光学计算技术：为什么它会成为下一个算力破局点？
上个月跑了趟国内的半导体产业峰会，散场的时候我眼睁睁看着，一个做光学计算的年轻创始人被围得水泄不通，资本递名片的手都伸到讲台上去了。放在五年前，哪有这待遇？那时候提光学计算，十个投资人九个会摇头，说这就是实验室里骗经费的玩意。现在不一样了，算力荒荒到所有人都急眼了，大家都在找破局的路。
光学计算矩阵运算原理示意图
现在很多自媒体吹光学计算要取代硅基电子芯片，我只能说，扯。至少未来三十年，都不可能。光学计算擅长的就是特定的并行计算任务，比如AI推理、图像处理、密码破解这些，通用计算还是电子芯片的天下。现在行业里已经达成共识了，未来的方向是光电混合架构，电子芯片做控制和逻辑运算，光学计算模块做AI大模型需要的高密度矩阵运算，各干各的活，发挥各自优势。说实话，这才是最务实的路径，上来就喊着颠覆硅基的，要么不懂，要么就是骗融资的。
集成硅基光电子光学计算芯片实物图
我之前在展厅见过曦智那块计算卡的核心芯片，也就指甲盖大小，上面集成了上万根光波导。说实话拿到手里的时候我还挺感慨，原来遥不可及的技术，居然已经做到这么小了。现在最成熟的路线就是集成硅基光电子光学计算，能和现有的CMOS半导体工艺兼容，不需要重新建整条生产线，良率已经能做到百分之八十以上，成本降得比大家预想的快多了。不过话说回来，现在能落地的场景，还是大多面向To B，都是给数据中心做算力加速，还轮不到消费端，别急着找你手机里的光学计算芯片，找不到的。
坑还不少，光学计算的大规模普及还要多久？
现在行业热是热，但坑也真不少。第一个坑就是精度问题。光学计算是靠光的相位、振幅来存数据，干扰因素太多了，温度变一度，波长飘一点，结果就偏了。现在做低精度的AI推理，8bit量化是没问题的，但要是做高精度的训练，16bit甚至32bit，现在的光学计算还扛不住。怎么解决精度和稳定性的问题？现在学界都在做光电校正，就是用小的电子模块去校正光学计算的误差，思路是对的，但还没做到完美。
第二个坑就是产业链。现在光芯片的很多核心元件，比如调制器、探测器，良率还是比传统硅芯片低不少，成本也更高。你想想，数据中心要是全换成光电混合计算节点，前期投入多大？不少厂商还是在观望，不敢一下子砸大钱换设备。
还有第三个坑，就是软件生态。现在AI的整个软件栈都是给电子计算做的，光学计算要适配，得重新做编译器，重新做算子适配，哪那么容易？生态这个东西，比芯片本身难搞多了。
但是你说这些问题解决不了？倒也不是。现在AI对算力的需求太疯了，每年都翻十倍，电子计算已经跟不上了，哪怕光学计算现在有瑕疵，只要能降功耗提速度，就有人愿意用。现在国内BAT、字节这些大厂都在布局光学计算项目，今年上半年光计算领域的融资就超过了三十亿，热得发烫。
我挺看好未来十年的，说不定再过五年，你用大模型聊天的时候，背后给你跑推理的，就是一块光学计算芯片。它不是来颠覆谁的，是来给算力荒救火的。就这样，等着看吧。
别吹得太神，光学计算到底解决什么问题？
现在的电子计算走到瓶颈了，这事没人反对吧？摩尔定律停了快十年，芯片性能每两年提升不了百分之二十，功耗反而涨得飞快。数据中心现在一年的电费，抵得上一个中等国家的全年发电量，太夸张。电子计算是靠电子开关算，开关一开一关就发热，速度越快发热越厉害，这是物理定律锁死的天花板。 光学不一样啊。光天生就是并行的，一束光就能分好多路不同频率的信号一起走，互相不干扰。速度就是光速，功耗还极低，算矩阵并行运算这种AI大模型最常用的操作，天生就比电子计算快几十上百倍，功耗只有几十分之一。光学计算矩阵运算原理示意图
现在很多自媒体吹光学计算要取代硅基电子芯片，我只能说，扯。至少未来三十年，都不可能。光学计算擅长的就是特定的并行计算任务，比如AI推理、图像处理、密码破解这些，通用计算还是电子芯片的天下。现在行业里已经达成共识了，未来的方向是光电混合架构，电子芯片做控制和逻辑运算，光学计算模块做AI大模型需要的高密度矩阵运算，各干各的活，发挥各自优势。说实话，这才是最务实的路径，上来就喊着颠覆硅基的，要么不懂，要么就是骗融资的。
从实验室到量产，光学计算技术跑赢了第一棒
放在十年前，光学计算还真就是实验室里的玩物。那时候做自由空间光学计算，要摆一大排透镜和反射镜，一间屋子才能放下一个计算模块，别说量产，连稳定性都保证不了。现在不一样了，随着硅基光电子工艺的成熟，光学计算芯片已经能做出来，甚至小规模量产了。 去年美国Lightmatter公司推出的光子AI计算芯片，在大语言模型推理任务上，相同功耗下速度是英伟达A100的十倍以上。国内的曦智科技今年也推出了量产的光子计算卡，已经给不少互联网大厂送样测试了。清华大学团队今年初还发了Nature论文，做出来了百兆像素的全光衍射神经网络芯片，目标识别的速度比传统电子芯片快三个数量级，太狠了。集成硅基光电子光学计算芯片实物图
我之前在展厅见过曦智那块计算卡的核心芯片，也就指甲盖大小，上面集成了上万根光波导。说实话拿到手里的时候我还挺感慨，原来遥不可及的技术，居然已经做到这么小了。现在最成熟的路线就是集成硅基光电子光学计算，能和现有的CMOS半导体工艺兼容，不需要重新建整条生产线，良率已经能做到百分之八十以上，成本降得比大家预想的快多了。不过话说回来，现在能落地的场景，还是大多面向To B，都是给数据中心做算力加速，还轮不到消费端，别急着找你手机里的光学计算芯片，找不到的。
坑还不少，光学计算的大规模普及还要多久？
坑还不少，光学计算的大规模普及还要多久？
现在行业热是热，但坑也真不少。第一个坑就是精度问题。光学计算是靠光的相位、振幅来存数据，干扰因素太多了，温度变一度，波长飘一点，结果就偏了。现在做低精度的AI推理，8bit量化是没问题的，但要是做高精度的训练，16bit甚至32bit，现在的光学计算还扛不住。怎么解决精度和稳定性的问题？现在学界都在做光电校正，就是用小的电子模块去校正光学计算的误差，思路是对的，但还没做到完美。
第二个坑就是产业链。现在光芯片的很多核心元件，比如调制器、探测器，良率还是比传统硅芯片低不少，成本也更高。你想想，数据中心要是全换成光电混合计算节点，前期投入多大？不少厂商还是在观望，不敢一下子砸大钱换设备。
还有第三个坑，就是软件生态。现在AI的整个软件栈都是给电子计算做的，光学计算要适配，得重新做编译器，重新做算子适配，哪那么容易？生态这个东西，比芯片本身难搞多了。
但是你说这些问题解决不了？倒也不是。现在AI对算力的需求太疯了，每年都翻十倍，电子计算已经跟不上了，哪怕光学计算现在有瑕疵，只要能降功耗提速度，就有人愿意用。现在国内BAT、字节这些大厂都在布局光学计算项目，今年上半年光计算领域的融资就超过了三十亿，热得发烫。
我挺看好未来十年的，说不定再过五年，你用大模型聊天的时候，背后给你跑推理的，就是一块光学计算芯片。它不是来颠覆谁的，是来给算力荒救火的。就这样，等着看吧。