China ha presentado LightGen, un chip fotónico diseñado para acelerar tareas de inteligencia artificial generativa, la tecnología que crea imágenes, vídeos o escenas a partir de datos. El trabajo llega de la Universidad Jiao Tong de Shanghái y la Universidad de Tsinghua, y se publicó el 18 de diciembre de 2025 en Science.
La cifra que más llama la atención es grande, pero necesita contexto. En pruebas de laboratorio, LightGen logró una velocidad y una eficiencia energética más de cien veces superiores a las de chips electrónicos avanzados en tareas concretas. Aun así, todavía no es un producto listo para entrar en un centro de datos como quien enchufa una tarjeta gráfica.
Un chip que calcula con luz
LightGen no mueve información con electrones, como hacen los procesadores habituales. Usa pulsos de luz láser, que pueden viajar y combinarse dentro del chip con menos calor y con mucha capacidad para trabajar en paralelo.
Dicho de forma sencilla, la computación fotónica intenta que la luz haga parte del cálculo. Si un chip electrónico funciona como una carretera llena de coches, un chip óptico se parece más a una red de carriles luminosos donde muchas señales avanzan a la vez. No es magia. Es física bien empaquetada.
El trabajo fue liderado por Chen Yitong, profesora asistente en la Escuela de Circuitos Integrados de la Universidad Jiao Tong de Shanghái. «Cualquiera de estos avances por sí solo se consideraría significativo. LightGen consigue los tres al mismo tiempo», dijo Chen, al explicar la combinación de millones de neuronas ópticas, transformación de dimensiones con luz y un método de entrenamiento para modelos generativos.
Dos millones de neuronas
El corazón de LightGen son más de dos millones de «neuronas» fotónicas. No son neuronas reales, claro, sino pequeñas unidades que modifican la luz para imitar operaciones que una red neuronal electrónica haría con circuitos.
Esa escala importa porque muchos chips ópticos anteriores servían sobre todo para tareas más simples, como clasificar imágenes. La IA generativa es más exigente, porque no solo reconoce algo. Tiene que producir contenido nuevo con forma, estilo y coherencia.
Qué puede crear
Los experimentos descritos por el equipo incluyen generación de imágenes de alta resolución, reducción de ruido, transferencia de estilo, manipulación de vídeo y generación de escenas en tres dimensiones. Son tareas parecidas a las que el público asocia con herramientas capaces de transformar una foto o fabricar una escena desde cero.
Una pieza clave es el llamado «espacio latente óptico». En IA, un espacio latente es una versión comprimida de la información, como cuando una mochila bien ordenada guarda lo esencial sin llevar toda la habitación encima. En LightGen, esa representación se trabaja directamente con luz, lo que reduce pasos intermedios y ayuda a conservar mejor la estructura de los datos.
La comparación con Nvidia
La comparación con una Nvidia A100, una GPU usada como referencia en IA, explica por qué LightGen ha llamado tanto la atención. Según los datos divulgados sobre el estudio, el chip superó por más de cien veces la velocidad y la eficiencia energética de esa GPU en pruebas generativas concretas, como imagen, vídeo y escenas en tres dimensiones.
Pero hay letra pequeña. LightGen no es una GPU generalista, ni ejecuta cualquier programa como un procesador comercial. Es un prototipo especializado, pensado para una parte muy concreta del cálculo visual generativo.
Por qué importa
La IA generativa exige mucha energía. Cada imagen, vídeo o modelo grande que se ejecuta a gran escala tiene detrás servidores, refrigeración y una factura eléctrica que no se ve en la pantalla del móvil.
Por eso un acelerador más eficiente puede cambiar la economía de la IA, al menos en parte. Si el salto de LightGen se mantiene fuera del laboratorio, los centros de datos podrían hacer algunas tareas visuales con menos consumo y menos calor. La propia Universidad Jiao Tong habla de una vía hacia una IA más rápida y eficiente, no de una sustitución inmediata.
Una carrera más amplia
LightGen no aparece de la nada. Una investigación de 2023 en Nature ya había presentado ACCEL, un chip que combinaba computación electrónica y luz para tareas rápidas de visión, también con Chen Yitong entre sus autores.
En 2025, otros trabajos en Nature mostraron procesadores fotónicos capaces de ejecutar modelos de IA conocidos y aceleradores integrados de baja latencia. Eso dibuja una tendencia clara, aunque todavía irregular. La luz está entrando poco a poco en el hardware de IA, pero el silicio no va a desaparecer mañana.
Lo que falta
El siguiente reto es llevar este rendimiento a sistemas fiables, baratos y fáciles de fabricar. En la práctica, eso significa resolver el empaquetado, la conexión con hardware electrónico, el control de láseres y la estabilidad durante miles de horas de uso.
También falta saber cómo encajaría LightGen en el software real de la IA. Los chips de Nvidia tienen algo más que potencia bruta, tienen herramientas, memoria, controladores y una cadena industrial enorme. Cambiar eso es como cambiar el motor de un avión en pleno vuelo. Se puede estudiar, pero no se improvisa.
El estudio principal se ha publicado en Science.
