ è¾“åˆ°æž—è‚¯å®žéªŒå®¤åQŒåÆˆä¿æŒåŒæ ·çš„计½Ž—精度。第三æ¥åQŒè¯¥å›¢é˜Ÿé‡‡ç”¨å•å…‰å计数器åQŒåœ¨å®žéªŒé‡Œå®žçŽîCº†òq›_‡ä½ŽäºŽä¸€ä¸ªå…‰å数的乘法器ã€?/span>
ã€€ã€€å¦æ®æ‚(zh¨¨n)‰ï¼Œè¯¥é¡¹ç›®å¾—到进一æ¥èµ„助,目å‰MITè‹±æ ¼ä¼¦è¯¾é¢˜ç»„å’Œå—åŠ å·žå¤§å¦é™ˆåœ¨ä¿Šè¯¾é¢˜ç»„æ£åˆä½œç ”å‘下一代高度集æˆçš„边缘计算芯片ã€?/span>
ç‰ˆæƒæ‰€æœ‰ï¼š(x¨¬)驻马店ä¿å®‰æœåŠ¡æœ‰é™å…¬å¸æŠ€é˜²åˆ†å…¬å¸
ç”?sh¨´)è¯åQ?396--2908080 地å€åQšæ²³å—çœé©»é©¬åº—市金雀路东ŒDµå¼€å‘区一ž®å¯¹é¢ï¼ˆåŽŸä¸œé«˜æ´¾å‡ºæ‰€åQ?/p>