光学计算技术：我赌光子芯片会革了传统半导体的命，但还不是现在

上周在实验室熬到凌晨三点，盯着示波器上那几条跳动的曲线，我突然意识到——我们可能都低估了光子的脾气。说实话，它比电子难搞多了。但就是这种难搞，才让光学计算技术这件事儿变得无比性感。

从“光脑”的幻灭到光子芯片的复活

八零年代那波“光计算机”的热潮，最后摔得很惨。那时科学家们天真地以为，用光代替电子，速度就能飙上天。结果呢？全光逻辑门根本做不实用。我当时导师提起这事儿还会翻白眼：“激光器比冰箱还大，一个与门吃掉半层楼的功耗，这不是计算，是烧钱。” 所以后来整个方向冷下来了。不过话说回来，有些路，必须走错一次才知道坑在哪儿。

真正的转机出现在2017年。麻省理工那个光子神经网络的论文一出来，整个圈子都炸了——不是因为他们造出了光脑，而是他们只用了米粒大小的衍射光片，就实现了模式识别。没有电，没有晶体管，光穿过几层蚀刻过的硅片，就像水淌过鹅卵石，自然完成了卷积运算。我当时看完，沉默了很久，然后打电话给研究生说：把上一个实验停了，我们跟着MIT的路子走。

麻省理工衍射光学神经网络实验装置实物照片

那种震惊，怎么说呢……就像你一直琢磨怎么用乐高搭个城堡，结果邻居家小孩拿沙子随手一倒就是件艺术品。光天生就会傅里叶变换——这句话从教科书里跳进了现实。我们干嘛非要死磕电子那套二进制呢？

行业疯跑，但没人告诉你落地有多痛

这几年创业公司跟雨后春笋似的。美国的Lightmatter、Lightelligence，国内的曦智科技，一个个融资都奔着亿美元去。投资人以为光子芯片是印钞机，可他们不知道光在芯片里拐个弯都困难。波导？那玩意儿对准精度得纳米级，封装一次失败率能让你怀疑人生。上次听一个做封测的工程师吐槽：“结构复杂的光计算芯片成品率现在跟中彩票差不多”——虽然夸张，但真实得令人心疼。

不过亮点也有。Lightmatter的Envise，去年演示了用光子数据流干大模型推理，功耗只有传统GPU的十分之一。十分之一！我在会场直接站了起来。这不是PPT数据，是实打实的推理任务，虽说模型规模还卡在几亿参数，但那条能效曲线已经让黄仁勋连夜开会了吧？

但冷静下来想——问题堆得比成果多。光存储怎么办？内存墙照样把光计算给堵了。还有非线性，光子的非线性效应弱得像早春的太阳，逼得人不得不搞混合光电路，一半光一半电，这个缝合怪设计直接把架构复杂度推向了地狱模式。

Lightmatter Envise光子计算芯片与电子芯片能效对比柱状图

我最怕听到一种论调：“光子芯片马上要取代GPU了”。取代个鬼！五年内能当个协处理器就烧高香了。就像当年的GPU，人家一开始只是打游戏的副手，后来才上位的。对吧？得给新技术一点成长期，别动不动就革命。

我为什么还押注光学计算技术？

我为什么还押注光学计算技术？

上个月参加一个闭门会，有位做量子计算的老哥嘲讽我们：“光子那点算力，都不够量子塞牙缝。” 我笑了。他能不这么比吗？光学计算最强的地方，不是对抗量子，是把能效做到极致。而且光天生适合做线性操作，AI推理里80%的计算都是矩阵乘法，这不就是给光量身定做的？

还有一点，产业界终于开始认真对待光电融合了。Intel的硅光子平台已经能集成调制器和探测器，台积电也在搞共封装光学……供应链一旦成熟，光学计算技术就不会只呆在论文里。想想看，数据中心里一排排机架，数据用光子跑，交换用光背板，那发热量能降多少？运维小哥肯定第一个支持吧。

当然，前方还有拦路虎。比如光源，片上激光器得多稳定？信号噪声怎么滤？算法也不配套啊，现在深度学习框架全是围绕张量核写的，光神经网络的训练工具链简陋得像1998年的HTML。但我们这群搞光的，骨子里都有点执拗。有个退休的老教授跟我说：“光子教会了我耐心，它太矫情，但一旦驯服了，给你一片星空。”

文章快收尾了，我忽然想起去年冬天，偶然翻到贝尔实验室1958年的一份手稿，里面用钢笔工整地写着：“光或许能成为逻辑的载体”。六十多年了，我们才刚撬开一道门缝。但至少，门缝里透出的光，是真的光。