随着晶体管微缩带来的性能红利逐渐消退，传统电子计算在能耗与效率上面临严峻挑战。光计算凭借对光场振幅、相位等自由度的调控，利用干涉与衍射效应实现“传输即计算”，为突破算力瓶颈提供了全新路径。
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陈一彤助理教授课题组，在《Nature Nanotechnology》发表题为《纳米光子学如何推动光计算走向实际应用》的研究论文。该研究构建了国际首个贯通光计算架构、应用需求与商业化进展的统一评价框架，系统回答了光计算“适合解决哪些问题、如何选择技术架构、走向实用需达成何种目标”等关键议题，为其从实验室走向实际部署提供了量化标准与技术指南。
构建实用化评价体系：从单项突破到系统落地
要使光计算成为可制造、可编程且可扩展的可靠系统，必须明确其实用化条件。研究团队以大规模人工智能、边缘计算及科学计算等场景为基准，将算力、带宽、能效、计算密度和精度纳入统一框架，提出了光计算作为“即插即用”算力资源的量化标准。
当前光计算领域虽不乏高性能原型，但各项指标往往分散于不同系统中，难以直接横向比较。有的侧重算力，有的追求能效，缺乏对完整系统支撑真实任务能力的综合评估。为此，该研究摒弃了仅关注器件峰值性能的单一视角，转而聚焦于系统级指标是否满足数据中心、消费级处理器及边缘计算等不同层级的实用门槛。
图｜论文发表页（来源：Nature Nanotechnology）
光计算的核心优势在于光信号的高速传播与多维并行处理能力。不同波长和空间通道可同时承载信息，显著提升吞吐量并降低单位能耗。然而，若无法在精度、面积与能耗之间取得平衡，单项性能突破便难以转化为实际应用价值。
表｜面向多场景的实用光计算系统级评价标准（来源：论文数据）
研究详细定义了五大核心指标：算力反映单位时间运算量，带宽体现数据传输处理能力，能效衡量单位能耗下的计算产出，计算密度考察芯片面积利用率，而计算精度则直接决定结果可用性。通过这一框架，模糊的性能提升诉求被转化为明确的工程任务。
双向分析框架：打通技术工艺与应用需求
为实现上述目标，团队构建了“自下而上”与“自上而下”相结合的双向分析框架，旨在弥合技术能力与应用需求之间的鸿沟。
自下而上：评估现有技术边界
从材料特性、器件损耗及制造能力出发，评估现有工艺所能达到的性能上限。这一路径旨在回答依靠当前技术条件，光计算“能够实现什么”，为系统设计与优化提供物理基础。
自上而下：倒推系统必要能力
从大规模 AI 模型训练、边缘推理及科学计算等具体应用场景出发，明确不同任务对规模、精度及数据处理能力的差异化需求，并将这些需求传导至计算架构与器件设计层面，界定系统“必须具备什么”。
图｜纳米技术赋能光计算（来源：论文配图）
两条路径最终在计算架构层面交汇。技术工艺决定了系统的物理极限，应用需求明确了任务目标，而计算架构则在两者间起到衔接作用，推动研发重心从宽泛的性能提升转向具体的系统实现。
研究给出了具体的工程参数指引：当器件消光比高于 22 dB，定向耦合器与交叉结构的损耗分别控制在 0.1 dB 和 0.028 dB 以下时，光学矩阵运算规模有望突破 64×64 并向更大规模扩展。此外，面向大模型应用，系统还需具备十亿参数级扩展能力及相应的空间分辨率。这些量化目标将抽象的研发方向拆解为可验证的工程任务，为不同技术路线的比较与实际部署条件的评估提供了科学依据。
未来，光计算的发展需从追求单项极致性能，转向对可扩展规模、计算精度与系统代价的协同优化，从而真正推动其成为可部署、即插即用的下一代核心算力资源。
参考资料：
1. https://www.nature.com/articles/s41565-026-02264-4
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成