소식

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

광컴퓨팅 칩 산업의 수온이 변화하고 있습니다.

저자 │바두‍‍

편집자｜왕보

“광집적회로는 반도체 분야에서 60년에 한 번밖에 일어나지 않는 차선변경과 추월이 될 것입니다.”

지난해 말 2023년 글로벌 하드기술혁신컨퍼런스에서 발표된 '광전자 시대: 광산업 발전 백서' 서문 마지막 문단에 이런 문장이 담겼다.

컴퓨팅 성능과 데이터 전송 측면에서 광컴퓨팅 칩의 장점에는 의심의 여지가 없으며 국내 팀의 연구 결과가 종종 신문에 보도되지만 대규모 상업적 사용에 관해서는 여전히 많은 사람들이 있습니다. 의심. 2023년 마이크로나노 광소자 연구에 종사하는 한 대학원생은 광컴퓨팅 칩 관련 문제를 논의하기 위해 Zhihu에 글을 올리며 "상용화되지 않았기 때문에 큰 문제가 있을 것"이라고 직설적으로 말했다.

그렇다면 광컴퓨팅 칩이 종이에서 나온 것인가?

매트릭스 규모(컴퓨팅 전력 밀도)와 단일 노드 광 판별(컴퓨팅 전력 정확도)은 광컴퓨팅 칩의 성능을 측정하는 주요 지표입니다. 상용 표준을 충족하는 업계에서 인정하는 매트릭스 크기는 128×128이며, 두 가지가 있습니다. 2021년 세계에서 이 회사는 64×64 광컴퓨팅 칩의 테이프아웃을 완료했습니다. 이후 3년 동안 이 병목 현상은 해결되지 않았으며 일부 회사는 다른 트랙으로 이동하기도 했습니다.

최근 개최된 2024년 세계 인공 지능 회의(WAIC)에서 "Jiazi Guangnian"은 다음과 같은 사실을 알게 되었습니다.국내 광컴퓨팅 칩 기업인 옵티컬 베이스 테크놀로지(Optical Based Technology)가 컴퓨팅 파워 밀도와 컴퓨팅 파워 정확도가 상용 표준에 도달한 최초의 광컴퓨팅 칩의 테이프아웃을 완료했습니다., 이 칩의 매트릭스 크기는 128×128이며 최대 컴퓨팅 성능은 1700TOPS를 초과합니다.

Light-based Technology가 개발한 128×128 매트릭스 크기의 광컴퓨팅 칩. 이미지 출처: Light-based Technology.

Light-based Technology의 공동 창업자인 Cheng Tangsheng은 Jiazi Guangnian과의 인터뷰에서 "우리는 현재 NVIDIA A100을 벤치마킹하고 있습니다. 128×128 칩은 보드로 만들어질 것이며 최종 컴퓨팅 성능은 다음과 같습니다. 동시에 NVIDIA의 1세대 제품의 전력 소비량은 10분의 1에서 15분의 1 수준입니다. 또한 광학 컴퓨팅 칩도 10분의 1 수준으로 줄어들 것입니다.”

128×128 매트릭스 규모는 국내 광컴퓨팅 칩이 단순히 '종이 위에 머물다', '실험실에만 머물다'가 아닌 산업화에 한 발 더 다가섰다는 의미다.

Light-based Technology의 설립자인 Xiong Yinjiang은 회사가 128×128 광컴퓨팅 보드를 디버깅하고 있으며 2025년에 상업용 광컴퓨팅 보드 제품을 출시하여 사람들에게 더 높은 에너지 효율성과 더 큰 컴퓨팅 성능을 제공할 것으로 예상된다고 말했습니다. AI 컴퓨팅 하드웨어, 지능형 컴퓨팅 센터, 구현된 지능 및 기타 산업과 동시에 회사는 더 큰 매트릭스 규모의 광학 컴퓨팅 칩에 대한 연구 개발을 완료하려고 합니다.

칩 산업에 초점을 맞춘 한 투자자는 Jiaziguangnian에게 "우리는 이제 중요한 시점에 와 있다고 생각합니다"라고 말했습니다. "광컴퓨팅 칩은 완전히 불가능하다는 초기 태도에서 모든 사람이 그것이 가능하다고 생각하는 태도로 바뀌었습니다."

광컴퓨팅 칩 산업의 수온이 변화하고 있습니다.

1. "당신은 빛을 믿습니까?"

"당신은 빛을 믿나요?"

이 인터넷 유행어는 광컴퓨팅 칩 산업의 진정한 모습이기도 합니다.

지난 50년 동안 칩 컴퓨팅 성능은 무어의 법칙에 따라 지속적으로 성장해 왔습니다. 과거에는 업계가 전자 칩 컴퓨팅 성능을 사용하는 데 더 익숙했지만 이제 전자 칩의 컴퓨팅 성능은 성장 병목 현상에 직면해 있습니다.

예를 들어, 양자 터널링 효과는 트랜지스터 크기의 추가 감소를 제한합니다. 성능이 증가함에 따라 에너지 소비 및 열 축적으로 인해 칩 열 방출에 대한 요구 사항이 높아지고, 내부 칩 전송 속도 및 데이터 전송 병목 현상이 처리 속도를 제한합니다. 기존 기술 프레임워크의 트랜지스터 수는 상한선에 가깝습니다.

수요는 여전히 증가하고 있는 반면, 공급은 병목 현상에 직면해 있습니다. Moore Thread 창업자이자 CEO인 Zhang Jianzhong은 "AI Creation Era - 2024 Jiazi Gravity"에서 수십억, 수억 달러의 자금이 있어도 컴퓨팅 센터를 구축하기가 어렵다고 말했습니다. 컴퓨팅 자원의 부족과 함께 컴퓨터가 직면한 문제는 OpenAI를 비롯한 많은 기업에서는 컴퓨팅 리소스 부족으로 인한 문제를 해결하는 방법이 바로 반복 문제입니다.”

상황을 깨는 방법? 광학 컴퓨팅 칩은 새로운 아이디어를 제공합니다.

광 컴퓨팅 칩은 컴퓨팅 작업의 광학적 구현에 중점을 둔 광 칩의 응용 형태입니다.초고속, 초강력 병렬성, 초고대역폭, 초저손실 등의 특성을 갖고 있습니다.

사실, 수십 년 동안 과학자들은 빛 탐구를 중단한 적이 없습니다. 1940년대에는 푸리에 변환이 광학계에 도입되어 푸리에 광학이 개발되었습니다. 1980년부터 2004년까지의 기간은 광컴퓨팅의 황금기였습니다. 이 기간 동안 과학 연구자들은 광학 패턴 인식, 논리 광 컴퓨팅, 광 신경망, 광 상호 연결 및 광 홀로그래픽 스토리지를 포함한 수많은 광 컴퓨팅 기술을 제안했습니다.

그러나 광컴퓨팅의 응용 요구 사항과 응용 시나리오가 불분명하고 광 하드웨어 시스템이 일치하지 않아 광컴퓨팅 기술의 개발이 상대적으로 느렸습니다.

최근 몇 년 동안 인공지능 산업이 폭발적으로 성장하면서 광컴퓨팅 칩도 급속한 발전기에 접어들었습니다.

2021년에는 총 광자 제품 및 관련 서비스의 글로벌 가치가 미화 7조 달러 이상에 도달하여 세계 세계 경제의 약 11%를 차지할 것입니다.

이제 광컴퓨팅은 폭넓은 전문적 범위와 매우 높은 이론적, 기술적 요구 사항을 갖춘 신흥 산업입니다.이는 중국과 해외 경쟁자들이 같은 출발선에 서고 심지어 기술 초월까지 달성할 수 있는 잠재적인 영역으로 평가된다.

2.128×128: ​​​​컴퓨팅 성능과 전력 소비가 두 배로 향상되었습니다.

광컴퓨팅 칩에 대한 높은 기대에도 불구하고 광컴퓨팅은 오랫동안 실험실에 갇혀 있던 기술이었습니다.

2017년에는 광컴퓨팅 분야에서 첫 번째 네이처 기사가 등장했고, 이후 수많은 기업이 속속 설립됐다. 그러나 전체 산업 체인이 충분히 성숙되지 않았고 패키징부터 전자 칩 협력까지 참조 사례가 많지 않습니다. 광 기반 기술이 확립된 해인 2022년까지 업계 발전 5년을 거쳐 기술과 산업 사슬이 점차 성숙해졌으나, 광컴퓨팅 칩은 아직까지 전통적인 전기 칩처럼 대규모로 상용화되지는 못했다.

Xiong Yinjiang은 여기에는 두 가지 주요 이유가 있다고 믿습니다. 첫째, 과거의 광학 컴퓨팅 칩 자체의 설계가 미성숙하여 현재의 주요 전기 솔루션과 직접 비교할 수 없었습니다. 둘째, 이를 제품에 구현하기 위한 산업 체인입니다. 미성숙했으며 광전자공학 최종 분석에서 통합은 여전히 ​​매우 어려운 엔지니어링 작업입니다.

“국내 많은 대학의 광컴퓨팅 칩은 3×3이나 4×4 등 크기가 더 작습니다. 일부 스타트업 기업은 최대 64×64까지만 구현할 수 있어 상용화 역량이 없다는 뜻입니다. 연구에서는 Fengrui Capital의 초기 프로젝트 책임자인 Li Gang은 Jiazi Guangnian에게 말했습니다.

이번에 Light-based Technology의 128×128 매트릭스 크기의 광컴퓨팅 칩이 테이프아웃에 성공했습니다.국내 광컴퓨팅 칩은 상용화의 임계점에 도달했습니다.

대규모 상업적 사용을 위해서는 광컴퓨팅 칩이 비선형 컴퓨팅, 저장과 계산의 통합 등의 문제를 해결해야 합니다. 과학 연구 기관과 업계 모두 광전자 통합 생태계를 구축하는 것이 유일한 길이라고 믿습니다. 광학 기반 기술은 PCM 상변화 물질을 기반으로 저장 장치와 계산 장치가 완전히 통합된 인메모리 컴퓨팅을 구현했습니다. 이제 광학 컴퓨팅 칩을 핵심으로 전기 칩 설계 기능을 반복했습니다. 첨단 광전자 패키징 역량을 공동 개발하기 위해 국내 최고의 패키징 회사들과 긴밀한 관계를 구축했습니다.

“128×128 매트릭스 규모는 Google의 TPU나 Huawei의 Ascend에서 사용하는 아키텍처와 비슷합니다. 우리에게 있어서 광학 컴퓨팅은 컴퓨팅 전력 밀도와 매트릭스 규모 측면에서 이미 전자 컴퓨팅과 동일하지 않습니다. 가능했지만 우리가 처음으로 해냈습니다.”라고 Xiong Yinjiang은 말했습니다.

빛 기반 기술의 광자 저장 및 컴퓨팅 통합 프로토타입, 사진 출처: 빛 기반 기술

광컴퓨팅 칩의 매트릭스 크기는 컴퓨팅 성능에 해당합니다.

예를 들어, 행렬 크기를 64×64에서 128×128로 늘리면 컴퓨팅 성능은 최소 4배 증가하지만 전력 소비 증가는 선형적입니다.

특히 64×64 매트릭스 규모에서 칩에는 64개의 아날로그-디지털 변환기(ADC)와 64개의 디지털-아날로그 변환기(DAC)가 장착되어 있습니다. 행렬 크기가 128×128에 도달하면 컴퓨팅 성능은 4배 증가하지만 필요한 ADC 및 DAC 수는 원래의 2배로 증가하는데, 이는 컴퓨팅 성능 효율성이 최소 2배 이상 증가함을 의미합니다.

동시에 이 광학 컴퓨팅 칩의 정확도도 획기적인 발전을 이루며 AI 추론의 표준 정확도에 도달했습니다.

더 중요한 것은 128×128 매트릭스의 각 장치가 조정 가능하므로 칩이 모든 유형의 AI 컴퓨팅 작업을 처리할 수 있는 완전히 보편적인 플랫폼이 된다는 점입니다. 단일 애플리케이션을 처리하는 다른 광학 컴퓨팅 칩과 대조됩니다.

이러한 기술적 혁신은 하루아침에 이루어지지 않습니다.꽤10년간 축적된 기술의 결정체.

옥스포드 연구소는 2014년부터 상변화 물질과 실리콘 빛의 연구 개발을 선도해 왔으며, 2017년에는 세계 최초의 통합 광자 저장 및 컴퓨팅 칩을 성공적으로 개발했습니다. 옥스퍼드 대학교에서 박사 과정을 밟는 동안 Cheng Tangsheng은 세계 최초의 "상 변화 물질의 광학 계산"인 Harish Bhaskaran(옥스퍼드 대학교 재료학과 교수이자 왕립 공학 아카데미 학자) 밑에서 공부했습니다. 또한 옥스퍼드대학교에서 상변화 물질의 광학 계산을 주도하고 칩 및 새로운 초저전력 나노상 변화 물질의 연구 개발에 참여했습니다.

Cheng Tangsheng은 "Jiazi Light Years"에서 자신이 옥스포드 박사 과정 학생이었을 때부터 수년 동안 광 컴퓨팅 기술의 실제 적용 문제를 해결하고 전력 소비를 줄이고 규모를 확장하는 방법을 연구해 왔다고 말했습니다. 인공 지능 개발과 같은 애플리케이션의 컴퓨팅 성능 요구 사항.

Light-based Technology의 창립 팀은 광학 컴퓨팅 분야에서 계속해서 획기적인 발전을 이루고 있습니다. 2022년 창업은 더욱 '준비'되어 있습니다.

"회사 설립 초기부터 우리는 시장에 나와 있는 기존 광컴퓨팅 칩 매트릭스가 작기 때문에 컴퓨팅 성능 밀도와 컴퓨팅 성능 규모가 제한된다는 것을 깨달았습니다. 따라서 회사 설립 첫날부터 우리는 행렬 크기를 먼저 64×64에서 128×128로 늘린 다음 256×256, 512×512로 더 확장해야 한다는 점을 분명히 했습니다.”라고 Cheng Tangsheng은 “Jiazi Guangnian”에 말했습니다.

지난해 광학 기반 기술은 이전 세대의 광학 컴퓨팅 칩을 사용해 패키징, 전기 칩과의 통합, ResNet-50과 같은 일반 AI 네트워크 실행 등 보드 아키텍처의 완전한 작동을 완료했습니다.

올해 Light-based Technology는 칩을 더욱 최적화하여 컴퓨팅 성능 밀도와 규모를 높이기 위해 매트릭스 크기를 128×128로 늘렸고, 다른 한편으로는 각각의 독립된 광학 장치를 최적화하고 시뮬레이션했습니다. 전체 시스템의 포괄적인 최적화를 달성하기 위해 타겟 테이프아웃을 수행합니다.

Xiong Yinjiang은 "우리는 기본적으로 3개월에서 6개월마다 테이프아웃을 수행합니다. 제품을 빠르고 지속적으로 반복해야만 회사가 진정으로 안정될 수 있다고 믿습니다."라고 말했습니다.

이번에 128×128 광학 컴퓨팅 칩은 이전 세 가지 제품 반복에서 파생되었습니다.

그렇다면 이러한 광컴퓨팅 칩 제품의 상용 시나리오는 어디에 있습니까?

3. 광컴퓨팅 칩이 필요한 사람은 누구입니까?

애플리케이션 계층의 경우 광 컴퓨팅 칩은 더 높은 컴퓨팅 성능과 더 낮은 전력 소비를 제공합니다.

컴퓨팅 성능이 높다는 것은 광컴퓨팅 칩이 더 복잡한 모델을 처리할 수 있다는 것을 의미하고, 더 복잡한 모델이 더 나은 애플리케이션으로 이어질 수 있다는 것을 의미합니다. 크게 줄어들게 됩니다. 광컴퓨팅 칩이 상용화되면 포스트무어 시대가 도래하며 선순환 구조가 형성될 것이다.

기술 응용 분야의 모든 변화는 컴퓨팅 성능의 획기적인 발전에서 비롯됩니다. 인공지능의 파괴적인 순간이 일어날 수 있는 것은 바로 컴퓨팅 능력의 향상과 함께이다.

따라서 광컴퓨팅 칩의 주요 시나리오는 인공지능이다. Li Gang은 "인공 지능의 급속한 발전으로 인해 이 시나리오의 응용 프로그램과 요구 사항이 매우 명확해졌습니다. 광학 컴퓨팅 칩은 현재의 대규모 모델 관련 응용 프로그램에 빠르게 적응하고 최적화할 수 있습니다"라고 말했습니다.

대형 모델 분야에서 광컴퓨팅은 다운스트림 고객이 비용을 절감하고 효율성을 향상시키는 데 도움이 될 것입니다. 향후 추론 비용을 현재의 1/1000 또는 10000분의 1 수준으로 줄일 수 있어 사용자가 대형 모델에 거의 비용 없이 접근할 수 있어 대형 모델 회사의 매출총이익률을 크게 높일 수 있습니다.

대규모 모델 애플리케이션을 구현하려면 컴퓨팅 전력 비용을 줄이는 것이 매우 중요합니다. 그렇지 않으면 기업은 매일 오버헤드로 인해 어려움을 겪게 되어 모델 규모와 교육 품질이 저하됩니다.

인공지능 스타트업 창업자는 'Jiazi Guangnian'에게 컴퓨팅 파워 비용을 낮추는 것이 애플리케이션 제품 개발에 도움이 될 것이라고 말했습니다. 토큰 절약 애플리케이션을 만들려고 합니다.”

동시에,광학 컴퓨팅 칩의 컴퓨팅 성능이 크게 향상되면 인공 지능, 빅 데이터 분석, 자율 주행 등 현재 널리 사용되는 기술 시나리오에 강력한 성능을 제공할 수도 있습니다.

Xiong Yinjiang은 자율주행 분야에서 현재 L3 수준의 컴퓨팅 성능이 200~500TOPS이며, L5 수준에 도달하려면 2,000TOPS 이상의 컴퓨팅 성능이 필요할 것으로 예상된다고 소개했습니다. 기존 기술을 기반으로 하면 전력 소비가 2kW를 초과하게 되는데, 이는 신에너지 스마트 주행 차량의 내구성에 대한 도전 과제입니다.

따라서 낮은 전력 소모와 높은 컴퓨팅 성능을 갖춘 솔루션을 찾는 것이 필요하며, 광컴퓨팅 칩은 이러한 요구를 정확하게 충족할 수 있습니다.

현재의 핫 구현 지능의 경우 광학 컴퓨팅 칩은 너무 많은 에너지를 소비하지 않고 끝 부분에서 많은 계산을 수행할 수 있어 로봇이 많은 기계적 작업을 수행하는 동시에 "높은 IQ"를 유지할 수 있습니다.

구체화된 지능이 일반 인공지능(AGI)의 능력과 인지 능력에 도달하려면 필요한 컴퓨팅 파워는 현재 수준을 훨씬 뛰어넘을 것이다. 광컴퓨팅 칩의 높은 컴퓨팅 파워 잠재력은 구체화된 지능이 독립적으로 생각할 수 있게 하고 심지어 인간을 능가하는 사고 논리와 판단 능력을 갖게 될 것입니다. 이것이 광컴퓨팅 기술의 궁극적인 잠재력이 될 것입니다.

초고속, 고에너지 효율 특성을 지닌 광컴퓨팅 칩이 미래에 새로운 알고리즘 패러다임을 탄생시켜 컴퓨팅 과학 전체 분야의 진보와 혁신을 촉진할 것이라는 점은 부인할 수 없습니다.

4. “왼손에는 못, 오른손에는 망치” 산업화의 길

128×128 매트릭스 규모의 광컴퓨팅 칩이 테이프아웃되면서 향후 2년은 광컴퓨팅 칩 엔지니어링에 있어 중요한 시기가 될 것입니다.즉, 광학 컴퓨팅 칩은 "실제적이고 복잡한" 시나리오의 테스트를 실제로 수용하기 시작해야 합니다.

"2025년은 광 기반 기술의 획기적인 해가 될 것입니다. 그때가 되면 광컴퓨팅 칩은 상용화 원년에 돌입하게 될 것입니다. 광 기반 기술은 다운스트림 기업과 대규모 접촉 및 적응을 갖고 상업적 파트너십을 구축하게 될 것입니다. 2026년에는 , 광컴퓨팅 칩은 대규모 출하가 실현될 것으로 예상된다”고 Xiong Yinjiang은 예측했다.

그는 'Jiazi Light Year'에서 광 기반 기술의 개발은 수직적으로 T자형 전략을 따르며 칩에서 보드, 다운스트림 적응 및 최종 출하에 이르기까지 제품 주기에 깊숙이 들어가고 있다고 말했습니다. 전자 칩도 올해 하반기에 녹화될 예정이다. 팀은 패키징 테스트를 수행하고 2.5D 및 3D 광전자 패키징을 완료하여 최종적으로 광컴퓨팅 보드를 구성하여 고객에게 전달하는 동시에 소프트웨어 생태계를 구축할 예정이다. .

수평적으로, 광학 기반 기술은 광학 컴퓨팅 분야의 연구 개발 장벽을 넓히고, 256×256 및 512의 광학 컴퓨팅 칩 연구 개발을 포함하되 이에 국한되지 않는 더 큰 매트릭스 규모의 연구 개발을 수행할 것입니다. ×512 매트릭스 규모로 구성되며 파장 분할 다중화 기술과 같은 고급 기술을 활용합니다.

"이 T자형 전략은 심층적이며 제품이 공중에 떠 있는 성이 아니라 사용자 수준으로 깊숙이 들어갈 수 있도록 보장하는 동시에 연구에서 항상 선두 위치를 유지할 수 있도록 보장합니다. 그리고 발전." Xiong Yinjiang은 "Jiazi Guangnian"에게 말했습니다.

빛 기반 기술의 광컴퓨팅 칩 작동 회로도, 사진 출처: 빛 기반 기술

조명 기반 기술은 R&D 역량을 '망치'로, 시장 수요를 '못'으로 간주합니다.이를 위해서는 지속적인 기술 반복과 사용자 요구에 대한 지속적인 피드백이 모두 필요합니다.

둘이 중간에서 만나려면 좌파 시장과 우파 R&D 모두 투자해야 한다.

과학 연구 수준에서 Light-based Technology와 Fudan University는 기술 확산 시대에 광학 컴퓨팅의 모든 가능성을 탐구하기 위해 미래 컴퓨팅 하드웨어를 위한 공동 실험실을 설립했습니다.

엔지니어링 구현 측면에서 팀은 시뮬레이션, 디지털, 하드웨어, 시스템 아키텍처 및 알고리즘 분야의 수석 "업계 베테랑"을 모아 제품이 실제 엔지니어링 구현을 달성할 수 있는지 확인했습니다.

동시에, 국내 굴지의 실리콘 포토닉스 기업인 유나이티드 마이크로일렉트로닉스(United Microelectronics)와의 전략적 협력, 국내 최고 패키징을 활용한 2.5D 및 3D 광전자 패키징의 첨단 연구개발 등 국내 산업 체인의 파트너들과 관계를 구축해 왔다. 그리고 테스트 공장.

기술적 혁신은 단지 디딤돌일 뿐입니다. 다음은 광컴퓨팅 칩과 기술입니다.빛 기반 기술일반적으로 우리가 직면해야 할 것은 산업생태학의 도전이다.

현재 시장 고객은 일반적으로 NVIDIA 또는 기타 친숙한 GPU를 사용하여 광학 컴퓨팅 보드의 광범위한 적용을 실현하려면 고객에 맞게 조정해야 합니다. "우리 노력의 방향은 광학 컴퓨팅 보드가 하드웨어 측면에서 기존 생태계와 완벽하게 호환되도록 하는 것입니다."

틀림없이,광컴퓨팅 칩과 전기칩은 대체물이 아니라 상호보완적이다.

개발 초기 단계에서 광학 컴퓨팅 칩은 텐서 컴퓨팅 코어 역할을 수행하여 기존 전자 칩을 보조할 수 있습니다. 현재 시장에서 전자 칩의 지배력을 고려할 때 광학 컴퓨팅 칩은 먼저 인공 지능 애플리케이션에서 수많은 선형 컴퓨팅 작업을 수행하게 됩니다.

그러나 고객의 요구가 점차 풍부해짐에 따라 전체 소프트웨어 생태계도 풍부해지고 다양한 광컴퓨팅 회사의 제공 능력도 향상될 것입니다.

Cheng Tangsheng은 현재의 광학 컴퓨팅 칩 개발을 "알파고 출현 직전"에 비유했습니다. 인공지능이나 전자칩 플랫폼에 비해 광컴퓨팅은 아직 상대적으로 초기 개발 단계에 있다. 효율성이 향상되고 생태계가 개선됨에 따라 광컴퓨팅은 점차 더 큰 역할을 수행하여 지능형 시대의 컴퓨팅, 저장, 전송 및 인식에 대한 강력한 기술 지원을 제공할 것입니다.

Zhongke Chuangxing의 창립 파트너인 Mi Lei는 2016년에 "Mi 70 법칙"을 제안했습니다. 그는 광학 기술이 미래에 매우 중요한 기본 기술이 될 것이며 광학 기술 비용이 모든 미래 기술 비용의 70%를 차지할 것이라고 믿었습니다. 제품. %. 그러나 모든 기술 혁신에는 장기적인 축적과 투자는 물론 더 오랜 기간의 전환과 구현이 필요하다는 것은 부인할 수 없습니다.

인간은 태어날 때부터 빛의 혜택을 받아왔고, 빛은 인공지능에게도 더 많은 가능성을 열어줄 것입니다.

*참고자료:

, Jiazi Suzhou

(표지 이미지 출처: AI 도구를 사용하여 생성된 "Jiazi Guangnian")

[지아지 라이브룸 미리보기]

이번주 목요일(7월 18일) 14시에 Jiazi Guangnian 창업자 겸 CEO인 Zhang Yijia는 Jiazi Guangnian 싱크탱크 분석가 Noor Maimati(Wheat)와 함께 AI 의료 물결 뒤에 숨은 기회와 도전과제를 분석하기 위해 생방송을 할 예정입니다. 라이브 방송에서는 Jiazi Guangnian Think Tank의 연구 결과를 바탕으로 AI 의료에 대한 최신 판단을 '0.5x 속도'로 이해하기 쉽게 공유할 예정이며, 이 과정에서 두 명의 연사가 답변도 진행됩니다. 시청자 여러분의 질문과 소통, 유익한 정보가 가득합니다!

포스터에 있는 QR 코드를 스캔하여 생방송 예약을 하고 생방송 커뮤니케이션 그룹에 미리 입장하세요. 누구나 코드를 스캔하여 보고서를 받고 학습 자료를 미리 익힐 수 있습니다.