前言：

盡管DeepSeek的爆火讓科技界看到了算力降價的可能性，但科技巨頭對人工智能算力的投資并未停下腳步。

目前，光計算技術正逐漸從實驗室走向市場，迎來了屬于它的“Roadster時刻”。 

作者 | 方文三

圖片來源 |  網 絡  

光計算的“Roadster時刻”

光計算，簡單來說，就是利用光信號進行數據處理和運算。與傳統(tǒng)電子計算相比，光計算具有高速、低能耗、并行處理能力強等顯著優(yōu)勢。

在數據量呈指數級增長的當下，傳統(tǒng)電子計算面臨著能耗過高、計算速度瓶頸等問題，光計算則被視為打破這些瓶頸的關鍵技術。

在市場層面，越來越多的企業(yè)開始布局光計算領域，資本的涌入也為技術商業(yè)化注入了強大動力。在全球范圍內，風投、政府、初創(chuàng)公司和高校共同推動了這一產業(yè)的商業(yè)化。

2019年，美國國防部高級研究計劃局（DARPA）啟動了LUMOS項目，以研究具備深度學習能力、高算力和低功耗的集成光子芯片；歐盟"地平線2020計劃"資助建立了PhotonHub Europe，通過全方位服務的一站式光子創(chuàng)新中心加快歐洲工業(yè)對光子技術的采用和部署。

此外，歐盟通過電子元件和系統(tǒng)聯合承諾等年度戰(zhàn)略計劃，進一步支持光子技術的發(fā)展；荷蘭方面，2022年4 月，荷蘭政府通過國家基金并聯合私營企業(yè)向光子集成電路產業(yè)投入11億歐元，以加速光子芯片技術創(chuàng)新研究。

國外企業(yè)技術引領，多元發(fā)展

Cerebras Systems：作為光計算領域的明星企業(yè)，Cerebras Systems推出了世界上最大的晶圓級光計算芯片。該公司專注于人工智能領域的光計算應用，其芯片能夠提供前所未有的計算密度，在處理大規(guī)模深度學習模型時展現出巨大優(yōu)勢。

通過與科研機構和企業(yè)的合作，Cerebras Systems已在藥物研發(fā)、氣候模擬等多個領域展開應用探索，并取得了一定成果。

Xilinx：雖然Xilinx并非純粹的光計算企業(yè)，但在光計算與傳統(tǒng)數字計算融合方面做出了重要貢獻。其推出的自適應計算加速平臺，集成了光互聯技術，能夠顯著提升數據傳輸速度，降低系統(tǒng)延遲。

這一技術在數據中心、5G通信等領域具有廣闊的應用前景，為光計算技術在現有計算架構中的融入提供了可行方案。

BM：IBM長期致力于前沿計算技術研究，在光計算領域也擁有深厚的技術積累。IBM的研究重點在于開發(fā)新型光存儲和光邏輯器件，其研發(fā)的光量子比特存儲技術取得了重要突破，為未來光量子計算的發(fā)展奠定了基礎。

同時，IBM還積極參與行業(yè)標準制定，推動光計算技術的規(guī)范化和產業(yè)化發(fā)展。

國內企業(yè)也快速跟進，特色創(chuàng)新

光子算數：是國內首家光子計算芯片公司，光計算領域首個國家高新技術企業(yè)。致力于光子AI計算芯片研發(fā)，其芯片基于硅基光子集成技術，具有大算力、低功耗、低延時的優(yōu)勢，核心產品為光電融合AI加速計算卡，面向服務器市場應用于數據中心與企業(yè)機房等場景。

光本位科技：2022年成立，發(fā)展迅速。2024年世界人工智能大會期間宣布首顆光計算芯片已順利完成流片，算力密度與精度均達到商用標準，峰值算力突破1000tops大關。正在進行128x128光計算板卡調試，預計2025年內推出商業(yè)化光計算板卡產品。

圖靈量子：2021年2月創(chuàng)立，是國內首家光量子計算公司。主要基于鈮酸鋰薄膜（LNOI）光子芯片和飛秒激光直寫技術，研發(fā)可集成大規(guī)模光子線路的光量子芯片，致力于推動光量子計算的商業(yè)化應用。

光計算與人工智能融合深化

隨著人工智能技術的快速發(fā)展，對計算能力的需求不斷攀升。光計算的高速并行計算能力與人工智能算法的需求高度契合，未來兩者的融合將更加緊密。

一方面，光計算芯片將成為人工智能計算的重要硬件支撐，提升深度學習模型的訓練和推理速度；

另一方面，人工智能算法也將助力光計算系統(tǒng)的優(yōu)化，實現更高效的光信號處理和運算。

為充分發(fā)揮光計算的優(yōu)勢，光計算系統(tǒng)架構的創(chuàng)新至關重要。未來將出現更多針對光計算特點設計的系統(tǒng)架構，如新型光互連架構、混合光—電計算架構等。

這些創(chuàng)新架構將優(yōu)化光計算系統(tǒng)的數據傳輸和處理流程，提高系統(tǒng)整體性能，推動光計算技術在不同應用場景下的適應性和實用性。

落地仍需時間

盡管光計算技術取得了顯著進展，但要實現大規(guī)模落地應用，仍面臨諸多挑戰(zhàn)。

從技術層面來看，光計算技術目前仍存在一些尚未完全解決的問題。例如，光信號的精確控制和處理難度較大，光器件的穩(wěn)定性和可靠性有待進一步提高。

此外，光計算與現有電子計算系統(tǒng)的融合也面臨技術難題，如何實現兩者之間高效的數據交互和協(xié)同工作，是需要攻克的關鍵問題。

在成本方面，光計算設備的制造成本較高。光計算芯片和核心光器件的生產工藝復雜，需要高精度的制造設備和技術，這導致其成本居高不下。

高昂的成本限制了光計算技術在一些對成本敏感的應用領域的推廣，要實現大規(guī)模商用，降低成本是必經之路。

市場生態(tài)的不完善也是光計算落地的一大障礙。目前，光計算技術的相關標準和規(guī)范尚未統(tǒng)一，缺乏成熟的產業(yè)鏈配套。

軟件生態(tài)方面，針對光計算的編程語言和開發(fā)工具也相對匱乏，這使得光計算應用的開發(fā)和推廣面臨困難。要構建完善的光計算市場生態(tài)，需要政府、企業(yè)、科研機構等各方共同努力。

結尾：

光計算技術雖然迎來了商業(yè)化突破的“Roadster時刻”，國內外企業(yè)也在積極布局推動其發(fā)展，但在技術完善、成本降低和市場生態(tài)建設等方面仍有很長的路要走。

不過，隨著技術的不斷進步和產業(yè)的逐步成熟，光計算有望在未來成為推動各行業(yè)數字化轉型的重要力量。

內容參考來源于：昆明人工智能計算中心：光計算:算力之巔的競逐；遠川科技評論：算力市場新變量：光計算迎來“Roadster時刻”；中國信通院：《光計算技術與產業(yè)發(fā)展研究報告（2023）》

       原文標題 : AI芯天下丨趨勢丨光計算迎來商業(yè)化突破，但落地仍需時間