微软用“光”跑AI登Nature：能效百倍超GPU，华人首席研究员扛鼎

AI算力卡脖子的困局，被一束光撕开了口子，微软用「光」驱动AI的技术登上《Nature》，华人首席研究员成核心推手。

这台模拟光学计算机（AOC）藏着颠覆级潜力：绕开传统芯片的数模转换环节，能效预计达500TOPS/W，是NVIDIAH100GPU的100倍。巴克莱银行已用它解决结算难题，医疗领域也在测试加速MRI成像。

可它还在原型阶段，能处理的权重规模有限。这束「光」真能照亮算力未来？

在科技飞速发展的当下，微软用光跑AI这一突破性成果登上《Nature》，犹如一颗重磅炸弹，引发各界广泛关注与热烈讨论。围绕这项新技术，不同观点相互碰撞，展开了一场激烈的思辨。

或许有人会说：传统硅基芯片历经多年发展，从摩尔定律到GPU的不断演进，已经构建起庞大且成熟的生态体系，新的光学计算真能撼动其地位？这是不是微软的夸大宣传？

从过往几十年看，硅基芯片确实主导着算力发展，我们生活中的各类电子设备，从手机到电脑，核心运算都依赖它。但从另一个角度而言，随着大模型规模呈指数级暴涨，GPU面临价格飙升、能耗高企的困境，算力短缺已成为制约全球AI发展的瓶颈。

微软此次推出的模拟光学计算机（AOC），采用光与模拟信号计算，绕过数模转换高能耗环节，实验显示成熟版本能效预计可达500TOPS/W，相比当前最先进的GPU（如NVIDIAH100约4.5TOPS/W），能效提升百倍，这一数据足以证明其在能效层面的巨大潜力，并非无稽之谈。

也有人质疑：AOC听上去很美好，可它真能从实验室走向现实应用吗？以往也有不少看似惊艳的技术，最终都夭折在商业化途中。

诚然，实验室成果到实际商用存在巨大鸿沟，许多前沿技术因难以克服成本、稳定性等难题，无法大规模推广。但微软团队已积极迈出验证步伐。

在金融领域与巴克莱银行合作，处理清算所复杂的货银对付结算问题，AOC仅7次迭代就找到最优解；医疗领域将MRI压缩感知成像转化为AOC可处理的优化问题，成功重建脑部MRI图像，甚至畅想未来扫描时间有望从30分钟缩至5分钟。这些实实在在的应用案例表明，AOC绝非纸上谈兵，已在关键行业场景展现出变革性力量。

还有人提出：AOC在简单AI任务上表现不错，可面对复杂的大语言模型推理，它真的能胜任？毕竟大语言模型的运算量和复杂度呈几何倍数增长。

在MNIST和Fashion-MNIST分类、非线性回归等简单AI任务中，AOC与数字孪生（AOC-DT）结果近乎完美对齐，表现出色。而从原理上深挖，AOC的固定点搜索机制与深度平衡网络（DEQ）、现代Hopfield网络等AI模型天然契合，这类模型在传统GPU上算力消耗极大，在AOC上却能高效运行。

微软研究人员更是设想未来大语言模型推理中最吃力的状态跟踪部分，可由AOC承担，有望降低两个数量级能耗。这意味着，尽管当前AOC处理权重规模有限，但从技术适配性和发展路线图看，其在大语言模型推理领域极具探索价值。

说到底，微软的AOC为算力发展开辟了新赛道。它不是对传统计算的全盘否定，而是在能耗、特定任务处理效率等方面提供了全新选择。

它目前虽处于原型阶段，面临诸如扩大权重规模、完善模块化扩展等挑战，但已展现出的能效优势和应用潜力不容忽视。

这场关于AOC的思辨，不应是对新技术的一味质疑或盲目追捧，而应是基于理性分析，推动其在争议中不断完善、成长，为未来算力格局注入新活力，助力AI及相关行业迈向新高度。