光子計算第三次浪潮：五年內走出實驗室，先征服無人機
光子不能像電子那樣相互作用，卻能用波長複用實現超大並行和超低延遲。全光學神經網絡五年內有望落地，第一站不是服務器，而是無人機和實時控制。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
光子不互動，卻算出並行度
光子不像電子那樣容易相互作用，這一直是光子只用於通信而非計算的理由。但Patti指出，這個「弱點」恰恰帶來兩大優勢：極高的並行度和極快速度。波長分割多路複用（WDM）把多個不同顏色的光信號塞進同一條光纖，直接倍增單個芯片可處理的信息量。換句話說，光子不是不能算，而是用另一種方式算——用並行性彌補相互作用不足。
— Patti Stabile全光學神經元已實現
Patti團隊做的是「全光學」實現：神經元、層間連接、非線性激活全部用半導體光放大器在光域內完成，信號從第一層輸入到最後一層輸出，全程不回到電域，也不需要中間訪問內存。這打破了早期設計中光子只做層間連接、神經元仍需電子實現的侷限。全光計算的最大受益是超低延遲——光在芯片裡走一圈的時間遠短於電子電路訪問內存的時間。
— Patti Stabile光放大器噪聲壓縮是隱藏優勢
半導體光放大器的非線性激活不僅完成閾值功能，還有一個常被忽視的作用：壓縮噪聲、再生信號。這意味著網絡規模擴大時，精度不會逐層惡化——這是保證可擴展性的關鍵，不只是「算得快」而已。缺點是尺寸和功耗。Patti坦白，放大器是電流驅動，功耗高，換成微環諧振器這類電壓驅動元件，功耗能降一到兩個數量級，這已在規劃中。
— Patti Stabile五年內見產品，第三代浪潮
Patti判斷光子計算正處在第三次浪潮。第一波早已過去，第二波回落，近年因AI算力需求再次升溫。她的預測是：三到五年內會出現真正的產品原型，第一站不是替換數據中心的大算力引擎，而是無人機和自動駕駛等需要超低延遲、輕量級、低功耗的實時控制場景——光信號從傳感器進入芯片，直接在光域完成推理，驅動下一步動作，整個閉環在極短時間內完成。
— Patti Stabile光子是神經網絡通信骨幹
Ralph提出一個關鍵判斷：光子學的最大價值不在完全替代電子計算，而在神經形態網絡的通信骨幹。他回憶David A.B. Miller的名言「大腦能裝進披薩盒」，認為光學互連才是推動大規模芯片互連的核心動力。他反而質疑全光學計算的必要性：與其追求所有層都光學化，不如先讓光子在板間、機架間扛起數據傳輸的重任，嵌入少量神經處理即已足夠有變革性。
— Sunny Baines功耗賬要放大看才成立
Ralph澄清了一個容易誤讀的功耗邏輯：光子系統不是每個器件都比電子更高效，而是系統級效率隨規模上升而改善。初始激光注入是固定成本，運算量越大，單次計算攤薄後的功耗越低，精度還更高。小規模做光子是災難，大規模才可能構成優勢。但他提醒，光子學比神經形態工程整體落後約十年，基礎設施和工具鏈尚未成熟。
— Ralph別拿光子和傳統數字比
Ralph對文獻中的對比方式提出尖銳批評：如果光子芯片只跟「現成可買的傳統數字架構」比功耗和速度，那是勝之不武。真正該比的是同為新興技術的模擬神經形態和數字神經形態。Giulia補充了一個更紮實的例子：MIT的光子處理器用於6G無線信號分類，比數字方案快100倍，延遲僅120納秒——但Ralph指出，這恰好證明光子最擅長的是通信，而非計算本身。
— Ralph原話 · 已逐字校驗
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.
我不認為問題出在激光本身——只要它們還在往芯片裡編碼信息，功耗就不會隨規模線性增長。
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.
並不一定是每個組件本身更高效，而是如果你把系統用對了，整個系統可以更省電。
Ralph36:32
most of optical computing was really not optical computing, most of it was optical communications within computing.
所謂光計算，其實大多不是光計算，而是計算內部的光通信。
Sunny Baines39:32
You should not be comparing yourself with that. You should be comparing yourself with the other emerging technologies.
你不該跟那種現成方案比，該比的是其他新興技術。
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造了一款光子處理器，用於6G無線信號處理，比數字方案快100倍，延遲僅120納秒。
Giulia D'Angelo43:33
數字與實體
| Patti預測光子計算產品落地時間 | 3-5年 | 21:30 |
| 改用電壓驅動元件後續的功耗降幅 | 2至3個數量級 | 24:31 |
| 光子神經形態相比電子神經形態的落後程度 | 約10年 | 37:32 |
| MIT光子處理器6G信號分類延遲 | 120納秒 | 43:33 |
| MIT光子處理器6G分類速度優勢 | 比數字快100倍 | 43:33 |
| 論文中光電模擬存儲的功耗節省 | 26倍 | 42:33 |
術語
- WDM (Wavelength Division Multiplexing)波長分割多路複用
- 在同一根光纖裡用不同顏色的光同時傳多路信號，倍增信息吞吐量。
- Semiconductor Optical Amplifier (SOA)半導體光放大器
- 一種直接放大光信號而不轉為電信號的器件，在本方案中兼做線性和非線性運算。
- McCulloch-Pitts neuron model麥卡洛克-皮茨神經元模型
- 最基礎的神經元數學模型，包含線性加權求和與非線性閾值激活兩步。
- Indium Phosphide (InP)磷化銦
- 一種能同時集成激光器、探測器和光放大器的半導體材料平臺，用於光子集成電路。
- Femtojoule per operation飛焦耳每次運算
- 衡量單次運算能耗的單位，1飛焦耳等於10的負15次方焦耳，光子計算的目標能效區間。
- TDM (Time Division Multiplexing)時分複用
- 在同一物理通道內按時間切片輪流傳輸不同信號，與WDM疊加可進一步擴展通信容量。
收聽指南
關注AI算力瓶頸的工程師與創業者、神經形態計算研究者，以及想判斷光子計算是否值得下注的投資人。