去年，曦智科技正式將光計算模擬器 LTSimulator 部署上云，并同步推出了光計算開發(fā)者社區(qū)。 以此為起點，我們很高興在“曦智研究院”的全新欄目中，持續(xù)分享光計算與光互連前沿解讀、典型研究案例與場景實踐，與大家共同探索這項技術(shù)的無限可能。 今天這篇內(nèi)容將作為本系列的“開場白”，由曦智研究院系統(tǒng)梳理光計算的基本原理、關(guān)鍵器件與發(fā)展脈絡(luò)。歡迎你持續(xù)關(guān)注，也期待你加入社區(qū)，與我們一同交流、共創(chuàng)，見證光計算的未來。

01

AI 爆發(fā)，算力告急

我們已全面進入“大數(shù)據(jù)”時代，人工智能技術(shù)深入自動駕駛、智能教育、語音識別等眾多領(lǐng)域。在這一進程中，人工神經(jīng)網(wǎng)絡(luò)作為AI的核心計算模型，成為推動社會智能化發(fā)展的關(guān)鍵引擎。

然而，神經(jīng)網(wǎng)絡(luò)的運行極度依賴矩陣乘法——無論是模型訓(xùn)練還是實際推理，本質(zhì)上都是在處理海量數(shù)據(jù)的矩陣運算。隨著模型規(guī)模持續(xù)暴漲（據(jù)估算，深度學(xué)習(xí)模型的參數(shù)量約每3.5個月翻一番），所需的矩陣計算日益密集，對算力的需求正以前所未有的速度攀升。傳統(tǒng)電子芯片逐漸觸及性能與能效瓶頸，而光計算以其特有的低功耗、高帶寬、低延遲優(yōu)勢，正展現(xiàn)出突破現(xiàn)有算力困局的全新可能。

光計算簡史：從光學(xué)實驗到神經(jīng)網(wǎng)絡(luò)

1940年代

光計算啟蒙，傅立葉變換被引入光學(xué)。

1960年代

激光問世，光學(xué)模擬信息處理起步。

1980年代

神經(jīng)形態(tài)計算興起，誤差反向傳播算法提出，光學(xué)神經(jīng)網(wǎng)絡(luò)首次實驗實現(xiàn)。

1990年代

動態(tài)非線性晶體出現(xiàn)，實現(xiàn)三維光存儲，曾演示存儲約10億個權(quán)重的面部識別網(wǎng)絡(luò)。

21世紀(jì)以來

隨著硅光子學(xué)進步，光學(xué)神經(jīng)網(wǎng)絡(luò)重新成為研究熱點。

02

常見光計算器件：光如何“做計算”？

光波導(dǎo)

相當(dāng)于“光的導(dǎo)線”，可用于傳輸和引導(dǎo)光信號，材料、結(jié)構(gòu)多樣。

馬赫曾德爾干涉儀

包含分束器、相移器和合束器，可用于光強度調(diào)制，是集成光芯片中的關(guān)鍵調(diào)制單元。

分束器

通常是一種對稱性器件，將來自于一個直波導(dǎo)的光功率等分。

定向耦合器

一種具有雙輸入、雙輸出端口的光學(xué)器件，由兩條緊密相鄰的光波導(dǎo)構(gòu)成。當(dāng)光在其中一條波導(dǎo)中傳播時，部分能量會因波導(dǎo)間的耦合作用，周期性轉(zhuǎn)移至另一條波導(dǎo)中，從而實現(xiàn)光信號任意比例的分束。

相位調(diào)制器

通過改變光波導(dǎo)材料折射率從而調(diào)節(jié)光信號相位。最常見的相位調(diào)制器有基于熱光效應(yīng)、載流子色散效應(yīng)、電光效應(yīng)、相變材料等機制。

03

光計算原理：為什么光比電快？

矩陣乘法是典型的線性運算，光通過可編程的光子矩陣計算(Optical Multiply Accumulate，oMAC)可實現(xiàn)高速并行處理：

Step 1

輸入向量值首先從片上存儲中提取，由數(shù)模轉(zhuǎn)換器轉(zhuǎn)換為模擬值，通過電子芯片和光子芯片之間的微凸點應(yīng)用于相應(yīng)的光調(diào)制器，形成輸入光矢量；

Step 2

輸入光矢量傳播過程中經(jīng)過矩陣光路，自然而然完成光計算產(chǎn)生輸出光矢量，在經(jīng)過探測器后轉(zhuǎn)為電流信號；

Step 3

電流信號通過跨阻放大器和模數(shù)轉(zhuǎn)換器返回數(shù)字域。

光計算三大優(yōu)勢：

延遲極低：光計算本質(zhì)上就是光在芯片中的傳輸過程，因此計算延遲約等于光在芯片內(nèi)傳播的時間，可低于1ns。實際運算中，主要耗時來自于光電轉(zhuǎn)換與數(shù)模轉(zhuǎn)換，通常僅為幾個時鐘周期，且與矩陣大小幾乎無關(guān)，單次光子矩陣計算的整體延遲可控制在3ns以內(nèi)。

能耗更少：光計算功耗主要來自電光轉(zhuǎn)換，在光學(xué)器件和其控制電路被較好的優(yōu)化前提下，能媲美甚至凌駕先進制程的數(shù)字芯片。

不依賴先進制程：?光計算芯片通常采用成熟制程實現(xiàn)，?例如28nm及以上工藝節(jié)點即可滿足大多數(shù)設(shè)計需求，這與當(dāng)前AI算力高度依賴3nm/5nm/7nm先進制程的電芯片形成鮮明對比。

04

光計算硬件：PACE系列光電混合計算加速卡

PACE

曦智科技于2021年發(fā)布了光子計算處理器 PACE，其核心是一個64×64 光學(xué)矩陣乘法器，采用硅光芯片與CMOS芯片2.5D堆疊封裝。在求解伊辛問題等NP完全問題時，PACE單次迭代僅需3納秒，速度可達高端GPU的800倍以上。

PACE 2（曦智天樞）

曦智科技2025年推出的全新支持商用算法的光電混合計算加速卡，包含目前全球最大規(guī)模128x128光子矩陣，具備復(fù)雜可編程性，用戶可自由配置矩陣系數(shù)，通過PCIe高速接口可無縫集成現(xiàn)有計算系統(tǒng)，適用于多種商用場景。

光計算應(yīng)用場景：

生物信息：加速蛋白質(zhì)結(jié)構(gòu)預(yù)測、基因測序等計算。

路徑規(guī)劃：高效求解物流調(diào)度、旅行商問題等組合優(yōu)化任務(wù)。

材料研發(fā)：?輔助新材料仿真與設(shè)計，縮短研發(fā)周期。

人工智能：加速神經(jīng)網(wǎng)絡(luò)中的矩陣運算，提升圖像識別、語音處理等AI任務(wù)效率。

光計算，正以高速、低耗的獨特優(yōu)勢，從實驗室走進產(chǎn)業(yè)視野。它不僅是突破算力瓶頸的潛力技術(shù)，更有望與現(xiàn)有計算系統(tǒng)深度融合，為AI、科學(xué)計算等領(lǐng)域構(gòu)建下一代基礎(chǔ)設(shè)施。

那么，在你看來：

光計算將最先在哪個領(lǐng)域轉(zhuǎn)化為大規(guī)模應(yīng)用？ 是它天生契合的AI推理，還是能解決燃眉之急的生物計算，或是其他我們尚未充分想象的場景？