文　符庭钊  李思雨  张照星

　　当今世界，科技飞速发展，计算技术不断革新，人们对计算能力的需求也与日俱增。如何构建新的计算架构，发展新型人工智能计算芯片，成为国际关注的前沿热点。其中，光计算被认为是未来颠覆性计算架构最有力的竞争方案之一。

　　光计算是一种新兴的计算技术。与传统电子计算基于电子信号进行数据处理不同，光计算利用光信号执行计算任务，具有更高的并行计算能力、更低的能耗、更大的带宽、更快的响应时间等特性。

　　2024年，光计算入选中国工程院信息与电子工程学部发布的“新一代信息工程科技新质生产力技术备选清单”，足见其重要性。那么，科学家是如何将光用于计算的？光计算目前发展如何？

逐“光”而生，与“算”同行

　　何为光计算？光计算是利用光作为信息传输载体，按照一定的规则和方法，对数据或符号进行操作以得到预期结果的过程。

　　20世纪40年代，科学家们将傅立叶变换引入光学中，早期光计算技术由此兴起。随着激光技术的诞生和非线性光学材料的发展，光计算引起了更多科学家的关注。20世纪80年代，有科学家在光域上实现霍普菲尔德神经网络模型的功能，并系统介绍了光学神经网络，“光计算”这一术语被正式提出。20世纪90年代研制出的光学数字处理器，是光计算技术的一个重要里程碑。然而，由于当时光计算所具备的优势与各类应用的计算需求普遍脱节，导致其应用受限，一度处于发展迟缓的状态。

　　从2010年至今，在大数据、尖端算法和先进计算硬件的推动下，人工智能发展极其迅速，在众多领域得到广泛应用。特别是在人工智能大模型出现后，人们对算力的需求更是呈现加速增长的态势。然而，由于现阶段半导体工艺的技术节点已经接近晶体管的物理极限、摩尔定律发展逐渐放缓、当代计算硬件“存”“算”分离的设计架构使其在处理海量数据时计算速度和计算能耗均存在不足，未来智能社会的发展或将面临算力瓶颈。因此，探寻一种高效的新型计算范式至关重要。

　　光计算作为一种区别于冯·诺伊曼架构的计算范式，具有大带宽、低延时、低能耗的优势，适合处理高速数据传输和并行计算任务。由于光信号的传播特性及高频特性，光计算在计算过程中还具备良好的抗电磁干扰能力。世界多个国家的科研机构及科技公司都在关注着光计算技术的发展。未来，光计算有可能成为突破各领域算力瓶颈的关键技术。

百家争鸣，成果初现

　　根据不同的物理实现方式，光计算可分为光量子计算和光经典计算。

　　光量子计算，即基于光子的量子态叠加、纠缠等特性，对光子进行信息编码、量子操控及测量来完成计算功能。光子的量子特性，使光量子计算机可以在某些情况下比传统计算机更快地完成一些计算任务。比如在量子化学模拟、密码学和组合优化等领域，光量子计算展现出了强大的潜力。

　　目前，光量子计算正处于发展初期。在全球范围内，我国已率先实现光量子计算优越性验证。2023年，中国科学技术大学研究团队宣布成功构建255个光子的量子计算原型机“九章三号”，这一成果刷新了光量子信息的技术水平和量子计算优越性的世界纪录。

　　光经典计算，即基于光的干涉、衍射及散射等特性，对光的频率、相位、振幅及偏振等物理量进行设计和特定操控以实现计算功能。在光经典计算中，光计算又可以分为数字光计算和模拟光计算。其中，数字光计算由于光学逻辑电平的擦写与存储实现困难，光学器件集成密度低，难以实现大规模级联扩展。其是否能成为一种实际有效的计算架构尚未被广泛验证。而模拟光计算在通过光学可编程信号处理器、光学伊辛机及光学神经网络等诸多实现方式的验证后，已成为重要的研究方向。

　　光学神经网络是模拟光计算的实现方式之一。目前，不同国家的科研人员已取得多项重要研究成果。2017年，美国麻省理工学院研究团队基于片上光学元器件马赫-曾德尔干涉仪阵列，开发出具备深度学习能力的可编程纳米光子处理器芯片，从而开启了片上干涉光学神经网络架构的研究热潮。2024年，清华大学研究团队提出了分布式智能光计算架构，设计了大规模干涉-衍射异构集成芯片“太极”，这个芯片理论上可以实现每瓦完成约160万亿次乘加操作次数。

　　近十年来，光计算的物理实现架构层出不穷，其发展速度之快、涉及领域之广、影响范围之大均超过以往任何时期。不同国家的科研机构及科技企业对于光计算实现所提出的方案可谓“百家争鸣”，原理、技术层面的科学难题均取得了一系列突破。这为后续光计算的实际应用奠定了重要基础。

“用武之地”，任重道远

　　随着智能化时代的到来，社会各领域和各行业对于算力的需求量达到了前所未有的程度。人们不禁开始期待，身怀“十八般武艺”的光计算何时能派上用场。

　　现阶段，人们对光计算的发展前景是乐观的。从功能层面看，光计算能够实现微分算子、积分算子、卷积算子及矩阵乘加运算等功能；从技术层面看，光计算在光域上能够完成线性操作和非线性操作，用来处理复杂任务；从应用层面看，光计算能够在人工智能、气象监测、金融投资等诸多领域发挥重要作用。人工智能领域，光计算与人工智能技术结合后，可以处理更加庞大的数据量，建立更加优秀的模型，研究更准确的算法；气象监测领域，光计算将通过强化算力提升气候监测水平；金融投资领域，已有多家光量子计算企业与金融机构合作，探索光量子计算应用。目前，光计算已具备处理机器学习任务的能力，如图像分类、语音识别、情感分析等。

　　然而，具备处理复杂任务的能力，并不意味着光计算可以高效地解决当今社会存在的算力问题。现阶段，科研团队关于光计算的研究工作依然以实验室研究居多。因此，光计算的“练武之地”与其今后所面临的“用武之地”不太一样。例如诸多光计算芯片能够同时具备可编程功能和非线性功能，但这仅仅是在考虑单个芯片或者极小规模的芯片组合条件下实现的。一旦面临大规模扩展问题，其性能将难以保证。这在很大程度上限制了光计算的广泛应用及其优势的充分发挥。

　　目前来看，光计算只有在大规模算力需求或特殊应用的前提下才能体现出其不可替代的优势。因为光计算自身的生态系统、行业标准、通信协议，以及类似冯·诺伊曼架构的通用光处理器架构还未统一或成形，想要从“练武之地”走向“用武之地”，还离不开电子硬件电路的辅助，这也将是一个漫长的过程。

　　长路漫漫，任重道远。在这场算力之巅的竞逐中，各国的科研人员都在极力寻求将光计算早日送入“用武之地”的破局之策。让我们期待着这一天早日到来。