光学计算技术：为什么说它是下一个十年的算力破局点

去年去上海参加半导体行业论坛，一帮搞了一辈子芯片的老教授聊起摩尔定律，一个个摇头叹气。直到有人站起来说“光学计算”，整个场子的气压都变了。 没人打盹了，都往前凑身子。

别被名字忽悠，光学计算其实早就在你身边了

很多人一听到光学计算，第一反应就是实验室里飘着的高大上概念，跟日常没关系。错。 你现在手机上的人脸识别，自动驾驶用的激光雷达点云处理，早就用上光学计算了。现在业内吵得火热的新一代光学计算，本质是冲着电子芯片的算力死结去的。 电子芯片靠电信号走线路，挤在小小的硅片上，发热、延迟，到了3nm工艺节点，再往下走一步，研发成本就要烧几百亿，性能提升却不到10%，这行的人都懂。 那光呢？天生就是做并行计算的料。不同波长的光同时传输，互不干扰，速度接近光速，能耗只有电信号的几十分之一。 光子芯片晶圆加工实物图 说实话，好多人搞不清光学计算和普通光电子芯片的区别。说直白点，传统光电子芯片还是电做计算、光做传输，真正的新一代光学计算，直接用光来做计算，从输入到运算全流程都是光，天生适配AI最常用的矩阵乘法运算，速度比最先进的电子芯片快好几个数量级，能耗低得吓人。 去年美国创业公司Lightmatter推出的商用光学计算芯片，跑大模型推理任务，能耗只有英伟达H100的四十分之一，消息出来的时候，整个投资圈都炸了。 国内这边，中科院、清华这些院所早布局了几十年，最近两年成果出得特别快。

卡脖子的那些坎，业内没说透的都在这

别听网上吹什么光学计算马上取代硅芯片，哪有这么容易。坎多了去了。 第一个坎就是集成度。光的波长就比电子大得多，你要把上亿个光调制器、光探测器做在一块同尺寸的芯片上，现在的工艺根本做不到，就算做出来，成本也高到没人用得起。 第二个坎是计算精度。光学计算靠光的相位、振幅变化做运算，本身就容易受干扰，误差比电子芯片大很多。现在也就跑AI推理这种对低精度有容忍度的任务没问题，你让它做超算的高精度科学计算，现在还达不到要求。 第三个坎就是光电对接。哪怕你光学部分做出来了，最终结果还是要转成电信号输出，对接过程的损耗现在一直降不下来，做出来的大芯片，整体能效比还不如几块电子芯片拼起来，太尴尬了。 光学计算芯片光电耦合结构实拍图 不过话说回来，最近两年的技术突破，其实比圈外人想象的快太多。 去年中科院微电所团队发了成果，做了一块集成256个光神经元的芯片，直接跑ResNet-18图像识别，准确率和电子芯片比只差不到1%，刷新了当时的纪录。 欧洲那边去年做出来的硅基光子集成工艺，已经能把光调制器的尺寸缩小到原来的十分之一，成本直接砍了一半，相当于往前跨了一大步。阿斯麦都投了光学计算创业公司，摆明了看好这个方向。

未来三年，最先吃到红利的会是谁？

未来三年，最先吃到红利的会是谁？ 别瞎想明年你的手机就能用上光学计算芯片，不可能。技术落地都是从高价值、对成本不那么敏感的场景开始的。 第一个，也是确定性最高的，就是数据中心的AI大模型推理。现在大模型越做越大，国内一个头部互联网公司，光是推理集群一年的电费就几十亿，要是光学计算能把整体能耗降七成，哪怕成本高一点，大厂也愿意换。现在谷歌、微软都在偷偷测试光学计算加速卡，消息早就漏出来了。 第二个就是药物研发的分子模拟计算。筛一款新药要算几十万种小分子的结构，天生就是并行计算的活，光学计算算这个比电子芯片快几十倍，现在已经有跨国药企在跟科研团队合作做测试了，进展比想象中快。 第三个，大概要晚个两三年，就是边缘端的智能安防、自动驾驶车载计算。这些场景对低功耗要求极高，等光学芯片成本降下来，很快就能落地。 上个月跟一个创业公司的创始人吃饭，他说现在就怕资本疯炒，把一个好赛道吹成泡沫，最后一地鸡毛。 这话没错。但你不能否认，现在摩尔定律的墙就摆在眼前，ChatGPT带起来的算力需求还在疯涨，原来的路子走不动了，总得有新东西顶上来。 光学计算攒了几十年的技术，现在刚好赶上了算力缺口的风口。成不成，再过三年就能见分晓。 反正我是挺期待的。