比年来，东谈主工智能冲突激勉了高性能GPU需求暴增。GPU坐褥商英伟达2023年市值增长239.2%，2024年又涨了45.9%，适度2月12日市值达到1.78万亿好意思元。GPU也曾成为公共高技术业界最炙手可热的商品之一，好意思国商务部还特等针对中国限制GPU性能，连游戏玩家用的RTX 4090都不让卖了。

在这种情况下，一些媒体防护到了中国的一项效果。2023年10月25日，清华大学戴琼海院士与乔飞副谈论员团队在《自然》杂志发表论文《All-analog photoelectronic chip for high-speed vision tasks》，先容了光电领略芯片ACCEL。一些新闻标题说这款芯片“算力是商用GPU的3000多倍”，内容中具体是“在包括 ImageNet 等智能视觉任求实测中，调换准确率下，比现存高性能 GPU 算力提高三千倍，能效提高四百万倍，具备超高算力、超低功耗的特色”。

这是确凿吗？这种光电领略芯片，能否在行业中应用延迟，匡助中国冲突GPU封闭？

其实这很猛进度是误读，因为这些媒体把ACCEL和商用GPU的“算力”拿来对比的门径有问题。简而言之，是把前者的遽然发达和后者的捏续发达同等看待了。但要深化贯穿问题在那里，咱们就要先来了解下光电领略芯片以及商用GPU芯片的基本学问，包括它们的架构与性能特色。

光电领略芯片ACCEL，顾名想义，它是一个芯片，但领略了“光”和“电”的性格。芯片有逻辑芯片和存储芯片两大类（还有一类半导体器件是功率放大器，偶然也称为功率芯片），高性能GPU即是将狡计才智开阔的逻辑芯片与多达几十G容量的先进存储芯片封装在一谈。

从性质上看，ACCEL是逻辑芯片，功能是狡计，况且狡计功能戒指为图像的方法识别。咫尺它还曲直常挑升的逻辑狡计芯片，莫得通用狡计功能。

天下第一款GPU：英伟达GeForce 256

GPU能不成作念通用狡计呢？以前不行，咫尺可以。GPU芯片起始功能专一，其前身叫“显卡”，处理的是2D屏幕上像素点的披露问题。1999年英伟达推出第一款GPU芯片GeForce 256时，矜重提议了GPU的定名Graphics Processing Unit，大概处理许多正本由CPU负责的T&L（Transforming & Lighting，几何光影颐养）算法，也曾有了通用处理器的一些性格。此时市集上CPU的价值如故更被敬重，用CPU来处理图像披露问题（如用CPU已毕的“软光栅”算法）奢靡了，就用GPU来打扶助，用其多核来并行处理天生顺应并行的图像披露问题。

英特尔其时以为，GPU是扶助的，没太大价值，于是干脆和自家的CPU集成在一谈卖，叫集成显卡。一般东谈主都不知谈我方的机器里有集成显卡，挑升买寂然显卡的东谈主才比较懂GPU。这可能是英特尔犯的最大荒唐，到2022年才运转推出寂然显卡，和英伟达、AMD抢买卖。

到2003年，GPGPU（General Purpose computing on GPU，GPU通用狡计）的观念被提议来。之后跟着GPU才智越来越强，到2010年之后，高性能GPU也曾能完成相称多不同种类的狡计任务，如图形3D、神经收罗、科学狡计、云狡计、数据中心、AIGC、假话语模子等等，相称通用了。到这个阶段，高性能GPU就显得比CPU有价值多了，价钱也拉开了几十倍的差距。可以这样说，CPU能狡计的GPU都能算，而GPU能快速完成的许多狡计任务，CPU表面上能完成但实在太慢，等于不行。是以咫尺的情况是，精练的任务才会让低廉的CPU干，CPU成打扶助的了。GPU霸主英伟达的市值，2024年2月12日达到了老牌CPU霸主英特尔的9.7倍，这即是GPU开阔狡计才智的平直体现。

底下咱们来看，光电领略芯片ACCEL是怎样作念狡计的。它领略了“光”与“电”，其中“光”是指“光狡计”（photonic computing），“电”即是电子。跟电子比较，光子有很凸起的性能，举例莫得静止质地，光子之间莫得彼此作用劲，彼此险些不搅扰，不受电磁场搅扰等等。在通讯业中，光纤就比铜缆的带宽大得多，能耗还小，光通讯是进修应用了。电子的优点是，天生顺应二进制逻辑狡计，因为有半导体的神奇功能，通过电压变化，器件就能在导通和阻断之间贤达变化，恰巧代表了0和1。

《三体》电视剧中的东谈主列狡计机

稍有狡计机学问的东谈主，会明白基于电流、电压的半导体作念狡计是比较自然的，二进制逻辑不难解。就如刘慈欣《三体》中形容的，用几个士兵就能演示与、或、非基本逻辑狡计，进良友毕加减乘除等数学运算，直到整个这个词狡计机系统。

集成光路示意图

光子其实亦然可以搞狡计的，况且是零能耗。上图是一个与“集成电路”类似的“集成光路”，激光器产生的光在“光路”的万般元器件里传输处理，效果很是于狡计。你可能会意料我的一又友袁岚峰平淡先容的、中国科学本领大学研发的“九章”系列量子狡计机，但它和这里说的光狡计并不是一趟事。九章亦然用光来作念狡计，但它是哄骗单个光子的量子性格，如肖似和纠缠。而一般说的光狡计，用的如故无数光子的插手、衍射等经典性格。

举例一束光通过透镜衍射，就可以贯穿为实行傅里叶变换积分。整个这个词过程是“无源”的，能耗为零，无须如集成电路那样外加电源。再一个例子是马赫-曾德尔插手仪（MZI，Mach–Zehnder Interferometer），可以平直构造出一个2 × 2的矩阵，亦然无源的。级联的MZI可以进行矩阵乘法，相称有性格，让MZI成为光狡计的基础单元，ACCEL论文里也提到了MZI。这就有些专科了，不象电子天下的二进制逻辑那样容易贯穿。

底下咱们来稍许崇拜地先容一下马赫-曾德尔插手仪。你可能传说过恩斯特·马赫，他曲直常着名的物理学家和形而上学家，爱因斯坦屡次闪现受到过他的很大启发。但马赫-曾德尔插手仪中的马赫并不是恩斯特·马赫，而是他的男儿路德维希·马赫。路德维·曾德尔1891年提议这种插手仪的构想，路德维希·马赫1892年改进，两东谈主提议的这种插手仪构型很机动，被粗鲁应用于量子力学的基础谈论。MZI自后应用到了光通讯，近来又用到了光狡计，在光学测量中也很常用。

马赫-曾德尔插手仪示意图

如图，马赫-曾德尔插手仪的图像效果是，检测盒（test cell）中的火焰物体，在右方披露为白色火焰（相长插手，Constructive Interference），上方披露为玄色火焰（相消插手，Destructive Interference）。中枢安装是左下和右上两个“半镀镜”，镀膜的厚度很小，恰巧让45度角入射的一半晴明透射往日，一半反射走。光源经过透镜造成准直光束，被左下的半镀镜分红两谈，往上走的叫“样品光束”，平走的叫“参考光束”，半镀镜等于起到了“分光器”（beamsplitter，BS）的作用。参考光束的光路上有一个赔偿盒（compensating cell），是和磨真金不怕火盒（test cell）一样的玻璃盒，摈斥两条光路除样品外的颠倒影响。全心颐养，让两条光路距离一样。两个光束分辨被左上和右下的镀银镜全反射，又在上方的半镀镜遇上，一半样品光束透射过它，和被它反射的一半参考光束一谈到达右边探伤器（屏幕），发生相长插手；一半样品光束被它反射，和透射过它的一半参考光束一谈到达上头的探伤器，发生相消插手。

你可能想问，既然两条光路距离调换，为什么不是双方都是相长插手，而是一边相长，一边相消？重要道理是，反射有可能改造相位，也可能不变。最终两束光相位违犯即是相消插手，相位调换即是相长插手。仔细不雅察，左下的半镀镜是镀膜（细黑条）在上、玻璃（粗灰条）不才；右上的半镀镜是玻璃在上、镀膜不才。

反射相位改造与否的法规是由菲涅尔方程决定的：在低折射率介质里传的波动，投入高折射率的介质，波动相位会变。也即是从低到高反射，相位会变，但从高到低反射，相位不变。样品光束在左下半镀镜反射走，是从空气到镀膜，空气折射率低于镀膜，会改造一次相位（参考光束被右上半镀镜反射类似）。而样品光束在右上半镀镜反射走，是从玻璃到镀膜，玻璃折射率高于镀膜，不改造相位。

透射是不改造相位的。咱们看样品光束和参考光束经过的反射，就会发现，在右边屏幕发生插手时，两束光的相位改造次数是一样的（全反射镜也算一次，各改造了两次），相位调换，相长插手。而在上边屏幕发生插手时，样品光束的相位改造多一次（样品光束两次，参考光束一次），两者反相了，相消插手。

那MZI是怎样用到光狡计内部的？马赫与曾德尔是提议实验构想，具体的插手已毕多种万般，只淌若光束经过分光器，经不同旅途又发生插手，就顺应粗野，通称为MZI。光的加法很精练，即是两束光通过波导管传输，在波导管相遇的方位，信号被标的耦合器加在一谈。而光的乘法即是MZI的插手效应已毕的，自然器件比原始的马赫-曾德尔插手仪要小得多了，有好多改进。

单个经典的MZI：两个分光器BS，两个反射镜M，三个移相器

如图，一个经典的MZI和原始的马赫-曾德尔插手仪梗概类似，两个分光器就等于半镀镜，两个反射镜也一样。但是，多了三个移相器，入射的光也变成两个了，E1和E2两束光都是一半透射一半90度角反射，透射的和另一束光反射的恰巧同标的。E1和E2就代表一个2 × 1的矩阵E = [E1, E2]，这个矩阵经过MZI乘以2 × 2的矩阵U，就变成另一个2 × 1的矩阵E’ = [E’1,E’2]，公式是E’ = E * U。移相器的三个角度值α/β/θ，代表相乘的2 × 2的矩阵U，U的数值是可变的（也即是可编程的），但必须是酉矩阵（unitary matrix，也叫幺正矩阵），是以矩阵的4个值用3个参数可代表。酉矩阵的界说是，它和另外一个矩阵乘，能得出对角线全是1的单元矩阵，具有一定的对称性。具体的数学公式很复杂，但梗概道理并不难明白。晴明在MZI里凭证相位插手，两条光路很是于两个并行的数值狡计。这个MZI就代表了2 × 2的矩阵U。

这个架构是可扩展的，举例将4×1的输入矩阵E剖析，用6个MZI，就能获取E与4×4的矩阵U相乘的罢了E’。法规是，n×n的酉矩阵U，可以用n(n-1)/2个MZI来闪现。上图U的上角标4代表它的维度是4。

哄骗矩阵的奇异值剖析法（Singular Value Decomposition, SVD），级联MZI可以已毕即兴矩阵的乘法。SVD是说，即兴m × n的矩阵M，可以闪现为三个矩阵的乘积，M = UEV，其中U是n × n的酉矩阵，V是m × m的酉矩阵，E是m × n的对角矩阵（对角线除外全是0）。这三个矩阵都可以用级联MZI来闪现，对角矩阵更精练，用n个MZI光衰减器就可以。防护一般的n × n方阵也需要用SVD剖析，因为可能不是酉矩阵。

图为级联MZI组成的光学插手单元（Optical Interference Unit，OIU）。这些遐想也曾有骨子的光子芯片应用了。MZI观念上是光子芯片的元器件，偶然需要相称多的数目，如64 × 64的矩阵乘法就需要8128个MZI。

近来相称流行的神经收罗深度学习，最常用的基础运算是卷积。而透镜衍射的傅立叶变换就可以模拟卷积运算，因此用光学元器件模拟深度神经收罗是可行的，这即是光学神经收罗（Optical Neural Network, ONN）。图为一个手写数字识别ONN，一个空间光调制器（SLM，Spatial Light Modulator）就很是于深度神经收罗中的一层。有一个实体的掩码板（weight mask），等于是权重整个，放在光路中当作整个调制卷积过程。L7作逆的傅立叶变换，把晴明聚焦到CCD中的某个区域。运行起来效果是，输入端晴明代表的数字，经过透镜与掩码组，终末总能神奇地聚焦到CCD的对应区域。这个过程的数学解说，即是深度神经收罗。

光狡计有顽劣耗的性格，但是因为狡计机系统没法解读光信号，骨子应用时还需要光电颐养以及最终输出处理枢纽。

传统的光狡计应用过程，摘自ACCEL论文

图为传统的图像识别光狡计应用过程，小车的图像是光信号输入，经过MZI光狡计、D2NN（即是一种ONN，衍射深度神经收罗）处理，造成了特征彰着的光信号。但这些光信号要经过好多photodiode（光电二极管）转成电信号（基于光电效应），再从电信号经ADC（模数颐养）变成数字信号投入狡计机内存，还要跑一个袖珍数字神经收罗全聚首层（在光信号那里作念不轻便），最终造成识别罢了，认出是小汽车。

这个传统光狡计应用架构短处很大。说是光子零能耗，但是大鸿沟的光电颐养、ADC颐养相称耗能。晴明在繁密级联MZI、透镜掩码组里传播、插手、衍射，这个过程并不是很靠谱，也即是“非线性”，元器件一多就不灵了。况且也不抗搅扰，晴明稍有点环境扰动罢了就不合。比较之下，基于电子的芯片就很靠谱，信号在上百亿个晶体管之间传送都不会错。是以传统的光狡计多年来都只可“展示后劲”，如果是眷注前沿本领进展的一又友，和会常在著作中看到它，但从来不见它大鸿沟应用。这即是因为它应用不轻便，从光信号到数字信号过程生硬，光电领略得不好。

了解了这些配景，才能明白清华团队ACCEL的跨越。它奥妙地领略了光子与电子各自的性格上风，是以叫光电领略芯片。ACCEL的全称是All-analog Chip Combining Electronic and Light computing，全模拟电光狡计领略芯片，这里的重心除了光电领略，即是All-analog，全程模拟信号，省去了耗能的ADC枢纽。

ACCEL的架构

ACCEL的图像识别过程，分为OAC（Optical Analog Computing，光模拟狡计）和EAC（Electronic Analog Computing，电模拟狡计）两个枢纽。小车的光学图像包含极多光学信号，经过光学元器件阵列，陆续进行“特征索取”，很是于用ONN已毕深度神经收罗运算，在OAC里生成了小量光学信号（但包含了重要信息）。OAC输出的光信号，经过少许光电二极管阵列颐养（唯独32 × 32个），变成电信号（仍然是模拟信号）。这些电信号在EAC里的SRAM阵列里传输，用奥妙的办法模拟了一个神经收罗全聚首层。终末电信号造成了精练的脉冲序列输出，完成识别过程。

可以看出，OAC鉴戒了ONN的本领，主要的转换是在EAC枢纽。SRAM是static random-access memory，存储一个比特。EAC模拟已毕了一个二值化的神经收罗全聚首层。全聚首是方法识别的深度神经收罗终末一层常用办法，EAC里是1024 × N的全聚首（1024即是32 × 32个从OAC颐养来的电信号，N是需要识别的物体种类数，ACCEL里N小于等于16）。

二值化神经收罗聚首是说，权重整个唯独两种景象（正和负）。每个从光信号转来的电信号，会凭证其聚首的SRAM存储的比特值是0如故1，决定连到V+如故V-这两条线之一。两条线各有一些电信号连过来，先各自凭证基尔霍夫定律合并出电流值，再在输出Node彼此比较电流大小，得出一个电压差脉冲输出。如果有N个物体需要分辨，从OAC颐养来的电信号会同期接到N组SRAM里，组合出N个脉冲输出。终末脉冲在Comparator里比较，哪个大就代表识别罢了是它。神经收罗老师，即是凭证正确输出罢了，告诉EAC，对应Node输出的脉冲大了、小了，反向去修改SRAM里的0和1值。老师好了，1024×N个SRAM里就存储了一套权重整个，可以用于方法识别了。

整个这个词过程很奥妙，EAC的输出平直就识别好了，不需要再在传统狡计机里狡计处理。是以，ACCEL芯片已毕了完整的图像识别狡计过程。它内部有光学信号、电信号，在一级级传输，有个狡计过程，但竣工莫得传统芯片的数字逻辑过程。是以叫作念All-analog，全程模拟信号，不需要ADC颐养，这就相称强横了，能效极高。

ACCEL的优点有多种。在OAC枢纽，光学图像输入包含海量的细节，用透镜和掩码组陆续变换，终末就造成32×32的小鸿沟输出。这个特征索取过程相称清贫，它是光电领略芯片能快速狡计的主要元勋，是一个光学过程，光速、低时延、顽劣耗。这个过程如果用传统芯片来作念，需要相称多的晶体管，况且并行拦阻易，需要GPU加快。光学过程自然即是并行的，况且已毕精练。

但OAC的输出是“详细”的，谁也看不懂。如果导入传统狡计机系统里解读，就又引入了传统内存与逻辑芯片的毛病，还不如只用传统芯片处理精练。ACCEL用EAC去解读OAC的输出，用SRAM阵列很精练地就进行了电流狡计，最终的电流脉冲罢了能和识别罢了很好地对应上，这是一个让东谈主叫绝的办法。

架构遐想可以，还要评估骨子效果。清华谈论团队对MNIST、ImageNet数据集的几个典型学术谈论型案例，评估了运行效果。这些案例包括，10个手写数字的识别、3类图形样例的识别，还有一个视频行为的分类识别。

要防护，ACCEL芯片架构评估其实不需要骨子造出芯片，可以先模拟评估。就如同芯片遐想时，可以选择器用软件模拟运行看效果，看遐想是否奏效。ACCEL的OAC和EAC的信号处理行为，都可以用狡计机模拟出来。模拟运行、老师神经收罗，考据架构可行性、方法识别效果让东谈主散漫，再去骨子造出ACCEL。

这种模拟就能发现传统光狡计芯片的毛病了。如ImageNet中256×256的图像分类识别，对传统光狡计架构很困难，因为要放好多MZI，需要的ONN层数较多，会导致光信号在光路上经过的枢纽过多，非线性性格发作，性能乱套。ACCEL对这类较大的图像还能草率过来，讲明架构上比传统光狡计要强好多。

但是需要指出，ACCEL模拟评估的门径，就讲明它仍然是一个谈论型的芯片。这些评估的任务是相对精练的，如对ImageNet中的三类物体进行分辩，栗色马、救护车、衣柜。ACCEL的识别率是80.7%，这听起来不高，但仍然高于它的比较对象、一个传统数字神经收罗的75.3%。为什么呢？因为这个比较对象仅仅一个三层的精练收罗。昭彰这意味着双方离委果应用都很远。咫尺委果实用的深度学习方法识别的识别率很高，大概处理的图片较大，应用的神经收罗层数相称多，跟这种“玩物模子”不是合并层面的。

之后，清华团队骨子造出了ACCEL芯片，进行了评估。但由于其谈论型目的，用的工艺是相对精练的。传统光狡计芯片的问题是，在制造过程中，会出现光路对皆、信号噪声之类的残障，大大影响骨子发达。ACCEL由于芯片架构精练，是以在这方面发达好一些，制造引入的残障少，信号噪声、低光照条款下发达可以，亦然一个优点。ACCEL就算造的不圆善，因为权重是凭证骨子样例老师的，能在老师中更正一些。

ACCEL制造出来后，在一些测试样例中，识别率发达和模拟评估一致，有的数值稍差一丝但可以贯穿。到这一步，才讲明芯片遐想和制造算是奏效的，已毕了意图，之后关于优厚性能的讲明才有道理。

总体来说，ACCEL识别率方面的性能磋磨还可以。一个特等大的优点是，在低照度的情况下，传统办法全部会失败，但ACCEL还能很好地处理。这是因为其它架构都需要ADC模数颐养，信号强度不够就不行了。而ACCEL在低照度情况下，模拟信号仍然能正常地自然运算，直到整个这个词狡计完成。

咫尺咱们回到著作起首的问题，新闻里说的“算力是商用GPU的3000多倍”，这话究竟对不合呢？其实竣工误导，它只可贯穿为一种形色，并不是骨子的算力发达。

起始来贯穿一下，这个说法是怎样来的。ACCEL的优点是，它即是一个光信号、电信号传播的过程，不象传统芯片那样狡计速率受限于“时钟周期”。可以想象，传统芯片的狡计过程是一步步的，象僵直的机器东谈主一样一个节奏动一下。而ACCEL是一个活水一样的自然过程，险些莫得卡顿，自然偶然钟周期，但不太受限制，唯独SRAM存储更新之类的彰着需要节奏的方位会用到。

实测下来，ACCEL用2-9个纳秒就能完成一幅图像的处理。1纳秒是十亿分之一秒，是100万之一毫秒。平淡东谈主们用CPU处理一幅图像识别是几十到几百毫秒，用GPU加快也要几个毫秒。也即是说，ACCEL的处理时候唯唯一般芯片的百万分之一以下。

因此，可以以为ACCEL的时钟频率是500M，也即是一个时钟周期2纳秒。等于是说，几个时钟周期，ACCEL就把狡计任务办完毕。而在传统狡计机里，不管是CPU如故GPU，这类狡计任务都要好多个时钟周期的，作念个乘法就要好多步。并行是说，海量数据可以组成向量加快，但对某个数据处理的时钟周期是省不了的。

是以清华论文陈述说，在进行ImageNet三类物体分类时，ACCEL的狡计速率约很是于4550个TOPS。TOPS是Tera Operations Per Second，代表每秒1万亿次操作。这个狡计速率确乎能有商用GPU的3000多倍，因为GPU每秒能有1万亿次操作也曾很好了。所谓“算力是商用GPU的3000多倍”，即是这样来的。但这个说法，究竟是那里不合呢？

委果的问题，在于捏续狡计。ACCEL确乎能在几纳秒之内处理一幅图像的光信号，但它能不成捏续运算，确凿用一秒时候，完成4550TOPS的运算量？这就不行了，因为准备任务是需要时候的。举例以它的狡计速率，一秒能处理1亿个图片，但把这样多图片的光信号在一秒内发送给它，是不可能的。骨子准备一个图片需要的时候就不短，委果的瓶颈是在这儿。

ACCEL芯片测试准备

ACCEL芯片是一个光电芯片，它的输入是光信号，要把它运行起来，需要准备好光信号输入，而这是个很是复杂的任务。按论文形容，清华团队要搭起光学镜片组，才能将识别主义的光信号输入给ACCEL进行处理，换下一个识别主义要不少操作。而GPU、CPU在狡计机系统中应用多年了，处理输入也曾很进修了，是以能将海量数据组织起来，象活水线一样送到运算中枢不休处理。高性能GPU的中枢本领之一，即是海量数据输入管制，要用到上百G的高速存储器，多级缓存。

是以，论总的算力ACCEL并不大，它仅仅对整个这个词经由中的一步处理得极快，而这一步快的代价是另一些法子慢。一个譬如是，一个士兵眼前恰巧有一个敌东谈主，他开枪只用1秒钟就散失了一个敌东谈主。但这不代表他可以一小时散失3600个敌东谈主，更不是说他可以一个东谈主顶3000多个东谈主。如果有东谈主说他的“战力”有3000多个士兵这样多，这就错得离谱。再一个譬如是，一张弓，可以在1秒内让箭飞出100米，速率很快。但是，不成说它的“运载才智”是1小时360公里，因为没法捏续飞。如果射一箭，东谈主走往日再射一箭，这样勤快，一小时跑不了多远。

如果是了解可控核聚变的一又友，可能会意料另一个更有本领含量的譬如。可控核聚变有两条路线，磁拘谨和惯性拘谨。咱们平时平淡看到新闻的EAST、ITER等托卡马克属于磁拘谨，而激光打靶属于惯性拘谨。2022年12月，好意思国国度燃烧安装（NIF）已毕了一个里程碑，能量输出高出了输入。但是，这意味着惯性拘谨聚变能用来发电了吗？其实还差得远。原因有好多，其中之一即是激光打靶是不一语气的，聚变反映时候唯独几纳秒，而准备一次打靶却要一天（好意思国NIF激光聚变“燃烧”奏效，聚变电站还远吗？｜DrSHI不雅科技）。这比“一曝十寒”还夸张，是“纳秒曝一天寒”，是以总的效力相称低，离实用还很远。

而比较之下，GPU的算力即是真实的，它确乎能一语气一直跑，跑到芯片发烫，东谈主东谈主都能听见电扇的声息。GPU应用时，会有配套的狡计机系统、应用圭臬、CUDA驱动赈济，偶然需要上百G的HBM3快速存储，这都是为了一语气处理海量数据。

另一个磋磨是与能耗联系的。ACCEL险些毋庸能量，唯独激光、SRAM用一丝，能耗磋磨相称优秀。论文中给出的能耗磋磨是74800TOPS每瓦，这即是新闻中提到的“能效提高四百万倍”。

不异的兴味，这种说法亦然很误导的。这是因为ACCEL处理整个这个词经由中的一步险些毋庸能量，而不是ACCEL真用了与CPU或GPU很是的能量，完成了四百多万倍的运算。一个譬如是，一只蚂蚁险些毋庸能量就能爬1米，能耗效力比东谈主要高多了。但是东谈主可以把10斤重的箱子拿起来，蚂蚁却不可能作念到。

终末，咱们往返来一下。清华ACCEL芯片领略了光电的性格，曲直常奥妙的芯片架构，本领磋磨优秀，将光狡计的后劲进一步展示。是以这个责任发表在《自然》上，激勉了很是的震憾。它的快速狡计、低功耗的性格，正如论文中提到的，在可衣着缔造、自动驾驶、工业检测等领域很有应用远景。应该说清华团队的回来是澄澈的，在这些领域视频图像信号能低功耗快速处理，会是可以的应用。

但是，一些媒体将磋磨践诺到与GPU对比，以为ACCEL的算力与功耗磋磨比GPU好得多，致使默示ACCEL可能处罚先进GPU问题，这就竣工误读了。一方面的问题是，GPU有“通用狡计”才智，能完成好多复杂任务，而ACCEL只用于视频与图像方法识别，应用领域较窄。但根底的问题是，磋磨对比门径荒唐。这种比法对ACCEL来说是只看到上风，没看到代价，对GPU来说是暴虐了GPU一语气狡计的才智。

更深脉络的问题是，媒体为什么平淡犯这种荒唐呢？或许是因为他们总想搞个大新闻，而忽略了提高学问水平。