没有听懂，自己浅浅记录一下

背景

深度学习与大模型带来的算力需求（需要的算力指数型提高）

解决方案

算力池化和算力网络

传统的主机服务，可能会存在闲置资源。

->改变商业模式：不是出售硬件服务，而是出售算力。类比水电公司不应该出售的是发电机/水库而是水与电

新的GPU架构？

算力网络新范式

主要聚焦于集成光学对算力网络的贡献

全电设计：稀疏矩阵的情况下效率不高

延迟与功耗的协调

光子集成设计的优势：

低延迟：光速通过

高能耗：只主要在光的产生、接受、转化上会有能耗

尺寸不敏感：

光子矩阵运算的实现方式

级联MZI（的np）WDMWDM+PCM：相变材料控制状态，后续维护工作小，能耗更低

挑战

集成难度较大

如果觉得《集成光子学在计算领域的机会与挑战【光子学公开课 第133期】》对你有帮助，请点赞、收藏，并留下你的观点哦！