本文来自微信公众号： 自然系列 ，作者：Nature Portfolio，原文标题：《中国押注光计算芯片——它们能用来跑AI吗？》
用光而不是电驱动的半导体芯片或能提升处理速度、降低能耗。
北京大学的研究团队正在测试一款集成光量子芯片。来源：Xinhua via Alamy
随着生成式AI模型的日益精密化，生成图像和视频的耗能逐渐增加，驱动它们的电子芯片正接近速度和能效的极限。光芯片——靠光而不是靠电运行的半导体芯片——或能解决这些问题，领域内的研究人员表示。
这类芯片也叫光子芯片，与商用计算机的集成还要再等好多年，而且不太可能完全取代电子芯片。不过，光芯片研究在最近5年里突飞猛进，而中国是其中的“领头羊”。
“最近十年，中国对该领域的基础设施、能力建设和人才储备进行了战略投资，”澳大利亚悉尼大学物理学家Ben Eggleton说。Eggleton担任APL Photonics总编辑已有十余年，于2025年12月任职到期。他指出，来自中国的高质量光芯片论文数量一直在攀升。
中国研究人员去年发表了476篇光芯片论文，为全球之最，《自然》在分析Dimensions数据库（隶属于霍尔茨布林克出版集团旗下的Digital Science公司，《自然》出版机构施普林格·自然由霍尔茨布林克出版集团控股）的论文时发现。2017-2025年，中国作者的论文数量增长了10倍。美国位居第二，同时期的产出增长了一倍多。
继美国出台政策限制中国购买最先进电子芯片及其制造设备之后，中国对光计算的投入不断提速。电子芯片是训练和部署AI大模型的“必需品”。
中国复旦大学材料科学家程增光表示，面对美国的禁令，中国另辟蹊径，决心寻找实现高性能计算的替代方案。“中国在‘十四五’规划中提到了光子技术与量子计算项目。中国政府对此也在持续投入，”他说。
计算瓶颈
光芯片使用光子而不是电子传输信息。由于光子传输速度更快，且不会以产热的方式耗能，因此光子系统比电子系统的性能更好，能量损耗也更低。这类芯片已被用于传感器、数据通讯系统和生物医学装置。但将光芯片用于计算——尤其是用于生成式AI任务——还有其他瓶颈。
电子芯片使用晶体管操控电压。而光芯片需要控制光振幅、光相和光干涉模式。这使得光学芯片更加高效节能，但扩展、重新配置和训练用于复杂任务的难度也更大，上海交通大学电子工程师陈一彤表示。直到最近，大部分光芯片只有很单一的功能，像是图像分类。
不久前，陈一彤和同事报道了首个全光计算芯片LightGen[1]，该芯片能运行先进的生成式AI模型，生成图像和视频。
该团队利用高密度集成的超表面——由能在纳米尺度操控光的工程化片层堆叠而成——将数百万个光学神经元集成到芯片上。他们还开发了一个专门用于光学系统的训练算法。团队指出，LightGen支持图像生成、编辑视频，甚至还能生成3D场景，且速度和能效比高端处理器（如英伟达A100）更优异。
Eggleton表示，该研究非常出色，概念验证了一款能完成特定任务、高速节能的光芯片。
程增光表示，中国政府鼓励产学合作，“这为该技术的发展提供了强大支撑”，加速了光芯片初创企业的商业化，这类企业包括同在苏州的光本位（LightStandard）和旭创科技（InnoLight）。
工程难关
尽管光芯片的优势毋庸置疑，但先要克服工程难关，才能大规模驱动生成式AI模型。电子芯片中的晶体管会产生电阻，通过产热造成能量损耗。光芯片则没有这种阻性损耗，但需要配套元件——如激光器、检测器和调制器——这些都会耗能。Eggleton说，“配套元件是否会最终耗能过度，抵消光芯片的优势？这个问题只有等光芯片进入实际应用才能知道了。”
可扩展性是另一个待解问题。电子芯片的设计为多用途适用，但光芯片的架构需根据具体用途而调整，程增光说。因此，想要构建一种类似于英伟达芯片的通用光处理器非常难。
Eggleton表示，光芯片不太会彻底取代多功能的电子处理器，但它可以成为异构计算生态系统中的特化元件。
参考文献：
Chen,Y.et al.Science 390,1259–1265(2025).
原文以China is betting on‘optical’computer chips—will they power AI?标题发表在2026年1月30日《自然》的新闻版块上
©nature
Doi：10.1038/d41586-026-00274-9