電子發燒友網（文 / 李彎彎）光子 AI 處理器，作為一種借助光子執行信息處理與人工智能（AI）計算的新型硬件設備，正逐漸嶄露頭角。與傳統基于晶體管的電子 AI 處理器（如 GPU、TPU）截然不同，光子 AI 處理器依靠光信號的傳輸、調制及檢測來完成計算任務，因其具備高速、低功耗、高帶寬等突出優勢，被視作突破現有計算瓶頸的關鍵技術之一。

核心原理及面臨的技術挑戰

光子 AI 處理器的核心原理，是用光子取代電子進行運算。具體而言，首先由激光器產生光信號，再通過調制器將數據編碼（例如把電信號轉變為光信號），之后光信號在光波導或自由空間中傳輸。在線性光學計算環節，利用干涉、衍射、相位調制等光學現象來實現矩陣乘法，像馬赫 - 曾德爾干涉儀就常被用于搭建光學矩陣乘法單元。而在非線性和檢測階段，借助光電探測器把光信號重新轉換回電信號，并協同電子元件完成非線性激活函數等操作。

這項技術優勢明顯：其一，超高速，由于光以光速傳播，延遲極低，在理論層面，其計算頻率可達 THz 級別，十分契合高頻計算場景；其二，低功耗，光子在傳輸過程中幾乎不會因電阻產生發熱現象，能耗相比電子芯片大幅降低；其三，并行性，光天生能夠并行傳播，在大規模并行計算（如卷積、矩陣運算）中表現出色；其四，抗電磁干擾，光子不會受到傳統電磁噪聲的影響。

從應用場景來看，光子 AI 處理器在多個領域都有廣闊的應用前景。在深度學習領域，它能夠加速神經網絡的訓練與推理過程，尤其在圖像識別、自然語言處理等方面效果顯著。在數據中心，光子 AI 處理器可用于高效處理大規模數據，有助于降低能耗和散熱成本。在自動駕駛領域，實時處理激光雷達、攝像頭等傳感器數據，需要低延遲和高帶寬，光子 AI 處理器能夠顯著提升自動駕駛系統的性能。在邊緣計算方面，于物聯網設備中，光子 AI 處理器能夠實現本地化 AI 計算，減少數據傳輸延遲。

當然，光子 AI 處理器的發展也面臨著諸多技術挑戰。在集成度上，目前光子器件的集成度依舊低于電子器件，這就需要研發更為先進的制造工藝，如硅光子集成技術。在精度與穩定性方面，光子器件極易受到溫度、振動等環境因素的干擾，因此提升系統的穩定性和計算精度迫在眉睫。光電轉換環節，光信號與電信號之間的轉換效率有待進一步提高，以此降低能耗和延遲。在算法適配方面，需要專門開發適配光子計算的算法和軟件框架，從而充分挖掘其性能優勢。

光子計算突破性進展

光子計算領域的研究進展備受關注。MIT、斯坦福等科研機構在硅光子神經網絡、光學衍射神經網絡（如 All - Optical NN）等方面取得了突破。其中，MIT 研發出基于硅光子的光子 AI 加速器，實現了高效的矩陣運算。國內清華團隊也發布了全球首款光子 AI 芯片 “太極”，有效加速了深度學習模型的運行。此外，IBM、Intel 等行業巨頭也紛紛投身于硅光子 AI 芯片的探索中。

本周，《自然》雜志刊登了兩篇重磅論文，介紹了一種融合 “光” 與 “電” 的計算機芯片，展現了硅基光子學技術的互補性突破。這兩項研究成果運用了一種既能處理電信號，又能利用光信號的新型芯片，在提升計算性能的同時，還降低了能耗。

其中，曦智科技公司展示了一款名為 PACE 的光子加速器。PACE 是基于光子計算技術研發的專用芯片，旨在攻克傳統電子芯片在計算速度和能效方面的瓶頸。光子計算利用光信號進行信息傳輸與處理，相較于電子計算，具有帶寬更高、延遲更低、能耗更小的顯著優勢。PACE 集成了超過 16,000 個光子組件，能夠實現 64×64 的光學矩陣運算，并可在 1 GHz 的頻率下運行，將計算延遲降低了 500 倍，極大地提升了計算效率。

Lightmatter 公司則介紹了一種能夠高效且高精度執行 AI 模型的光子處理器。該處理器由四個 128×128 矩陣構成，能夠高效運行自然語言處理模型（如 BERT）和圖像處理神經網絡（如 ResNet），其精度與傳統電子處理器相當。

在《自然》同期發表的一篇評論文章中，達特茅斯學院工程學助理教授 Anthony Rizzo 指出：“光子計算歷經數十年發展，而這些研究成果或許意味著我們終于能夠借助光的力量，構建更為強大、節能的計算系統。” 由此可見，光子計算技術正穩步向前邁進。?