一台依靠光线而非传统计算机硬件生成图像的人工智能系统，可能让能耗骤减数百倍。

　　通常，AI从文字生成图像时会用到一种称为扩散的过程。模型先学习大量图片，并通过加入统计噪声来“破坏”它们，再把这些规律编码成一套规则。当系统得到一张新的带噪声的图像时，就能反向运算，逐步还原成与文字请求相符的清晰画面。

　　为了生成逼真、高分辨率的图像，这种扩散过程需要许多连续步骤，背后则是庞大的算力消耗。今年4月，OpenAI宣布其最新的图像生成器在上线的第一周就产出了超过7亿张图片。支撑这样的需求需要巨量的能源与水资源，用于机器运转和冷却。

　　而在加州大学洛杉矶分校，Aydogan Ozcan与同事开发出一种新的光学扩散图像生成器，它的秘密在于一束激光。训练和编码环节依旧依赖数字化处理，能耗很小；但在解码阶段，系统完全借助光来完成，不再需要计算力。

　　Ozcan解释说：“与数字扩散模型需要成百上千次迭代不同，这个方法只需一次快照就能生成图像，除了最初的编码外不需要额外计算。”

　　具体做法是，团队先用公开的图像数据库训练数字编码器，让它能生成可转化为画面的“静态噪声”。接着，把这个编码与一种叫作空间光调制器的液晶屏结合，物理地将噪声印刻进激光束。当激光穿过第二块解码用的空间光调制器时，目标图像便瞬间浮现在屏幕上，再由相机捕捉。

　　在实验中，这套系统成功生成了黑白数字图像(1到9)以及基础服装等常见测试对象，还创作出具有梵高风格的彩色画作。其效果与传统AI图像生成器相比，并无明显差别。

　　牛津大学的Alexander Lvovsky评价道：“这可能是第一个不再只是实验室玩具的光学神经网络，而是真正能产出有实际价值结果的计算工具。”

　　在能耗方面，差距尤为惊人。以梵高风格的彩色图像为例，这套系统每张图只消耗几毫焦耳的能量，大部分用于液晶屏，而传统扩散模型则需要数百到上千焦耳。Lvovsky形象地对比说：“后者相当于电热水壶一秒钟的耗电量，而光学机器的耗能只相当于百万分之一秒。”

　　未来若要替代现有的主流图像生成工具，这一系统还需进一步改造以适应数据中心。但Ozcan认为，它的低能耗特性更可能在可穿戴电子设备中找到用武之地，例如人工智能眼镜。

　　梵高原作与传统扩散模型(左)和光学图像发生器(右)