登上《国家科学评论》：曦智科技解读全球光计算发展最新突破

过去几年，人工智能大模型快速发展，正在深刻改变医疗诊断、自动驾驶、科学研究等众多领域。与此同时，超宽带信号处理、实时视觉计算等新兴应用场景对计算系统提出了前所未有的挑战：既需要更高的算力，也需要更低的延迟和更优的能效。

光子处理器具有能够利用光波并行传播的物理特性，在保持高吞吐率的同时降低单位计算的能耗开销。随着系统规模不断扩大，这种架构有望进一步释放光计算在性能和能效方面的潜力，而这也正是近年来大规模集成光计算持续受到关注的重要原因之一。

过去十余年间，全球学术界围绕不同光计算架构进行了大量探索，包括：

• 基于马赫-曾德尔干涉仪（MZI）的可编程光计算架构；

  
  

• 基于微环谐振器（MRR）的高密度集成架构；

  
  

• 衍射光学神经网络；

  
  

• 基于相变材料（PCM）的光存储与计算架构等。

不同技术路线分别在可编程性、集成度、能效等方面展现出独特优势。

而随着人工智能产业快速发展，行业关注点正在从单个器件性能逐渐转向系统级能力验证。如何实现大规模集成、稳定运行以及与电子系统协同工作，成为光计算走向产业化的核心课题。

论文认为，2025年是光计算发展的重要里程碑。

国际领先企业相继发布大规模集成光计算系统成果（曦智科技的PACE，Lightmatter的Envise等），标志着光计算正式进入从实验室原型向产业应用转变的新阶段。

随着光电子融合不断深入，先进封装、异构集成以及软硬件协同设计正在成为推动产业发展的关键技术。

特别是在大模型时代，矩阵乘法等核心计算任务占据了绝大部分算力消耗。光计算凭借其天然适合执行大规模矩阵运算的特点，正在展现出巨大的应用潜力。

论文认为，未来光计算系统有望逐步形成“光电协同”的异构计算模式：

• 光计算核心更擅长执行矩阵乘法等计算密集型任务，充分发挥其高并行、高吞吐和低延迟优势；

  
  

• 电子处理器则在控制管理、逻辑运算以及非线性计算等方面具有成熟优势；

  
  

• 通过算法、软件和硬件的协同优化，二者有望形成优势互补，共同支撑下一代高性能人工智能计算系统。

尽管近年来取得显著进展，论文同时指出，大规模集成光计算距离全面商业化仍需解决三个关键问题：

• 技术路线演进：新型材料平台不断涌现，包括薄膜铌酸锂（TFLN）、钛酸钡（BTO）以及磁光材料等。如何在性能、成本和制造成熟度之间取得平衡，将决定未来产业格局；

  
  

• 算法与生态建设：当前人工智能软件生态主要围绕数字计算建立，而光计算属于模拟计算体系。如何构建适配光计算特性的算法框架、编译系统和开发工具链，是行业发展的重要课题；

  
  

• 工程化与规模制造：随着系统规模不断扩大，器件良率、封装工艺、热管理以及长期稳定性控制等问题将成为决定产业化进程的重要因素。

  
  

扫描下方二维码或点击“阅读原文”查看原论文内容。