光子芯片迎來新突破！有望打破AI“能源魔咒”？

點“星標”暫存文章，查找更方便！

環球零碳

碳中和領域的《新青年》

首圖來源：Representation Image

撰文：Bell

編輯：小瀾

→這是《環球零碳》的1908篇原創

剛進入2026年，硅光技術就迎來多個高光時刻。

3月初，英偉達豪擲40億美元，向Lumentum、Coherent兩大全球光通信巨頭分別投資20億美元，直接鎖定兩家公司未來3年的高端光芯片、光組件全部產能。

與此同時，光計算芯片與光神經網絡相關科研成果正在全球各地實現多點開花，為更高速、更高能效的生成式智能計算提供新的研究方向。

在AI爆發式增長、功耗以前所未有速度攀升的背景下，光子芯片被認為正是破解AI能耗墻的希望所在。

光子芯片用“光”代替“電”作為信息載體，有望從根本上重塑數據中心的能耗格局。

要理解光子芯片為何能降低功耗，首先要看傳統芯片的問題出在哪。

傳統計算機芯片通過推動帶電粒子（電子）來處理信息。這個過程本身就會產生電阻，從而產生大量熱量。

為了確保芯片穩定運行，數據中心需要投入巨額的電力用于散熱，建設風扇、空調、液冷系統。

當數據以“光速”增長，電子芯片卻因物理瓶頸難以提速，且產生的巨大熱量讓電力消耗和冷卻成本水漲船高。

而光子芯片則是利用光子來進行計算或數據傳輸。光子以光速運動，沒有靜止質量，因此在介質中運動時幾乎不產生熱量。

目前，光子技術在數據中心的應用主要體現在兩個層面：互聯與計算。

在傳輸互聯方面，數據中心內部服務器之間的短距離互聯傳統上依賴銅纜。但隨著傳輸速率的持續邁進，銅纜的能耗急劇攀升。

因此，產業鏈正在加速轉向光互連替代方案，據集邦咨詢最新調查，MicroLED（微發光二極管）硅光子技術傳輸能耗僅為銅纜方案的5%，降幅接近95%。

而在計算方面，光子芯片在光子神經網絡中的應用則是最前沿的突破。

悉尼大學的研究人員最近開發出一種超緊湊型人工智能芯片，該芯片使用光子而不是電子進行計算——這使得計算能夠以光速進行，同時可能比傳統硬件消耗更少的能量。

據報道，這種超小型光子芯片，其計算密度高達每平方毫米約4億個參數。

構成芯片神經網絡的納米結構直徑僅為幾十微米——大約相當于一根頭發絲的寬度。在這微小的空間內，光子結構模擬了機器學習系統中使用的人工神經元的行為。

圖說：光子芯片示意圖

來源：https://doi.org/10.1038/s41467-026-68648-1

傳統的AI加速卡（如GPU）在進行矩陣乘法運算時，需要調動海量的晶體管開關，這是功耗的主要來源。

而光子神經網絡則提供了一種顛覆性的思路：利用光的干涉來完成計算。

當光線穿過芯片上錯綜復雜的納米結構時，芯片的物理幾何結構會自動執行機器學習所需的運算。

由于整個計算過程依賴于光子的物理運動，計算以萬億分之一秒的速度完成，且核心部分不消耗能量。

實驗表明，這種基于電光非線性的光子神經網絡，能夠在對生物醫學圖像進行精確分類，模擬和實際測試的準確率分別達到90%與99%，同時保證了低功耗和低延遲。

歐盟資助的新型光子計算平臺項目“HAETAE”的研究人員指出，通過使用光代替電進行計算，有望實現能效提高十倍的目標。

幾乎在同一時間，中國科學家也取得了革命性創新。

西安電子科技大學的研究團隊在國際頂級光學期刊《Optica》上發表成果，制造出一套雙芯片光子神經形態計算系統，首次在純光學域內完整實現了強化學習。

過去的光子AI系統，其非線性學習和決策步驟仍需將光信號轉換回電信號處理，嚴重拖累了光計算的速度和能效優勢。

而新開發的光子計算芯片克服了光子神經網絡的關鍵局限性，利用純光過程實現快速學習和決策，無需任何電子參與計算。

該系統由兩塊芯片協同工作：一塊是處理線性計算的光子神經形態處理器；另一塊是專門產生非線性光學脈沖的芯片。兩者共同構成了一個完整的“光學大腦”。

該研究成果構建了高速、低時延、高能效的光子脈沖強化學習解決方案。

圖說：雙芯片系統

來源：DOI：10.1364/OPTICA.578687

這些突破并非孤立事件，它們處于一個快速發展的產業背景中。

光子芯片不僅可用于計算，在高速光通信、激光雷達、生物傳感等領域也有廣泛應用。

2026年被業界公認為硅光技術大規模商用的關鍵轉折點。據野村證券研報測算，2026年全球先進光芯片產能同比增長超80%。

或許很快，我們就能實現用光來驅動AI學習，改寫人工智能硬件的未來。。

參考資料：

[1]https://interestingengineering.com/energy/photonic-ai-chip-university-sydney

[2]https://www.nature.com/articles/s41467-026-68648-1

[3]https://interestingengineering.com/ai-robotics/light-powered-photonic-chips-ai-learning

[4]https://wallstreetcn.com/articles/3766825

[5]https://isn.xidian.edu.cn/info/1068/12652.htm

熱門閱讀

（點擊圖片跳轉閱讀）