光计算如何走向实际部署？清华、上交提出光计算走向实用化的技术路线图

当晶体管微缩带来的性能收益逐渐放缓，传统电子计算在能耗与数据处理效率上的压力也逐步显现，持续增长的算力需求也开始推动研究者们寻找新的计算路径。

光计算提供了一种全新的思路。通过调控光的振幅、相位、偏振和波长等自由度，可以将信息编码进光场。预先设计的光学结构能够利用干涉、衍射等物理效应，对编码后的光场进行特定变换，从而在光的传播过程中完成相应的计算。

近日，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，在实用化光计算领域完成一项研究。相关文章《纳米光子学如何推动光计算走向实际应用》发表于《 Nature Nanotechnology 》。其中， 助理教授陈一彤 与 博士生杨国强 为共同第一作者， 戴琼海院士、吴嘉敏副教授 为共同通讯作者。

这项研究构建了 国际首个以实际应用为主线、贯通光计算主要架构、应用需求与商业化进展的统一评价框架。

面向大规模人工智能模型、边缘计算、逻辑与科学计算等多个应用场景，本项研究全面比较了不同技术路线在计算规模、精度、能效及可编程性方面的优势与局限，并结合代表性商业化系统进展， 系统回答了光计算“适合解决哪些问题、如何选择技术架构、走向实用还需要达到什么样的目标”，为光计算从实验室走向实际部署提供了指导。

要使 光计算走出实验室演示，成为可制造、可编程、可扩展的可靠计算系统， 需要先明确其实用化所需的条件。

为此，研究团队以实际应用场景为参照，将算力、带宽、能效、计算密度和精度等指标纳入统一框架，为光计算成为 “即插即用”的算力资源 提出量化标准，同时构建了 贯通技术工艺与应用需求的双向分析框架。

此前，研究团队已在光计算领域积累了丰富的研究成果。 2025 年，团队在《Science》发表研究，提出大规模全光生成式人工智能芯片 LightGen ， Nature 专题评述为国际首个全光大规模生成式 AI 芯片， 同时实测系统级算力与能效均较国际顶尖芯片提升两个数量级以上。

2023 年，团队在《 Nature 》发表研究，提出全模拟光电融合计算芯片 ACCEL ， 国际首次在单芯片上协同突破大规模集成、高效非线性计算和高速光电接口三项关键系统瓶颈。

沿着从图像处理到内容生成的路径，此次工作又将问题推进至如何评价并构建能够实际部署的光计算系统。

主题：光计算