共计 950 个字符，预计需要花费 3 分钟才能阅读完成。
光子接棒电子: 一场即将在太空上演的算力革命
当大模型从训练走向高频推理,算力瓶颈正在换一种形式出现 。 相比继续堆叠传统电子芯片, 利用光子完成矩阵计算的光计算路线, 正被越来越多创业公司和产业资本重新审视。
📌 AI 推理让矩阵计算成为核心压力点
大模型生成每一个 Token,都离不开大量矩阵乘法。传统电子芯片依靠电荷搬运和开关翻转完成计算, 在性能持续提升的同时, 也面临带宽、功耗和散热的多重约束。
光计算的吸引力在于,它并不是简单提升晶体管密度, 而是尝试用光场传播、干涉和叠加来完成线性代数运算。对于神经网络中高频出现的矩阵乘法, 这种物理过程天然具备并行和低延迟特征。
🔍 两条技术路线: 可编程与存算一体
材料中提到的代表性方向之一,是基于马赫 - 曾德尔干涉仪网络的硅光路线。该路线通过调控光信号的相位和振幅, 构建可重构的光学计算网络, 适合强调灵活性和可编程性的场景。
另一条路线则更强调 AI 推理效率,即光子存内计算。其思路是把模型参数尽量保存在计算结构内部, 减少存储与计算之间的数据搬运, 从而降低延迟和能耗。
- 硅光可重构路线:优势在于灵活, 但可能需要持续校准和温度控制。
- 光子存内计算:重点解决数据搬运瓶颈, 更偏向推理加速。
- 玻璃基平台探索:尝试突破传统硅光在尺寸、翘曲和互连密度上的限制。
💡 中国创业公司切入低功耗推理
材料显示,光本位科技选择从光子存内计算和玻璃基光计算切入, 目标是提高算力密度并降低推理能耗。其团队背景涵盖大模型工程化和相变材料光计算研究, 并在近年推进多代矩阵规模流片。
需要注意的是,光计算从实验室走向产品化并不容易。精度、稳定性、封装、量产良率以及与现有软件栈的适配, 都会直接影响商业落地速度。因此, 对相关进展更适合用“路线加速”来描述, 而不宜简单视为对 GPU 的全面替代。
📊 太空算力放大了低功耗价值
材料还将光计算与“太空数据中心”联系在一起。其逻辑是, 轨道环境具备持续太阳能供给的想象空间, 但同时也有真空散热、辐射可靠性、维护困难和通信延迟等现实难题。
🚀 行业观察: 光计算更像补位, 而非立刻取代
- 光计算芯片能否在真实大模型推理中持续稳定运行;
- 光电融合计算卡是否能进入更多垂直行业场景;
- 软件工具链能否降低开发者使用门槛;
- 太空算力设想是否会倒逼更高能效的新型芯片方案。
