四川
美国能源部纳米技术中心CINT与旧金山初创Q/C Technologies合作，推进光处理单元OPU。CINT在桑迪亚国家实验室体系内。目标明确：用光跑AI推理。
训练把模型炼出来，推理让模型处理新数据。你每次问大模型、刷推荐视频，背后都是推理。训练贵，推理是长期、海量、无处不在的能耗黑洞。
电子GPU的瓶颈不只是算得慢。数据搬不动才是大麻烦。计算单元和HBM显存之间、GPU和GPU之间，带宽和功耗越来越像堵墙。算力越堆，墙越厚。
光计算思路直接：铜线搬数据费电发热，让光来搬。光在波导里损耗低、频率高，还能波分复用。一根光纤同时跑几十上百个波长，每个波长带一路数据。
这想法不新。1960年代激光诞生后就有人想用光计算。1980年代光互连、2010年代硅光子、2020年代AI算力爆炸，把它重新推上台面。
神经网络核心是矩阵乘法。光学里用分束器、移相器、马赫-曾德尔干涉仪搭网格，光干涉时完成乘加。输入光强代表数据，干涉结果就是运算结果。
诱惑在并行和带宽。电子芯片靠时钟一步步算，光子能在空间和波长上并行，一次处理大量乘加。推理这种前向计算，特别合适。
硬伤也明显。光没有天然内存，缓存难做。非线性弱，激活函数难实现。模拟光计算受温度漂移、制造误差、噪声影响，精度难到训练级。
还有常被忽略的成本：光计算系统不是全光。数据要在电和光之间来回转换。DAC、ADC、调制器、探测器都耗能。转换开销太大，省下的互连功耗会被吃回去。
OPU盯住推理，是聪明切法。推理对精度容忍度高，可量化、低比特、允许一定误差。光电混合更现实：光做矩阵乘，电做控制、存储、非线性。
CINT的角色在这。它是美国能源部用户设施，专做集成纳米技术。初创有架构想法，缺晶圆级制造、材料集成、器件测试。国家实验室补这一段。
美国这条路线有强国家实验室色彩。桑迪亚和国家核武、国防微电子体系关系深。能源部出平台，初创出设计，AI算力焦虑出需求。目标不是明天取代英伟达，先在特定推理负载做加速卡。
全球不只Q/C。Lightmatter、Ayar Labs、Celestial AI都在做光互连或光计算。有人先做芯片间光互连，有人直接做光矩阵加速。方向不同，都在赌电子互连快到极限。
中国没缺席。曦智科技做光电混合计算，光子算数做光计算加速，华为、中科院、上海交大、清华在硅光和光计算持续投入。中国发过光量子原型机“九章”，但那是量子路线，和通用AI光推理不是一回事。
中国底牌在产业链。全球光模块市场，中国份额很高。光计算需要的光源、调制器、探测器、光纤耦合、封装测试，和光通信产业链高度重叠。中际旭创、光迅、新易盛的高速光模块工程能力，是落地土壤。
短板要看清。大规模光子集成、片上激光、低损耗波导、高速调制、先进封装、EDA工具、软件栈，不是光模块份额能自动补齐的。光计算拼系统：芯片、封装、编译器、算法、应用，缺一环难量产。
中国有全球最大互联网用户和视频、推荐、安防场景。大模型推理铺开，数据中心电费是硬约束。光推理先在这些场景省电，就有商业闭环。比实验室跑分重要。
军事和工程意义更直接。雷达信号处理、电子战、卫星图像识别、无人机蜂群，都要低功耗做大量矩阵运算。光推理做成抗振动、抗温度、可量产模块，会先上这些平台，不是先上手机。
时间上大概率三步：先光互连替代部分铜互连，再光电混合推理加速卡，最后才谈更大规模全光计算。现在在第一步和第二步之间，OPU就是往第二步探路。
重点不是“光取代电”。是AI推理算力架构开始分叉。电子GPU继续堆算力，光电混合抢特定场景，光计算找自己的生态位。
中国要做的不是跟风喊概念。把光通信制造优势，往光子集成、光电封装、编译器、应用场景推。实验室的光矩阵乘法，变成数据中心和装备里稳定跑的东西，才算赢下一局。
— 感谢阅读 · 欢迎点赞关注 · 小编 —
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
