（来源：上观新闻）
今天的大模型推🚤🤸♀️理和 Ag🇱🇨😐ent 场景🕸，对编程灵活🔀性、细粒度🧮访存能力、Ca📶🇸🇽che l👧👳♀️ine 设计等💄📏均提出更高的🚜⬜要求；同时，AI🇬🇶💮 产业的🇵🇭🈴发展也需要更开🇱🇨放的生态支持⏮🚜。光子芯片的🎓🧙♀️性能提升与🇨🇲🎺光子矩阵规模、主🛸🎉频速率和波长数😧🥜量等参数相关，🚌🏏而不依赖晶🕠📏体管的密度及芯片🥌🍉制程的提升，并且🈳🇹🇿拥有高通量、🚖🛡低延时、低功耗等🧀🈷特点，因此用光计😔📷算来代替部分当前💤🎟的电计算就成👟🥊为了突破现🦵有瓶颈的有效🤚途径🚩🧚♀️。
马克·莫德勒（🥎👨🎨伯恩斯🎖坦研究）： 🏥🇵🇹感谢提问机会，🇱🇹🧡也祝贺本季🥜度亮眼的👩🏫业绩和增长，🔈🇾🇹以及展望中的积🔤🧪极信号🍘😡。当前头部的云👷厂商是AI加速器⏏的主要客🏢户，他们在🧝♂️🥳这方面的◀🦸♂️资本支出也是相当👺🛣的庞大，面🇭🇷对英伟达G🇪🇹PU的🇹🇴🇪🇸成本和6️⃣⛷能耗持续🔓攀升，也迫使👀他们不🇧🇷得不纷纷开🚓始自研或引🌺入第三🚣♀️方的专☄用AI 🙋🇮🇱ASIC加💂♀️🎇速器，以降低成🏠本、提🥓♊升能效✌📃。AI时代，电芯🇴🇲片正面临巨大挑战⌚💅 过去半🧶个多世纪，电子芯💐🦔片计算能力的提升🇲🇺🐭主要依赖🍟🏗三条路径：🙍♂️👩⚖️制程微缩、🥨🇧🇯架构创新和封🦄👔装集成🌏🚐。
