以大模型为代表的人工智能技术迅猛发展，对算力的需求呈现远超摩尔定律增长的趋势，新兴智能计算范式的发展迫在眉睫。光具备传播速度快、表征维度多、计算功耗低等物理特性。智能光计算用光子替代电子作为计算载体，以光的受控传播实现计算，有望对当前计算范式带来颠覆性的突破，成为新一代人工智能发展的国际前沿。针对大规模可重构智能光计算难题，清华大学方璐、戴琼海等摒弃了传统电子深度计算的范式，首创了分布式广度光计算架构，建立干涉-衍射联合传播模型，研制了国际首款大规模通用智能光计算芯片“太极”，实现每焦耳160万亿次运算的系统级能量效率，首次赋能光计算实现自然场景千类对象识别、跨模态内容生成等通用人工智能任务。

　　训练和推理是AI大模型核心能力的两大基石，缺一不可。针对大规模神经网络的训练难题，该团队构建了光子传播对称性模型，摒弃了电训练反向传播范式，首创了全前向智能光计算训练架构，摆脱了对GPU离线训练的依赖，支撑智能系统的高效精准光训练。

　　太极系列芯片实现了大规模神经网络的高效推理与训练，相较于国际先进GPU（依赖7 nm先进光刻制程），系统级能效提升了2个数量级，且仅需百纳米级制程工艺。有望解决电子芯片痛点问题，以全新的计算范式破除人工智能算力困局，以更低的资源消耗和更小的边际成本，为人工智能大模型、通用人工智能、复杂智能系统的高速高能效计算探索新路径。