Компания Lightelligence заявила о достижении точки коммерциализации оптических вычислений, представив чип PACE 3 с фотонной матрицей размером 256x256. На форуме WAIC 2026 компания продемонстрировала первое в мире развернутое фотонное вычисление в реальных условиях, используя систему контроля доступа Tianshu Light Cube.
Чип PACE 3 разработан специально для выполнения инференса больших моделей, а не для их обучения. Он использует архитектуру фотонного вычисления в памяти для выполнения умножения матриц на векторы, что является основным вычислительным паттерном при инференсе нейронных сетей. Эта архитектура обеспечивает более низкую задержку и лучшую энергоэффективность по сравнению с электронными аналогами.
Гибридная фотоэлектрическая архитектура решает фундаментальную проблему: хотя фотонные вычисления обладают преимуществами в виде высокой пропускной способности, меньших потерь при передаче и естественной возможности параллельной обработки, их практическое применение требует интеграции с электронными системами для преобразования данных и управления. Основным препятствием для масштабирования было противоречие: конечные потребители не видели стимула перестраивать программное обеспечение под непроверенное оборудование, а поставщики не имели рыночного спроса для покрытия затрат на производство оптических устройств.
Метод Lightelligence заключается в объединении возможностей оптической коммутации, оптического соединения и самих фотонных вычислений в рамках своей продуктовой линейки. Это позволяет создавать интегрированные фотоэлектрические решения, которые не требуют от клиентов полной перестройки их программного стека. Косоучредитель и технический директор, доктор Мэн Хуайюй, отметил, что размер фотонной матрицы был намеренно подобран для достижения оптимального баланса, поскольку большие вычисления требуют эффективной координации между матрицами разного размера, а не одной чрезмерно большой.
Доктор Шэнь Ичэнь сравнил текущую стадию развития с созданием аппаратной лотереи для будущих применений, проводя параллели с тем, как игровые процессоры NVIDIA способствовали развитию нейронных сетей. Lightelligence также размещает симуляторы в учебных классах, чтобы алгоритмы следующего поколения могли развиваться на фотонном оборудовании. Компания утверждает, что фотонные вычисления не являются заменой графическим процессорам, а формируют совершенно новую экосистему, а демонстрация системы контроля доступа подтверждает долгосрочную эксплуатационную стабильность.
Наблюдение за Вселенной означает наблюдение за прошлым, поскольку свет, хотя и является самым быстрым известным явлением, распространяется не мгновенно. Скорость света составляет приблизительно 300 тысяч километров в секунду, что позволяет ему преодолевать около 9,46 триллиона километров за год. Это огромное расстояние является предметом астрономических исследований.
Остальная часть этой статьи доступна исключительно для членов Клуба Цифрового Взгляда. Для неограниченного доступа необходимо подписаться на план Prime, который предлагает различные преимущества, такие как просмотр без рекламы, доступ к эксклюзивному контенту и новостным бюллетеням, а также бесплатные курсы и скидки на курсы Prime, а также участие в активном сообществе и специальных мероприятиях.
Китайская академия наук (CAS ICT) представила систему социального интеллекта ZhiJing, которая включает в себя модель Zing и оценочный бенчмарк SoMBench. Эта разработка направлена на решение проблемы неспособности искусственного интеллекта понимать социальный контекст, эмоции и невысказанные сигналы.
В отличие от моделей вроде GPT-5.5, которые демонстрируют высокую производительность в профессиональном письме, или DeepSeek в кодировании, ИИ часто выдает неуклюжие ответы в социальных ситуациях. ZhiJing рассматривает социальное познание как самостоятельную инженерную задачу.
Первый компонент системы — это SoMBench, который служит эталоном для оценки социального интеллекта. Он декомпозирует абстрактное понятие понимания людей на три основные области, 17 подразмеров и 71 детальную задачу. Эти задачи охватывают моделирование отношений, понимание эмоций, нормы общества и рассуждения о убеждениях. Бенчмарк содержит 3481 тщательно проверенный пример, использующий многотиповую перекрестную проверку, включая вопросы с выбором одного, множественного выбора, суждения и открытого типа, а также методы пертурбации опций и обнаружения ярлыков для точного выявления ошибок модели.
Тестирование на 20 ведущих моделях показало, что самая сильная модель достигла лишь 72,08% точности, при этом ни одна из них не смогла приблизиться к порогу в 90%, что подтверждает, что социальный интеллект остается малоисследованной областью. Наиболее сложные вызовы включают одновременное рассуждение о неявных намерениях, эмоциональных изменениях, социальных нормах, ролевых связях и невысказанных словах.
Методология Zing включает три ключевых новшества. Первое — это цикл данных FLARE: когда обнаруживаются слабые места, FLARE генерирует новые образцы, нацеленные на устранение этого пробела в возможностях. Второе — двухэтапное обучение, которое сначала обеспечивает общую основу через дистилляцию с несколькими учителями и Mixed-Reward GRPO, а затем проводит специализированное усиление для эмоций, намерений и социальных норм. Третье новшество, On-Policy Distillation (OPD), решает классический риск катастрофического забывания в обучении с подкреплением. OPD вводит ограничения распределения токенов учителя на онлайн-траекториях, позволяя обучающей модели исследовать более эффективные пути, не отклоняясь от проверенных шаблонов рассуждений. Таким образом, фреймворк работает комплексно: FLARE определяет, что нужно изучить, двухэтапное обучение определяет, когда это делать, а OPD определяет, от кого учиться и чего не забывать.
Модель Zing-27B продемонстрировала композитный результат по пяти бенчмаркам на уровне 79,80%, превзойдя GPT-5.5, который показал 78,44%. Zing-27B имеет преимущества в отслеживании рекурсивных убеждений HiToM (на 4,08 процентных пункта больше) и EmoBench (на 5,62 процентных пункта больше). Это первая модель размером менее 100 миллиардов параметров, которая обошла GPT-5.5 в задаче HiToM, тем самым утверждая социальный интеллект как отдельную инженерную дисциплину.
