人工智能的高速发展让算力的概念进一步地进入大众的视野，与此同时也让越来越多人意识到现阶段电子芯片能够提供的算力具有很强的局限性，越来越多的案例表明，随着人工智能模型训练量的不断增大，人们需要更强的算力来应对更密集的矩阵计算，并且这种算力的提升还需要建立在更低的功耗以及更高的带宽上，不然背后造成的环境压力以及运算速度都会拖累这个产业的发展。
而光计算则是该背景下一个重要的解决思路。所谓光计算，简单理解就是应用光信号的传输、干涉、衍射等物理过程来代替电子进行信息处理和计算。早在20世纪80年代，随着学术界对神经形态计算的研究不断深入，光计算的发展便逐步迈入正轨。
而就在近日，光计算再次获得了重要突破，我国科研团队提出光计算走出实验室、成为可制造、可编程、可扩展“即插即用”算力资源的量化评价标准，为光计算落地打下了重要的基础。
清华大学自动化系戴琼海院士、吴嘉敏副教授团队联合上海交通大学集成电路学院陈一彤助理教授课题组立足真实应用场景，参照现有电子计算系统水平，把算力、带宽、能效、计算密度、计算精度转化为可核验的量化指标，搭建起贯通光计算架构、应用需求与商业化进展的统一评价框架。
架面向数据中心服务器、消费级处理器、边缘计算处理器等不同场景，划定光计算实用化的性能门槛，进一步搭建了一条双向分析路径。从纳米材料、器件结构、制造能力出发，评估现有工艺条件下光计算技术能够实现的能力边界；以及立足大规模AI、边缘计算、科学计算等现实业务，倒推系统必须满足的技术参数。
与此同时，研究给出一组具体工程约束促进行业从追逐单项指标的极致表现，转向可扩展规模、计算精度、系统综合代价的协同优化，来适应实际产业发展的需要，推动光计算完成从单点性能演示，向完整系统能力构建的范式升级，为下一代算力落地提供清晰指引。
目前相关研究成果发表在国际期刊《自然—纳米技术》上，感兴趣的读者可以自行查阅学习。
参考资料来源：科技日报
