在金融世界，有一种叫“雪球”（Snowball）的网红产品，年化票息曾高达20%，让不少投资者趋之若鹜。但高收益背后隐藏着复杂的风险——它需要实时模拟上百万条未来价格路径，对算力和计算速度要求非常高。
现在，曦智科技的光计算芯片，用一束光同时走完百万条路，让复杂期权的定价和风险监控变得快速、低耗。
01
什么是“雪球”期权？为什么它难定价？
雪球期权是一种“路径依赖型”奇异衍生品。简单说：
只要标的价格不跌得太狠（不“敲入”），你就定期拿高票息，像滚雪球一样越滚越大；
如果价格涨到一定高度（“敲出”），产品提前结束，你带着票息离场；
但如果价格大跌触发“敲入”，你就可能承担亏损。
要算出它今天值多少钱、风险有多大，必须模拟成千上万条未来的价格路径——这就是蒙特卡洛模拟。
02
光计算芯片：用“光速”取代“电子赛跑”
曦智科技发布的PACE 2（曦智天枢）光电混合计算加速卡集成了超过40000个光子器件，核心是一个 128×128 的光学矩阵乘法器。
与传统电子芯片不同，光计算不是一条一条地算，而是把数据编码到光束上，让光在芯片中传播一次，就完成整个矩阵乘法。
PACE 2光电混合计算芯片
关键数据（PACE 2芯片）：
计算核心 | 128x128光学矩阵乘法器 |
数值精度 | 8bit |
理论峰值算力 | 32 TOPs |
功耗 | 50W（包含内置激光器） |
封装 | 3D硅通孔封装 |
光子矩阵算法（oMAC） 计算时延 | 200ps |
03
如何用光计算为期权定价？——“神经网络 + 光加速”
我们可以训练一个深度神经网络（DNN）来“学会”定价：
数据生成：通过对不同影响定价参数进行蒙特卡洛算法的雪球模型百万路径生成来得到对应的输出定价，生成数据集，把该数据集拿来作为神经网络模型训练数据，进而预测定价。
构建模型：可以使用多层全连接层（FC）的神经网络来实现，同时对激活函数和每一层神经元个数按照实际情况进行选择。
训练模型：这个训练策略是非常重要的，一个好的训练策略可以获得拟合更好的模型，这里可以采用低精度量化模型，更能符合在光计算卡中推理计算。
测试：对生成的模型进行测试，各项评价指标需要满足实际需要，同时保证模型的敏感性。
百万路径生成
图片来源：光计算在金融领域的应用
这样一来，每次市场变化（价格跳动、波动率改变），光芯片都能及时重新算出期权价格、Delta、Vega、敲出概率等风险指标，提升期权定价效率。
光计算算法也可以与经典算法混合集成，进一步加速问题的求解。
04
为什么这很重要？—— 实时风控不再是梦想
金融机构交易“雪球”这类产品需要及时监控。如计算速度不够，等风险指标算完，该对冲的时机可能已经错过。
光计算带来的改变：
低延迟：由于计算过程即为光信号阵列在芯片中传输过程，计算本身的延迟即可看作光在芯片中传输的时间
低功耗：可以大规模并行部署
高吞吐：光具备高并行特性，可同步处理整个路径群
简单说：市场变，结果立即变，对冲指令同步下达。
光计算芯片，不仅有望解决“雪球”期权的及时定价难题，也为整个金融衍生品领域打开了一扇新门。未来，随着光芯片集成度越来越高，从期权定价到风险价值（VaR）计算，从高频交易到资产组合优化，光计算有望成为金融基础设施的“光速引擎”。
参考文献
[1] https://developer.nvidia.com/blog/accelerating-python-for-exotic-option-pricing/
[2] Ferguson R, Green A. Deeply learning derivatives[J]. arXiv preprint arXiv:1809.02233, 2018.
[3] 曦智科技. 光计算在金融领域的应用[EB/OL]. 2026-04-09. https://www.xztech.ai/community/cases/1.
