加州大学洛杉矶分校（UCLA）的研究团队近日在《自然》杂志发表了一项突破性研究，开发出一种基于光学原理的AI图像生成器，其能耗接近于零。这项技术通过光的物理特性替代传统电子计算，为高能耗的生成式AI提供了革命性解决方案。
该系统的核心是一种受扩散模型启发的光学生成模型。其工作流程分为两个阶段：首先，由浅层数字编码器对公开数据集进行训练，生成构成图像的静态噪声模式，此过程仅需微量电能；随后，两组空间光调制器（SLM）分别完成光学编码与解码——第一台SLM将噪声模式刻印到激光束上，第二台则将光束中的光学信息转化为最终图像。论文第一作者Shiqi Chen指出：”光学生成模型无需依赖数字算力即可合成海量图像，其能效比传统方案高出数个数量级。”
实验显示，该系统生成的图像质量与数字生成器相当，涵盖名人肖像、蝴蝶图像及梵高风格画作等复杂内容。其关键技术突破在于利用光的并行性实现单次曝光成像：数字编码器将随机高斯噪声转换为二维相位结构后，光学系统即可通过调用预计算的光学生成种子实现即时成像。这种架构摆脱了传统AI依赖的迭代计算，使得能耗主要集中于激光器等光学组件的常规运行。
研究团队验证了该技术在MNIST和Fashion-MNIST数据集上的表现，生成图像达到优秀FID评分。其潜在应用场景包括AR/VR内容生成、可穿戴设备实时渲染等移动端应用。不过研究人员也坦言，当前系统仍处于实验室阶段，需进一步解决光学硬件的小型化集成问题。
这项研究为AI领域长期面临的能耗挑战提供了新思路。随着全球数据中心能耗持续增长，光计算与AI的融合可能成为下一代绿色计算的关键方向。UCLA团队表示，下一步将探索该技术在视频生成领域的扩展应用。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
