93%准确率！光子神经网络被写进玻璃里，光学计算核心终于做大了

朋友，你有没有想过一个问题——

AI模型越来越大，算力越来越贵，但电子芯片的功耗墙和摩尔定律放缓，已经在疯狂拉扯整个行业的想象力。

所有人都盯着光。

但过去大家聊光，聊的是“光互连”——用光传数据，把芯片和芯片连起来。

可光不只是个快递员啊！

光在传播过程中可以复用、耦合、干涉、混合……这些物理过程本身，就是计算。

说白了，光不仅能传，还能算。

问题来了：什么样的光学计算核心，才能真正把这种“光算”的优势放大？

光子神经网络，被“写”进了玻璃里

最近，华中科技大学和上海交通大学的团队在Nature Communications上发表了一项硬核成果。

他们把可编程光子神经网络，直接写进了玻璃内部——是的，物理意义上的“写进去”。

1️⃣ 你以为是光传数据，其实光在直接算

先别被“光子神经网络”这个高大上的词劝退。

你可以这么理解：

AI推理里最“重”的计算，就是矩阵乘法。电子芯片要不停地搬数据、做乘加、再搬数据……功耗高，延迟大。

但光呢？

一束光在玻璃里传播，它自己就会发生耦合、干涉、混合。这个物理过程，天然就是在做矩阵运算。

也就是说，光不需要像电一样“计算”，它传播的过程本身就是计算。

2️⃣ 为什么非要是三维？

听到这儿你可能会问：以前不也有光子芯片吗？

确实有。但以前的光子芯片，大部分是平面的——二维结构。

二维有什么问题？

• 输入受限：真实世界的图像是二维的，但平面芯片只能一根一根波导往里送数据，就像把一幅画卷成一根线再塞进管子。
• 布线拥挤：通道一多，波导在平面上交叉绕行，损耗和串扰直线上升。
• 规模难扩：输入、输出、调控、封装全挤在一块芯片面上，规模越大越痛苦。

三个问题指向同一个事实：光本来可以在三维空间里传播，我们却非要把它压在二维平面上。

3️⃣ 核心操作：飞秒激光直写，把光路刻进玻璃

研究团队用了一种叫“飞秒激光直写”的技术——超短脉冲激光聚焦到玻璃内部，局部改变折射率，直接在玻璃体里刻出光波导。

过去是在纸上画光路；现在是把这张纸变成一块透明体积。

光可以在不同深度之间自由传播、耦合、重构。

这就像从“二维平面交通”升级到“三维立体交通”——不堵了，通量大得惊人。

4️⃣ 数据硬核：93%准确率，6554 TOPS吞吐量

别光听故事，来看真实数据：

• MNIST手写数字分类准确率：93%✅
• 片上光学图案生成保真度：94%✅
• 理论计算吞吐量：6554 TOPS✅

注意，这个93%不是要和顶级电子神经网络比精度，而是要证明一件事：

二维图像可以直接编码成光场，送入三维光子网络，在芯片内部完成从传播、调控到分类的完整闭环。

整个架构链条清晰得可怕：

二维空间输入 → 三维光场混合 → 可编程相位调控 → 片上神经网络推理

每一步都踩在了点子上。

三维光子网络的真正杀招

你可能觉得93%的准确率也就那样？

但这件事的真正意义，不在于数字本身，而在于——这条架构链条，真的可以在芯片尺度上跑通了。

🌟 不是做更大的矩阵，而是改变计算的空间组织方式

过去的平面光子芯片，规模做大了全是问题。

三维结构的好处在哪里？论文里的一个实验非常说明问题：

研究团队对比了不同结构的奇异值谱，发现三维网络的奇异值衰减更慢。

翻译成人话就是：三维结构引入深度方向的空间自由度后，光场混合关系比平面结构丰富得多。

简单说：同样的计算任务，三维网络能“算得更透”。

🌟 一次输入，算得更多

电子AI加速器靠的是把数据搬进芯片，反复使用，摊薄搬运成本。

三维光子网络的逻辑不同，但目标一样：当光学核心足够大，一次输入的光场可以在更多通道中同时传播、耦合、混合，触发更多并行线性运算。

一次数据注入，“算得更多”。不是减少某一次搬运，而是让每一次搬运都值回票价。

🌟 64通道只是起点

目前这块原型芯片实现了8×8二维阵列，共64通道。

但团队已经在推进下一代上千通道I/O的三维光子集成芯片，并且已经进入加工阶段。

这篇论文回答的是：“这条架构能不能工作？”

下一代芯片要回答的是：“这条架构能不能真正放大？”

全光计算的野望：从“电主光辅”到“以光为主”

这块玻璃芯片的背后，不止是学术界的探索。

国内已经有产业公司在布局。比如光本位科技，正在用玻璃替代硅作为衬底，研制玻璃光计算芯片。

更狠的是，他们还引入了相变材料存算一体方案——利用相变材料的非易失性，省掉额外相移器的功耗，实现计算过程几乎不耗能的三维光子神经网络。

全光计算系统是什么概念？

就是光信号在光域内部实现反复计算与动态暂存，不需要一次次光电转换。

你现在发出一个AI推理请求，模型数据要从存储搬到计算单元，算完再搬回去，电跑来跑去。

而全光计算是这样的：光学信号在整个玻璃体里跑一遍，直接输出结果。

不需要搬运，不需要转换，不需要等待。

光本位科技推出的玻璃光计算方案，为这个方向提供了实实在在的平台基础。

写在最后

从2023年底构想这个方向，到芯片制造、实验验证、论文发表，将近两年半。

团队的判断很坚定：光计算最大的潜力，藏在第三个维度里。

芯片级集成与三维空间自由度，这两件事以前被认为难以兼得。

而现在，它们正在同时成立。

"光计算的下一阶段竞争，不会只发生在单个器件指标上，而会发生在架构、数据流和制造路径的重构上。"

下一代光计算芯片，也许不一定只是在平面上“画”出来的。

它也可以是在玻璃里“写”出来的。

💬 互动问题：你觉得光计算未来最可能率先取代电计算的场景是哪个？数据中心推理？自动驾驶边缘计算？还是别的？

👇 评论区聊聊你的看法，点赞+在看+分享，让更多人看到玻璃里的计算革命！