挤爆硅基芯片的今天，光学计算技术真能救场吗？

上个月跑了趟南京江北的算力产业园，跟着朋友进了他们的新机房。 推开门那一瞬间，热风裹着机器的轰鸣声往脸上拍，五分钟不到，后背的T恤就湿了大半。 朋友挠着头笑，说这还只是满负载的三分之一，真全跑起来，这里的空调得开到十六度才能压得住温度。 现在训练个千亿参数的大模型，一次就得烧掉几十万度电。全世界的算力中心加起来，碳排放顶得上一个中小国家了。摩尔定律走到头，硅基芯片的功耗墙就横在所有人面前——大家都在找破局的路，光学计算就是喊得最响的那一个。

为什么算力疯涨的今天，光成了救命稻草？

我们现在用的电子芯片，靠电子在半导体里跑着算。越小的芯片，跑越快，但是电子挤在一起就会发热，功耗蹭蹭往上涨，到现在三纳米都出来了，再往下挤，量子隧穿效应出来，根本挡不住。 光不一样啊。 不同频率、不同相位的光走一条光路，互相都不干扰，天生就能并行。说白了，电子计算是一个接一个排队算题，光就是几百上千道题一起算，速度自然快，功耗还低——光只要不被吸收，传播的时候几乎不耗电对吧？ 硅基芯片与光子AI芯片晶圆对比图 说实话，光学计算不是今天才提出来的新概念，早在上世纪六十年代就有人研究了，那时候为什么没火？因为那时候硅芯片还跑得动，大家没必要折腾体积大、成本高的光路系统。 这几年不一样了，大模型把算力需求拉得翻了几十倍，硅芯片快顶不住了，资本和科研机构才又把光学计算拉出来遛遛。我认识的一个做光刻的朋友，说去年一年接到的光子芯片流片需求，比过去五年加起来都多。

别听大佬瞎忽悠，光学计算原理其实你都能懂

很多科普把光学计算说的玄乎，其实就是一句话：用光学的物理特性直接做运算，结果出来比电子一步步算快得多。 举个最常见的例子，现在AI模型里用的最多的矩阵乘法，说白了就是一堆数乘了再加起来。 光学怎么算？把输入的数字转换成光的亮度，不同输入走不同的光路，经过预先设置好的衰减片（权重就存在衰减片里啊），最后不同光路的光汇集到探测器上，总亮度就是乘法加起来的结果——整个过程是同时发生的，光走过去的时间就是计算时间，根本不需要一步一步走晶体管算。 你说神不神？相当于你把题目出好，题目本身走一遍，答案就出来了。 光学计算4*4矩阵运算光路原理示意图 当然不是说只有这么简单的玩法。现在还有用光的相位、偏振存信息的，能做更复杂的运算，核心逻辑没变，就是天生并行，低延迟，低功耗。 去年我在一个创业展会上看过Demo，同样跑一张图片的识别，同功耗下，光学计算加速卡的速度是普通GPU的三倍多，当时围了一圈人，好多投资人看完直接就留下来聊到闭馆。 不过话说回来，好用归好用，现在的光学计算，根本干不了全活。很多自媒体说要取代硅芯片，那纯纯是吹牛皮。

吹得越凶，越要理清楚光学计算的边界在哪里

吹得越凶，越要理清楚光学计算的边界在哪里 第一个误区，光学计算不会取代电子芯片，至少未来三十年不会。 为什么？光跑得快，但是光不好存啊。你要做复杂的逻辑运算，要存中间结果，光现在做不到这么小的高密度存储，稍微偏一点光路，结果就错了。温度变一度，芯片热胀冷缩，光路歪了零点几微米，结果就不对了，稳定性比电子芯片差远了。 现在靠谱的路线，都是光电混合计算：电子芯片管逻辑控制、管存储，需要做大规模并行矩阵运算的时候，扔给光学计算单元算，算完了再拿回来给电子芯片处理。分工明确，各干各擅长的。 第二个误区，光学计算现在就能解决算力不够的问题？不对，还早。 现在商用的光学加速卡，还只能做推理，做不了大模型训练。因为光学计算是模拟计算啊，精度不够，你算一次差一点，训练的时候迭代几十万次，误差累积起来早就偏到姥姥家了。也就是推理只需要算一次，误差不大不影响结果，刚好能用。 现在落地的场景也都是瞄准这个缺口：数据中心的大模型推理加速，自动驾驶的实时点云处理，卫星遥感的图像处理，这些都是需要低延迟、低功耗的大规模并行计算，刚好是光学计算的菜。 我之前跟一个做光学计算的博士生聊天，他说他们组现在最头疼的就是光调制器的精度，现在最好的器件，也就做到八位精度，GPU都做到三十二位了，差得远。想要把精度提上去，成本指数级涨，根本没法量产。 还有一个问题，就是现在光学芯片的制造，和现有的半导体产线能不能兼容？大部分不行，很多工艺还要定制，良率上不去，成本就降不下来，没法大规模铺。 说实话，我挺看好这个方向的，但是我特别烦那些吹什么“硅芯片已死，光学计算当家”的鬼话。任何新技术都是慢慢爬上来的，当年晶体管出来的时候，也没人想到几十年后能塞进手机里。 现在硅基的墙已经看得见了，有人愿意趟光学计算这条路，总比大家都挤在硅这一棵树上吊死好。说不定再过十年，我们用的大模型加速卡，里面就有一半是光学计算单元，数据中心的电费能降一半，机房也不用把空调开得那么低了。 挺好的对吧？