摘要：人工智能图像生成领域正迎来一场能源效率革命。加州大学洛杉矶分校的研究团队开发出了一种革命性的光学图像生成系统，该系统通过操控激光束的随机波动来创建图像，相比传统AI工具能够实现数百倍的能耗降低。这一突破性技术可能从根本上改变AI图像生成的能源消耗格局，为解决人

信息来源：https://www.newscientist.com/article/2494141-light-based-ai-image-generator-uses-almost-no-power/

人工智能图像生成领域正迎来一场能源效率革命。加州大学洛杉矶分校的研究团队开发出了一种革命性的光学图像生成系统，该系统通过操控激光束的随机波动来创建图像，相比传统AI工具能够实现数百倍的能耗降低。这一突破性技术可能从根本上改变AI图像生成的能源消耗格局，为解决人工智能行业日益严重的能源危机提供了全新解决方案。

传统的AI图像生成器依赖于一种名为"扩散"的计算密集型过程。这些系统首先需要学习如何向图像添加统计噪声来破坏它们，然后学会逆转这个过程以从噪声中生成清晰图像。每生成一张高质量图像通常需要数百甚至数千个连续的计算步骤，这对计算资源和电力供应提出了巨大需求。今年4月，OpenAI报告其新图像生成器在运行首周就创造了超过7亿张图像，满足如此规模的需求需要消耗大量能源和水资源来为服务器提供动力和冷却。

与传统方法截然不同，这套光学系统采用了混合架构设计。其编码过程仍然是数字化的，需要少量电能，但关键的解码过程完全基于光学原理，几乎不需要任何计算能力。研究负责人艾多甘·奥兹坎教授解释说："与需要数百到数千个迭代步骤的数字扩散模型不同，该过程在快照中实现图像生成，除了初始编码之外不需要额外的计算。"

光束编码的技术突破

陈世奇等人。 2025年

由传统扩散模型（每组三张中的左侧）和光学图像生成器（右侧）生成的色彩缤纷的梵高风格艺术作品

这项技术的核心在于一个称为空间光调制器的液晶屏幕设备，它能够将静态图案物理地印刻到激光束中。整个系统的工作流程始于使用公开图像数据集训练的数字编码器，该编码器能够生成静态图像模式。随后，空间光调制器将这些静态模式转换为激光束中的光学信息。当激光束穿过第二个解码用的空间光调制器时，系统能够立即在摄像头记录的屏幕上生成所需的图像。

研究团队利用这套系统成功生成了多种类型的图像，包括用于测试扩散模型的简单黑白图像（如数字1-9和基本服装图案），以及更复杂的文森特·梵高风格全彩艺术作品。实验结果显示，光学生成器产生的图像质量与传统图像生成器相当，但在能源消耗方面实现了革命性突破。

对于梵高风格画作的生成，该系统每幅图像仅消耗约几毫焦耳的能量，主要用于驱动液晶屏幕，而传统扩散模型则需要数百或数千焦耳的能量。牛津大学的亚历山大·洛夫斯基教授对这一成果给出了形象的对比："后者相当于一个电水壶在一秒钟内消耗的电量，而光学机器的功耗则相当于百万分之几秒。"

产业应用的广阔前景

这项技术的意义远不止于实验室的概念验证。洛夫斯基教授认为："这也许是第一个光学神经网络不再只是实验室玩具，而是能够产生实际价值结果的计算工具的例子。"随着AI图像生成需求的爆炸式增长，能源效率问题已成为制约行业发展的关键瓶颈。

在数据中心应用方面，虽然该系统还需要进一步调整才能完全取代现有的图像生成工具，但其超低功耗特性已经显示出巨大的商业潜力。对于那些需要大规模图像生成服务的云计算提供商而言，这种技术可能带来显著的运营成本降低和环境影响减少。

更有前景的应用领域可能是消费电子产品，特别是可穿戴设备。奥兹坎教授指出，由于其极低的功耗要求，这项技术特别适合集成到AI眼镜等可穿戴电子产品中。这类设备通常电池容量有限，传统的AI图像生成技术根本无法在这些平台上实际部署。

光学AI图像生成技术还可能推动增强现实和虚拟现实设备的发展。这些设备需要实时生成大量视觉内容，而电池续航能力一直是制约因素。如果能够将图像生成的能耗降低数百倍，将为AR/VR设备的普及扫除重要障碍。

此外，这项技术在边缘计算场景中也展现出巨大潜力。许多物联网设备和智能传感器需要本地处理图像数据，但受限于功耗预算无法部署复杂的AI模型。光学图像生成技术可能使这些设备获得强大的视觉AI能力，而不会显著影响电池寿命。

从更广阔的角度来看，这项技术代表了AI硬件设计思路的根本性转变。长期以来，提升AI性能主要依靠增加计算资源，但这种方法在能源消耗方面已经接近不可持续的程度。光学AI技术提供了一种全新的范式，通过利用光的物理特性来实现计算功能，为构建更加节能的AI系统开辟了道路。

随着全球对AI技术需求的持续增长和对碳排放管制的加强，类似的创新技术将变得越来越重要。这项光学图像生成技术不仅展示了技术突破的可能性，也为整个AI行业的可持续发展指明了方向。

来源：人工智能学家