光子计算第三次浪潮：五年内走出实验室，先征服无人机
光子不能像电子那样相互作用，却能用波长复用实现超大并行和超低延迟。全光学神经网络五年内有望落地，第一站不是服务器，而是无人机和实时控制。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
光子不互动，却算出并行度
光子不像电子那样容易相互作用，这一直是光子只用于通信而非计算的理由。但Patti指出，这个「弱点」恰恰带来两大优势：极高的并行度和极快速度。波长分割多路复用（WDM）把多个不同颜色的光信号塞进同一条光纤，直接倍增单个芯片可处理的信息量。换句话说，光子不是不能算，而是用另一种方式算——用并行性弥补相互作用不足。
— Patti Stabile全光学神经元已实现
Patti团队做的是「全光学」实现：神经元、层间连接、非线性激活全部用半导体光放大器在光域内完成，信号从第一层输入到最后一层输出，全程不回到电域，也不需要中间访问内存。这打破了早期设计中光子只做层间连接、神经元仍需电子实现的局限。全光计算的最大受益是超低延迟——光在芯片里走一圈的时间远短于电子电路访问内存的时间。
— Patti Stabile光放大器噪声压缩是隐藏优势
半导体光放大器的非线性激活不仅完成阈值功能，还有一个常被忽视的作用：压缩噪声、再生信号。这意味着网络规模扩大时，精度不会逐层恶化——这是保证可扩展性的关键，不只是「算得快」而已。缺点是尺寸和功耗。Patti坦白，放大器是电流驱动，功耗高，换成微环谐振器这类电压驱动元件，功耗能降一到两个数量级，这已在规划中。
— Patti Stabile五年内见产品，第三代浪潮
Patti判断光子计算正处在第三次浪潮。第一波早已过去，第二波回落，近年因AI算力需求再次升温。她的预测是：三到五年内会出现真正的产品原型，第一站不是替换数据中心的大算力引擎，而是无人机和自动驾驶等需要超低延迟、轻量级、低功耗的实时控制场景——光信号从传感器进入芯片，直接在光域完成推理，驱动下一步动作，整个闭环在极短时间内完成。
— Patti Stabile光子是神经网络通信骨干
Ralph提出一个关键判断：光子学的最大价值不在完全替代电子计算，而在神经形态网络的通信骨干。他回忆David A.B. Miller的名言「大脑能装进披萨盒」，认为光学互连才是推动大规模芯片互连的核心动力。他反而质疑全光学计算的必要性：与其追求所有层都光学化，不如先让光子在板间、机架间扛起数据传输的重任，嵌入少量神经处理即已足够有变革性。
— Sunny Baines功耗账要放大看才成立
Ralph澄清了一个容易误读的功耗逻辑：光子系统不是每个器件都比电子更高效，而是系统级效率随规模上升而改善。初始激光注入是固定成本，运算量越大，单次计算摊薄后的功耗越低，精度还更高。小规模做光子是灾难，大规模才可能构成优势。但他提醒，光子学比神经形态工程整体落后约十年，基础设施和工具链尚未成熟。
— Ralph别拿光子和传统数字比
Ralph对文献中的对比方式提出尖锐批评：如果光子芯片只跟「现成可买的传统数字架构」比功耗和速度，那是胜之不武。真正该比的是同为新兴技术的模拟神经形态和数字神经形态。Giulia补充了一个更扎实的例子：MIT的光子处理器用于6G无线信号分类，比数字方案快100倍，延迟仅120纳秒——但Ralph指出，这恰好证明光子最擅长的是通信，而非计算本身。
— Ralph原话 · 已逐字校验
I don't think the problem are the laser per se because again, also they don't scale linearly as long as they encode information into your chip.
我不认为问题出在激光本身——只要它们还在往芯片里编码信息，功耗就不会随规模线性增长。
Patti Stabile15:25
It's not necessarily that it's de facto each component is more efficient, but if you're using the system right, the system as a whole can be more power efficient.
并不一定是每个组件本身更高效，而是如果你把系统用对了，整个系统可以更省电。
Ralph36:32
most of optical computing was really not optical computing, most of it was optical communications within computing.
所谓光计算，其实大多不是光计算，而是计算内部的光通信。
Sunny Baines39:32
You should not be comparing yourself with that. You should be comparing yourself with the other emerging technologies.
你不该跟那种现成方案比，该比的是其他新兴技术。
Ralph42:33
MIT did a photonic processor that could streamline 6G wireless signal processing... running 100 times faster than the digital alternatives in 120 nanoseconds.
MIT造了一款光子处理器，用于6G无线信号处理，比数字方案快100倍，延迟仅120纳秒。
Giulia D'Angelo43:33
数字与实体
| Patti预测光子计算产品落地时间 | 3-5年 | 21:30 |
| 改用电压驱动元件后续的功耗降幅 | 2至3个数量级 | 24:31 |
| 光子神经形态相比电子神经形态的落后程度 | 约10年 | 37:32 |
| MIT光子处理器6G信号分类延迟 | 120纳秒 | 43:33 |
| MIT光子处理器6G分类速度优势 | 比数字快100倍 | 43:33 |
| 论文中光电模拟存储的功耗节省 | 26倍 | 42:33 |
术语
- WDM (Wavelength Division Multiplexing)波长分割多路复用
- 在同一根光纤里用不同颜色的光同时传多路信号，倍增信息吞吐量。
- Semiconductor Optical Amplifier (SOA)半导体光放大器
- 一种直接放大光信号而不转为电信号的器件，在本方案中兼做线性和非线性运算。
- McCulloch-Pitts neuron model麦卡洛克-皮茨神经元模型
- 最基础的神经元数学模型，包含线性加权求和与非线性阈值激活两步。
- Indium Phosphide (InP)磷化铟
- 一种能同时集成激光器、探测器和光放大器的半导体材料平台，用于光子集成电路。
- Femtojoule per operation飞焦耳每次运算
- 衡量单次运算能耗的单位，1飞焦耳等于10的负15次方焦耳，光子计算的目标能效区间。
- TDM (Time Division Multiplexing)时分复用
- 在同一物理通道内按时间切片轮流传输不同信号，与WDM叠加可进一步扩展通信容量。
收听指南
关注AI算力瓶颈的工程师与创业者、神经形态计算研究者，以及想判断光子计算是否值得下注的投资人。