近年来，人工智能突破引发了高性能GPU需求暴增。GPU生产商英伟达2023年市值增长239.2%，2024年又涨了45.9%，截至2月12日市值达到1.78万亿美元。GPU已经成为全球高科技业界最炙手可热的商品之一，美国商务部还特别针对中国限制GPU性能，连游戏玩家用的RTX 4090都不让卖了。

在这种情况下，一些媒体注意到了中国的一项成果。2023年10月25日，清华大学戴琼海院士与乔飞副研究员团队在《自然》杂志发表论文《All-analog photoelectronic chip for high-speed vision tasks》，介绍了光电融合芯片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 等智能视觉任务实测中，相同准确率下，比现有高性能 GPU 算力提升三千倍，能效提升四百万倍，具备超高算力、超低功耗的特点”。

这是真的吗？这种光电融合芯片，能否在行业中应用推广，帮助中国突破GPU封锁？

其实这很大程度是误读，因为这些媒体把ACCEL和商用GPU的“算力”拿来对比的方法有问题。简而言之，是把前者的瞬间表现和后者的持续表现混为一谈了。但要深入理解问题在哪里，我们就要先来了解下光电融合芯片以及商用GPU芯片的基本知识，包括它们的架构与性能特点。

光电融合芯片ACCEL，顾名思义，它是一个芯片，但融合了“光”和“电”的特性。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，有时也称为功率芯片），高性能GPU就是将计算能力强大的逻辑芯片与多达几十G容量的先进存储芯片封装在一起。

从性质上看，ACCEL是逻辑芯片，功能是计算，而且计算功能限定为图像的模式识别。目前它还是非常专门的逻辑计算芯片，没有通用计算功能。

世界第一款GPU：英伟达GeForce 256

GPU能不能做通用计算呢？以前不行，现在可以。GPU芯片最初功能专一，其前身叫“显卡”，处理的是2D屏幕上像素点的显示问题。1999年英伟达推出第一款GPU芯片GeForce 256时，正式提出了GPU的命名Graphics Processing Unit，能够处理许多本来由CPU负责的T&L（Transforming & Lighting，几何光影转换）算法，已经有了通用处理器的一些特性。此时市场上CPU的价值还是更被看重，用CPU来处理图像显示问题（如用CPU实现的“软光栅”算法）浪费了，就用GPU来打辅助，用其多核来并行处理天生适合并行的图像显示问题。

英特尔当时认为，GPU是辅助的，没太大价值，于是干脆和自家的CPU集成在一起卖，叫集成显卡。一般人都不知道自己的机器里有集成显卡，专门买独立显卡的人才比较懂GPU。这可能是英特尔犯的最大错误，到2022年才开始推出独立显卡，和英伟达、AMD抢生意。

到2003年，GPGPU（General Purpose computing on GPU，GPU通用计算）的概念被提出来。之后随着GPU能力越来越强，到2010年之后，高性能GPU已经能完成非常多不同种类的计算任务，如图形3D、神经网络、科学计算、云计算、数据中心、AIGC、大语言模型等等，非常通用了。到这个阶段，高性能GPU就显得比CPU有价值多了，价格也拉开了几十倍的差距。可以这样说，CPU能计算的GPU都能算，而GPU能快速完成的许多计算任务，CPU理论上能完成但实在太慢，等于不行。所以现在的情况是，简单的任务才会让便宜的CPU干，CPU成打辅助的了。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，这就是GPU强大计算能力的直接体现。

下面我们来看，光电融合芯片ACCEL是如何做计算的。它融合了“光”与“电”，其中“光”是指“光计算”（photonic computing），“电”就是电子。跟电子相比，光子有很突出的性能，例如没有静止质量，光子之间没有相互作用力，互相几乎不干扰，不受电磁场干扰等等。在通信业中，光纤就比铜缆的带宽大得多，能耗还小，光通信是成熟应用了。电子的优点是，天生适合二进制逻辑计算，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灵敏变化，正好代表了0和1。

《三体》电视剧中的人列计算机