（来源：上观新闻）
每刻深思首🧀🌻席科学家乔飞强👣调，空间光🇳🇮学计算的商业🕦📤化路径是“光🐥电融合”，🎿🤕而非“👨🚒全光取代”🤸♀️😑。据产业测算🚲，生产🔻🥬一颗HB🇺🇿🏣M芯片通常🇫🇯🐦需要挤占两🗨🦒到三颗🎃常规DR👜AM的产能空👯间👗。还能图文🔴🧖♂️交错生成多页🌲故事+插图🚈。在基于Ope🤽♀️🎹nAI知识产权进👩🚀行创新🥔方面，我们🌯也取得🇧🇸🍵了进展，包😦🍬括：Wor🚴🇸🇮k IQ和Cop🕹🙅♂️ilot中的多步😚检索优化9️⃣😤，以及研究员🇳🇵😪功能中针🇬🇮🌥对意图复杂🥏📒度的自适应推理🧞♀️——在🍍大幅降低💷🇧🇿延迟的同时🍪提升了准确性◾。
随着AI对于算🈳力需求💃的飙升，以英伟达💽GPU为代表的🌐☸电子芯片😲功率也在🍧🇸🇨快速提⬅👆升（比如H200🐈🧻功率为70🎡🇸🇪0W，Ver🙇🌝a Robin💙的功率就已经高🔌达2300W）⛩，带动整个🦒👨👨👧👦AI系统对于电⛔力的需求暴✖涨🦛🐐。具体来说，与🇪🇸集成光学计算芯❕片相比👩💻，每刻深🇲🇫思的ACCEL由🧱📃于采用的是空间光🇰🇵🐗计算，是过微纳结🌬🧶构进行计🇲🇪🇫🇷算，集成度高🔦🇨🇿，可做多层🛬计算，计算规模也🥀远大于一💎🆘维的集成光🏞🙁子计算，目前🇦🇪最高可以做到“4🇻🇬🤠00×400📏🧳×2矩阵”（远📎高于集成🍣光学计算方案👨的曦智科技的P🇲🇷🤾♀️ACE2的“1👩⚖️泛目录站28×12🍛8矩阵”）🕑，光学计算性能🔪🆔最高可达4550✖TOPS👩👦（FP8），超过🇰🇵📓了英伟达3️⃣H200；光学计👇算能效比🐖最高可达7.4🎙🌔5×10⁴ T🎀🎄OPS/W，相🌮🚴♀️比H200提升了⚙🗓4个数量级，®这几项⭕项指标均居于🛂全球领先地位💡。
这样才💱🚘能确保底层能力真🍳😫泛目录站正掌握在自👩✈️📲己手中，而不👩🦱📠是长期依附在既有🎲国外生🇹🇲态之上🧟♀️。二、 算⚰法对硬👞🤝件的降🌔维修正：T😶🌥urb🇬🇾oQuant与杰🈸文斯悖🇨🇺🏇论 资本市场对硬🌴件需求7️⃣的线性外推，💄正在被底➕层软件算法的🔳跃迁所打破🇵🇦。
