光启AI：全新图像生成与节能推理的突破

快速、节能地实现生成式 AI 的可扩展推理，是当前 AI 行业亟需攻克的关键挑战。

如今，AI 领域的进步正引领我们进入一个新纪元，将“光”融入 AIGC（AI 生成内容）领域，基于系统硬件的物理规律，首次实现了具备特定特征的全新图像生成。

来自加州大学洛杉矶分校的研究团队成功实现了手写数字、时尚产品、蝴蝶、人脸及艺术品（如梵高风格）的单色与多色图像的光学生成，且整体性能可与数字神经网络的生成式模型相媲美。

论文链接：Nature

研究团队表示，这一光学生成式模型有望为节能且可扩展的推理任务探索新路径，进一步挖掘光学与光子学在 AIGC 领域的潜力。同时，这种光学系统与机器学习方法的融合，有望应用于增强现实（AR）和虚拟现实（VR）领域。

在一篇同期发表的新闻与观点文章中，法国国家科学研究中心 FEMTO‑ST 研究所研究员 Daniel Brunner 认为，这项成果具有重要的技术与科学意义，是迈向利用非常规物理系统构建生成式计算模型的重要一步。

文章链接：Nature

Brunner 指出，由于光子处理信息具有天然优势，如可同时处理整个三维体积中的数据，“光学生成式模型也有望具备生成三维图像的潜力”。

Brunner 表示，为使未来的光学生成式模型更强、更灵活，可能还需构建“同时采用光学编码器与光学解码器的模型”，并尝试构建多层解码系统，运用更复杂的光学现象。

然而，正如 Brunner 所言，这项研究的“未来价值取决于能否实现完全落地”，但前路漫漫。

“理想情况下需借助可扩展的集成电路技术，同时避免当前数字硬件编码所需耗时耗能的数据预处理环节。即便在电子学、光学物理计算及两者融合领域历经数十年研究后，这仍将是一项极具挑战性的任务。”