光学计算技术：被忽略半个世纪的算力破局新方向

你有没有想过，为什么现在AI大模型越做越大，电费都快赶上一个小国的GDP了？摩尔定律停摆之后，算力增长的瓶颈卡得所有人喘不过气。答案，居然藏在我们天天见的光里。

硅基撞了南墙，才想起光学天生会计算

摩尔定律走了五十年，把硅基芯片的性能推到了极致，现在呢？3nm之后再往下挤，性能涨10%，成本涨一倍，连台积电都敢放缓先进制程的投资了对吧？ 其实光学计算不是什么新发明，早在上世纪六十年代，就有科学家提出用光学做信号处理了。那时候硅基正年轻，性能一年翻一番，没人看得上这个大笨家伙——早年的光学计算机要占一整个房间，精度还差，谁会用？ 硅基芯片与光学计算芯片对比实物图 说实话，光学天生就是为并行计算生的。电子在导线里跑，互相干扰还发热，一次只能传一路信号。光不一样，不同波长不同方向的光走同一条介质，半毛钱都不干扰，一束光就能同时承载成千上万路数据。更别提光学计算做矩阵乘法的速度，天生比电子快几个数量级，能耗还只有百分之一。 这不正好戳中现在AI的痛点？大模型推理，核心就是海量的矩阵乘法运算啊。

从实验室到生产线，光学计算技术今年终于要落地了

放在五年前，说光学计算能商用，行业里一半人都会笑你骗人。现在呢？国外的Lightmatter已经拿出了商用的光学AI推理芯片，实测下来，同功耗下性能是英伟达A100的一倍半，这个数据放出来的时候，整个圈子都炸了。 国内也不慢，中科院微电所去年发布了百光子量级的通用光学计算原型机，好几家创业公司已经拿出了可量产的混合架构芯片送测了。 商用光学AI计算芯片晶圆测试图 现在业内最一致的方向，就是先做云端大模型推理加速，没人说要一步到位取代硅基。训练需要不断改写参数，光学现在还做不到灵活变参，但是推理不一样，模型训练好参数就固定了，完美适配光学计算的架构。 不过话说回来，别信那些说明年你手机就能用上光学芯片的鬼话。消费级芯片对成本、尺寸要求太高，光学现在还摸不到边。最早落地的肯定是数据中心，给大厂商降电费提性能，这个是看得见的明年就能成的事。 现在主流路线都是光电混合，电子做控制和调度，光学做高密度的矩阵运算，各干各擅长的事。这个路线一点都不激进，反而走得最快，成果也最多。

坑还没填平，为什么资本还疯抢

坑还没填平，为什么资本还疯抢 我不是说光学计算现在就完美了，坑多了去了。 第一个就是良率，光要耦合进纳米级的芯片，损耗降不下来，良率上不去，成本就压不到硅基的水平，现在最好的实验室良率也就六成，离量产的九成五还差得远。第二个是精度，光学计算的精度天生不如电子，做高精度科学计算还不行，也就刚好满足AI推理的需求，拓展性还要做。 那为啥资本去年一年往里面砸了快一百亿美金？ 很简单，需求摆在那啊。现在OpenAI一年的电费超过十亿美元，随着用户越来越多，模型越来越大，这个数字还会翻着跟头涨。全球数据中心的能耗，再过五年就要占全球发电量的五分之一，这个窟窿谁填得起？ 只要光学计算能把云端推理的能耗降一半，就是每年上千亿人民币的市场空间，实打实的刚需，不是炒出来的概念。 我前阵子跟一个做硬科技投资的朋友聊天，他说现在团队只要能拿出稳定的片上光学工艺样品，估值随便开，根本不愁钱。之前那些炒元宇宙炒概念的虚火，现在都烧到这个真痛点来了。 别信那些“颠覆硅基”的营销话术，未来至少二十年，都是光电融合的天下，光学是来补硅基的短板，不是来砸场子的。我们需要的不是取代谁，是能把算力缺口填上，让AI能继续往下走，对吧？ 说不定再过两年，你跟ChatGPT聊天的时候，给你算回答的，就已经是光学计算芯片了。你都感觉不到，但是它已经悄悄把算力天花板拉高了一大截。