【电报解读】新型光芯片可执行深度神经网络关键计算，神经网络已在AI和机器学习领...

股票王

新型光芯片可执行深度神经网络关键计算，神经网络已在AI和机器学习领域中广泛应用，这家公司神经网络处理器IP芯片全球出货超过1亿颗

电报内容

【新型光芯片可执行深度神经网络关键计算】财联社12月3日电，2日发表在《自然·光子学》杂志上的论文称，美国麻省理工学院科学家开发出一种全集成光芯片。它能以光学方式执行深度神经网络所需的所有关键计算，为制造能实时学习的高速处理器打开了大门。这种新型光芯片能够在不到半纳秒的时间内，完成机器学习分类任务的关键计算，性能与传统硬件相当。该芯片由相互连接的模块组成，形成一个光学神经网络，并采用商业代工工艺制造，这有助于技术的扩展和与电子产品集成。

电报解读

新型光芯片可执行深度神经网络关键计算，神经网络已在AI和机器学习领域中广泛应用，这家公司神经网络处理器IP芯片全球出货超过1亿颗，另一家自研神经网络处理器已经在物联网摄像机芯片中应用。

一、神经网络已在人工智能和机器学习领域中广泛应用

神经网络是一种模仿人脑神经元结构和功能的数学模型，它由大量的节点（或称为“神经元”）相互连接而成。每个神经元可以接收输入，进行处理，然后输出到其他神经元。神经网络通过调整神经元之间连接的权重来学习信息，这些权重决定了输入信号如何影响输出。1990年代，神经网络和深度学习开始崭露头角，通过多层次的神经网络结构和反向传播算法，实现了对复杂数据的处理和特征提取。

2010至2020年，AI的定义在机器学习的基础上延伸至深度学习，即基于深度神经网络，模拟人脑处理信息的方式，从错误反馈中学习处理复杂的数据模式如图像、声音、文本。深度学习涉及大量的并行计算，存储数据量可达十亿字节的GPU成为其首选硬件；2020年至今，AI形式迭代至大语言模型（LLM），即预训练的大规模机器学习模型，专门用于处理和生成自然语言。这些模型由多层深度神经网络构成，基于支持大量的矩阵运算和并行处理的GPU集群开发训练，能够通过“自己学”的方式理解并执行多种自然语言任务，生成连贯文本，具有广泛的应用潜力。

人工神经网络也具有计算机视觉，是拥有从图像和视频中提取信息并决策的能力。而借助人工神经网络，计算机可以区分和识别与人类相似的图像，因而可以应用到多个领域。

二、特斯拉Optimus机器人已利用神经网络技术

10月17日，特斯拉发布了Optimus机器人的最新训练成果，展示了其在自主行走、自动充电、物品搬运以及爬楼梯等多项能力上的突破性进展。此次更新展示了特斯拉在视觉导航、非平坦地形行走以及自主充电等方面的领先能力，并通过神经网络技术实现了对环境的理解和避障功能。

此外，当地时间周二（10月8日），瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton）。 霍普菲尔德和辛顿将平分1100万瑞典克朗（约合110万美元）的奖金，以表彰他们在使用 人工神经网络进行机器学习的基础性发现和发明 ，这些发现为当今的机器学习应用奠定基础。

三、相关上市公司：

芯原股份：公司的神经网络处理器（NPU）IP，指专用于加速神经网络运算、机器视觉和机器学习等人工智能应用的数字IP。集成了芯原神经网络处理器IP的人工智能（AI）类芯片已在全球范围内出货超过1亿颗，主要应用于物联网、可穿戴设备、智慧电视、智慧家居、安防监控、服务器、汽车电子、智能手机、平板电脑、智慧医疗等10个市场领域。

安凯微：公司在互动平台表示，公司自研神经网络处理器（NPU）已经在物联网摄像机芯片中应用并产生了积极的反响。