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

1. 级联MZI（2017年的np）
2. WDM
3. WDM+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