光计算，开启下一代算力革命

最近这几年，为了搞AI，全球都在疯狂夯算力。

GPU一卡难求，英伟达市值飙涨，各家大厂都在疯狂囤货、抢产能。一些芯片新势力也在趁机崛起，试图分一杯羹。

在夯算力的同时，大家逐渐发现一个问题——随着芯片制程逐渐逼近物理极限，摩尔定律正在走向失效。芯片的功耗越来越高、散热越来越大，成本也变得难以承受。

传统芯片的性能提升，已经走进了死胡同。接下来，我们该如何面对仍在日益膨胀的算力黑洞？有没有一种新的技术路径，能打破这个困局？

目前来看，最有希望破局的，正是我们非常熟悉的另一位老朋友——光。以光子为核心的光计算技术，正以其独特的优势，为我们打开一扇通往新世界的大门。

█ 电计算，为何走到了瓶颈？

想要读懂光计算的价值，首先要搞明白，我们用了数十年的电计算体系，到底出了什么问题。

不管是CPU，还是GPU、NPU，所有传统芯片，本质都是依靠电子运动完成逻辑计算。

大家都知道，传统计算芯片是由无数个半导体晶体管组成的。晶体管，说白了，就是一个微型开关。当电流通过时，它代表“1”；断开时，则代表“0”。

晶体管（MOS管）示例

通过控制晶体管的通断、电子的流动，可以表达和记录0和1，可以实现二进制的加减乘除、逻辑判断。海量的逻辑计算叠加，就能够完成各类复杂的数据处理任务。

这套经典的计算架构，从上世纪40年代诞生至今，支撑了整个信息时代的高速发展，也撑起了AI浪潮的上半场。

时至今日，这套架构已经触碰到了天花板，面临着一系列难以逾越的物理瓶颈：

· 速度较慢

真空中光速是3×10^8 m/s。半导体里电子实际漂移运动速度远小于光速。常温硅半导体常规工作电场下，电子漂移速度仅10^3～10^5 m/s。

根据中学物理知识，外加电压，会形成电场。电子顺着电场缓慢定向移动，就是我们常说的载流迁移速度。电场越弱，速度越低。

电子行进途中，不断撞击硅晶格原子、杂质原子，定向运动频繁被打断、折返，宏观定向行进速率就上不去。

大家需要注意，芯片电信号传播速度≠电子跑动速度。在有线金属介质通信中，电信号的速度由导体周围介质的磁导率和介电常数决定。在铜线中，这个速度约为光速的77%（每秒23万公里）。

但实际上，CPU、射频芯片的信号延迟，由电场传播时延决定，而非电子漂移速度。

以水管举例：我们打开水龙头，能够瞬间出水，不是水管源头的水瞬间到了末端出口，而是水压（电场）瞬间传遍整条管道。在水压的影响下，水管中每一部分的水分子（电子），只是缓慢向前挪动。

原理没看懂也没关系，反正记住一点——芯片中电信号的速度，其实并没有我们想象中那么快。信号慢，就意味着延迟高、效率低。

· 功耗极高

大家都知道电阻。所谓电阻，就是电子在导体中定向移动时，与晶格原子发生碰撞，将动能转化为晶格振动，从而产生焦耳热（热能）。

电子运动必然产生电阻，有电阻就会发热、损耗能量。这是无法改变的物理特性。

随着芯片的晶体管密度不断逼近物理极限，这种“发热”已从单纯的能量损耗，演变为阻碍算力进一步跃升的“热墙”。

功耗不仅会限制芯片的算力提升，也会带来巨大的成本压力（电力消耗、散热成本）。

· 密度受限

传统算力升级的核心逻辑，就是堆叠晶体管、堆砌芯片。

但芯片的物理面积有限，晶体管不可能无限堆叠。

越是高密度集成，布线难度、散热压力、信号干扰就越大，算力提升的边际效应持续递减。

总而言之，随着芯片制程不断缩小，电子迁移的延迟、能量损失、功耗激增、信号串扰、隧穿效应、趋肤效应等问题愈发严重。

依靠电子的传统计算架构，已经无法应对AI时代的算力需求。整个行业都急需一套全新的计算范式，打破桎梏。而光计算，就是目前最靠谱的破局之路。

█光计算，到底是什么？

顾名思义，光计算，就是用“光子”来完成运算。

业界对光计算是这么定义的：光计算，是一种以光子为信息载体，通过光学器件（如激光器、调制器、探测器、光波导等）实现数据计算、存储、传输与处理的新型计算范式。

说到光，大家第一反应往往是光通信。近几十年来，光通信技术的发展有目共睹。人类之所以将光用于通信，正是因为光子传输有着电子传输难以比拟的优势。

光速是目前已知的最快传输速度，光子传播几乎无电阻、无发热、无损耗，且多束光线可以在同一空间、同一通道并行传输、互不干扰。

光在通信领域的表现非常出色，所以，就有专家想到，是否可以将光用于计算。

我们目前的算力体系，是“光传电算”，数据传输靠光，数据计算处理靠电。光计算，就是数据计算处理（包括存储）也靠光，实现“光传光算”。这是真正的全光化，是一种“终极形态”。

对比传统硅基电子计算，光计算的优势主要体现在四个方面：

·速度极致提升

电子传输速度受介质限制，而光速是宇宙级的速度上限。光计算的运算速度，相比传统芯片可以提升数百甚至上千倍。

· 功耗断崖式下降

电子计算最大的浪费就是电阻发热，而光子传输损耗极低。同等算力下，光计算的功耗仅为传统芯片的几十分之一甚至百分之一。这可以大幅降低算力成本。

· 超高并行计算能力

电信号传输容易相互干扰、串扰，所以电子芯片的并行运算能力有限。

而光可以实现多波长、多通道并行传输，不同光路、不同波长的光信号互不干扰。单颗光计算芯片，就能实现海量数据的同步并行运算，算力密度远超传统电芯片。

· 抗干扰、稳定性强

电子芯片容易受电磁干扰影响，高温、复杂环境下性能会大幅下降。

而光信号不受电磁干扰，在极端环境下依然可以稳定工作，适配军工、航天、自动驾驶等高端场景。

█ 光计算，究竟如何实现？

光计算的底层原理，关键在于如何表达0和1。

计算机的底层数据只有0和1，电计算是用电信号的高低电平代表0、1。而光计算，是用光的亮灭、强弱、相位变化来承载0、1数据，实现二进制运算。晶体管的PN结、空穴、栅极电压那套逻辑，在光计算里不复存在。

光计算，以光子为信息载体，利用光的传播、干涉、衍射、谐振、叠加等光学现象，表达0和1，进而实现逻辑计算功能。

光芯片其实和光通信领域的硅光（集成光路，photonic integrated circuit，简称PIC）概念是一回事。在一个芯片上，集成几百个光器件（如激光器、调制器、波导和探测器等），形成完整的光路系统。

例如，激光器输出的光，遇到调制器，会根据输入的数据调整光的强弱：高光强对应“1”，低光强对应“0”。

之后，光子会通过预先设计好的计算阵列。以MZI（马赫-曾德尔干涉器）技术路线为例，阵列的关键基础计算单元就是MZI（马赫-曾德尔干涉器），也是相位调整器。光的相位不一样，每一部分的相位调整不同。不同相位的信号组合，会导致相长或相消干涉，从而改变光的强度。这就实现了矩阵计算的效果。

经过干涉后的光信号，携带了计算结果。最终，由探测器接收光信号，转换输出计算结果。

█ 光计算，是否马上就能全面取代电子芯片？

答案显然是否定的。

传统电计算拥有将近百年的发展历史，整个软硬件生态根深蒂固，绝对不可能一朝一夕就被全面替换。光计算的很多技术都仍处于实验室验证阶段，距离大规模商业化落地也有很长的路要走。

所以，目前业界普遍认为：光计算当下的主要任务，不是全面替代电计算，而是先融入电计算的现有体系，实现光电混合计算，未来再考虑全光化。

光电融合示意图（来源：面向新型智算的光计算白皮书2025）

事实上，当下的光计算，重点针对的场景，就是AI大模型训练与推理中的大规模矩阵运算。

光计算的并行计算优势，非常适合处理矩阵乘法、卷积、乘加计算等线性代数密集型任务，能以极低的能耗实现算力的指数级跃升。

业界正在致力于打造一个光电混合AI集群系统。

其中，控制逻辑与任务调度、存储与数据管理、高精度通用计算、复杂分支计算这类任务，继续采用电计算。而AI矩阵运算、并行浮点运算、图像算力、信号处理这类重复性高、并行度高的任务，则采用光计算。

这样的话，能够发挥两者各自的优势，取长补短、协同工作，构建出速度更快、功耗更低、成本更优、稳定性更强的新一代算力架构。

值得一提的是，光计算可以更好地与光通信结合。这也非常重要。

目前AI集群基本上都在走全光互联路线。华为等厂商采用的是光互连。虽然英伟达还在用电互连（铜连接），但也在积极拥抱光互连。

这几年非常火爆的NPO/CPO/LPO/XPO技术，还有I/O、OCS技术，都是为了解决电互连在带宽和功耗上的瓶颈而推出的光通信技术。这些都为光计算与光通信的无缝融合铺平了道路。光通信的技术研究，其实也服务于光计算。

█ 光计算，研究和产业化进展如何？

光计算是一个非常具有商业价值和战略前景的领域。全球科技巨头和顶尖科研机构，都在加速布局，试图在这一领域抢占先机。

从技术和工艺的角度来说，光计算仍处于早期阶段，相关技术和工艺还不够成熟。光计算芯片需要精密的微纳光学结构设计、超高精度的光路封装、光源控制、光电转换模块，这都还在研发之中。相比成熟的电芯片工艺，光芯片的良率低、成本高、量产难度极大。

从生态的角度来说，差距就更大了。光计算目前根本没有成熟的软件栈、编译器、工具链和社区，标准体系也远未统一。这背后需要的时间，就更漫长了。

我们看看国内外的具体进展。

国际上主要走的是前面举例的硅基MZI（马赫-曾德尔）相干干涉路线。在光计算领域比较领先的企业是Lightmatter、Luminous Computing等初创公司。Intel、NVIDIA等科技巨头，通过并购或自研等方式，也在积极入局。

Lightmatter推出的Envise，是全球首个光子计算平台（光子加速板卡），采用了成熟CMOS工艺与先进硅光集成技术相结合的‌混合光电异构系统，单卡算力达到‌300 TOPS‌，主要面向数据中心AI推理，获得了谷歌、英伟达投资，并在北美云厂商试点。

据称，搭载了16个Envise芯片的‌Envise 4S服务器，总功耗仅为‌3KW‌，能将AI训练能耗降低90%。

Lightmatter Envise

国内方面，主要走的是“MRR微环谐振+光子存内计算”路线。清华大学、中科院上海光机所、上海交大、中科大等高校，都在积极进行光计算的研究。

“流星一号”超高并行光计算集成芯片（来源：中科学院上海光机所）

光本位科技、曦智科技、奇算光启等企业，在技术研究和产业化上也有不错的进展。

在不久前的WAIC 2026上，光本位科技发布了256×256光子存内芯片，年内计划推出第二代计算卡，单卡千TOPS算力，对标主流AI推理GPU。

█ 结语

电子计算的红利已经吃到尽头。而光计算，很可能是下一代算力革命的核心钥匙。

它不是简单的技术升级，而是计算底层逻辑的全新变革。我们所熟悉的关于计算的一切，都可能被光计算彻底颠覆。

光电赋能，算力新生。属于光计算的时代，才刚刚拉开序幕。

来源：鲜枣课堂

编辑：东君

转载内容仅代表作者观点

不代表中科院物理所立场

如需转载请联系原公众号