发展背景
- 政策支持：国家及地方政府出台多项政策支持光计算技术发展，包括芯片研发、硅基光电子布局等，形成政策合力。
- 技术驱动：人工智能大模型发展推动算力需求爆发式增长，传统电子计算面临摩尔定律放缓和“卡脖子”挑战，能耗问题突出。
- 产业进展：国内外企业及科研院所积极探索光计算技术，取得关键进展，如Lightmatter、Luminous Computing等海外企业，以及曦智科技、苏州光本位科技等国内企业，高校及科研院所如清华大学、中科院上海光机所等也取得显著成果。
光计算定义和关键技术
- 定义：利用光子作为信息载体实现信息处理的新型计算技术，替代电子载体，具有大带宽、低能耗、抗干扰、高并行等优势。
- 分类：分为光量子计算和光经典计算，光经典计算又可分为数字光计算和模拟光计算，其中模拟光计算包括基于自由空间光学系统和基于集成光学平台两种方式，后者成为研究热点。
- 总体技术架构：包括硬件层（光学材料、器件、计算单元）、基础软件层（算法映射、校准、调度等）、模型算法层（AI任务翻译为光学算法）和应用层（模型训推、AI场景应用）。
- 核心技术路线：光矩阵计算是核心，主要技术路径包括基于MZI阵列、MRR阵列、PCM和亚波长衍射结构，各有优缺点，产业和技术路线尚未收敛。
- 系统架构：分为光电混合架构和全光架构，光电混合架构“光做线性、电做非线性”，成为主流方案；全光架构仍处于探索阶段。
光计算面临的挑战及建议
- 材料与器件：光波导传输损耗需降低，核心器件精确度需提高，建议加大新型材料研究投入，开发新型器件，建立器件长期稳定性测试平台。
- 集成与封装：单片集成难度高，片上信号存在串扰，封装标准不统一，建议深化集成工艺创新，发展CPO技术，加速制定统一标准。
- 光电混合系统：线性运算精度和规模有限，光电转换效率待提升，建议加快通用光计算架构及光电协同算法研究，提升光电转换效率。
- 软硬件协同：光计算设计工具待完善，模型算法优化程度不足，软件补偿机制需优化，建议加快推动光计算基础软件研发，打造开源软件平台。
业界创新实践进展
- 曦智科技：推出PACE和天枢计算板卡，实现64x64和128x128矩阵规模，支持主流AI算法部署，推动光计算生态建设。
- 光本位科技：研发基于相变材料的光计算芯片，实现128x128矩阵规模，具有全域可编程、存算一体等特点，目标是大模型、具身智能等领域应用。
- 清华大学：首创分布式广度光计算架构，研制出“太极”和“太极-II”光芯片，实现160TOPS/W的通用智能计算能力和大规模神经网络高效精准训练。
- 中国科学院上海光机所：研发“流星一号”光计算芯片，单芯片并行度突破100路，理论峰值算力超过2560TOPS，功耗比大于3.2TOPS/W。
- Lightmatter：研发集成光计算芯片“Envise”，采用混合光电计算架构，理论峰值算力达25TOPS，功耗比超过5TOPS/W。
展望与呼吁
- 中国移动将加快光计算技术布局攻关，推动光计算从“边缘推理”到“集中训练”逐步成熟，助力我国打造技术策源新高地。
- 希望与各界合作伙伴共同攻关光计算关键技术，推动光计算产业成熟，推动光计算生态繁荣，实现智算基础设施绿色可持续发展。
