光学计算技术：打破电子芯片算力瓶颈的新出口

你最近刷到AI大模型挤爆数据中心的新闻没？是不是翻遍所有产业报道，一半在吹3nm、2nm工艺挤牙膏，一半在吹各种存算一体新概念，没人提闷不吭声已经搞出商用产品的光学计算技术？

为什么是光？电子走不通的坎，光天生就能跨

现在电子芯片的算力瓶颈，本质上就是两个问题。一个是冯诺依曼架构天生的内存墙，数据来回跑，跑一次耗一次电，速度还上不去。另一个就是摩尔定律已经摸到物理极限了，你再怎么缩晶体管尺寸，漏电流和发热都扛不住。 光不一样啊。 光天生就是并行的，一束光里不同波长就能同时算不同数据，而且光速是宇宙最快速度，传输过程中几乎不耗电。 说白了，电子计算是电子绕来绕去跑，累得半死还发热。光学计算是让数据直接沿着光路跑，一步到位。 光学计算芯片核心光路示意图 去年美国Lightmatter推出的商用光学AI推理芯片，实测数据出来的时候，行业内好多人都惊了。相同推理任务下，功耗只有英伟达A100的五十分之一，延迟还低了五分之一。这差距，太香了。

现在的光学计算技术，真不是实验室里的画饼

说实话，早十年提起光学计算，我也觉得是忽悠。那时候的原型机，占满一整个实验室，只能做特定的矩阵运算，连个普通小程序都跑不起来，有啥用？ 现在完全不一样了。集成光学工艺上来了，一片几厘米的晶圆上就能刻出上万个光调制器、光分束器，跟十年前比完全是两个东西。 国内的曦智科技，前年就已经给客户送样了800G的光学计算加速卡，主打数据中心AI推理场景。清华大学去年还发布了通用光学计算原型机，已经能跑基础的深度学习模型了。 商用光学AI计算加速卡实物图 不过话说回来，现在落地最快的场景，确实还是AI推理。大模型训练对精度要求太高，光学计算现在的误差还控制不住，但是推理不需要那么高的精度，刚好对口。现在一个百万亿参数的大模型，用光学计算加速，推理速度翻好几倍，电费省一大半，哪个数据中心不心动？

大规模商用普及，还有三道绕不开的坎

大规模商用普及，还有三道绕不开的坎 我可不是来吹光学计算能秒天秒地的。它现在的问题，明明白白摆在那。 第一道坎就是集成度。哪怕现在最先进的集成光学工艺，一个光学调制器的尺寸，还是比七纳米的晶体管大好多。你要做跟H100一样规模的计算单元，现在做不到那么小。 第二道坎就是精度和抗干扰。光信号很容易受到温度、振动的影响，稍微偏一点，计算结果就错了。现在只能做精度要求不高的推理，要做高精度的科学计算或者大模型训练，还得再磨好几年的误差控制技术。 第三道坎就是产业链。整个半导体行业玩了几十年电子芯片，从设计到制造到封测，全是给电子芯片配套的。光学计算要搞大规模量产，现在连成熟的供应链都凑不齐，更别说降本走量了。 对吧？哪有那么容易就直接颠覆整个行业。 现在业内主流的共识，其实也不是光学计算替代电子芯片，而是做混合计算架构。复杂的控制、存储交给电子芯片，大规模并行的矩阵计算交给光学芯片，各干各擅长的事。 我上个月跟一个做半导体投资的朋友吃饭，他说今年投半导体，十个项目里三个沾光学计算，以前根本没人理。现在大家都看明白了，摩尔定律的牙膏挤不动了，要解决AI的算力饥荒，总得找新路子。 光学计算技术不是什么空中楼阁，是已经踩实了第一步的新赛道。说不定十年后你手机里的AI生成功能，背后就是光学计算芯片在跑。谁能说得准呢？当年第一只晶体管出来的时候，也没人想到会有今天人手一部的智能手机啊。