UCLA 研發寬頻光學 AI 處理器：靠千種光波並行，以光速算矩陣

AI 模型的體量越來越大，算力中心的電錶也在瘋狂狂飆。傳統電子晶片靠電晶體開關傳遞電流，模型越大、層數越深，發熱和能耗就越誇張。

面對這種物理瓶頸，加州大學洛杉磯分校（UCLA）的研究人員把目光轉向了光。1 月 18 日，IEEE Spectrum 報道了 UCLA 光學工程師 Aydogan Ozcan 團隊的最新成果：他們做出了一種寬頻衍射光學處理器，讓光子代替電子來跑神經網路，還能以光速並行執行數千個波長通道的矩陣乘法。

這項研究此前於 1 月 9 日發表在《Advanced Photonics》期刊上。

讓光線穿過鏡片，直接算出答案

所謂的衍射光學神經網路，原理聽起來很像科幻裝置。

研究團隊把多層薄片疊加在一起，每一層上面都佈滿了密密麻麻的微小畫素，用來散射和折射光線。在物理結構上，這些微小的衍射特徵就充當了深度學習裡的神經元。

平時電子晶片處理影像，必須先用感測器拍下畫面，轉成數字訊號存進記憶體，再由 GPU 跑程式算一遍。而光學網路完全跳過了這些步驟：物體反射出來的光線直接照在晶片上，穿過各層折射後，光斑會自動匯聚到代表某個特定類別的畫素上。整個識別過程，在光穿過薄片的瞬間就已經完成了。

更關鍵的是能耗。Ozcan 表示，這種計算除了提供照明的光源之外，本身幾乎不消耗電量。

從單色到波長複用：千路光波同時跑

其實在此之前，Ozcan 團隊就已經做過單色衍射網路。當時他們用 3D 打印製作了 64 平方釐米的聚合物晶圓，但單色光一次只能執行一組矩陣乘法。

這次的新突破在於「寬頻」與「波長複用」。研究團隊 3D 列印了三層衍射結構，每一層都帶有 14,400 個衍射特徵。實驗中，他們成功利用兩個亞毫米波太赫茲頻段通道並行工作。

計算機模擬顯示，這類架構最多能同時接納大約 2,000 個波長通道。這意味著在同一束光裡，不同顏色的光波能各自獨立跑一組矩陣運算，成千上萬次乘法在光速下同時收工。

團隊還指出，除了太赫茲波，未來完全可以用可見光等其他頻段來做，材料和製造工藝也能更靈活。

為什麼重要

AI 計算的盡頭是能源危機，這件事在今天已經成了行業共識。傳統晶片的電晶體密度正在逼近物理極限，而大模型的引數擴張卻毫無減速跡象。光子計算一直被視作破局的潛在方案，但過去往往受限於製造難度、精度控制以及只能處理單一任務。

UCLA 這一步走得很聰明：他們沒有死磕通用數字光計算晶片，而是利用無源衍射元件把矩陣乘法做成了純粹的光學物理過程，再引入通訊領域成熟的「波長複用」把吞吐量拉高上千倍。這種架構在自動駕駛邊緣感知、生物醫學顯微成像和安檢遙感上非常有吸引力，它能在光線進入感測器的瞬間完成預篩選，根本不需要龐大的車載計算單元或資料中心中轉。

不過，我們認為也不必急著宣佈電子晶片要被取代。目前這項技術離大規模商業落地還有明顯距離：首先它本質上是固定權重的模擬計算，層結構一旦 3D 列印成型就很難隨意更改網路引數，靈活性無法媲美 GPU；其次，實驗目前只驗證了兩個太赫茲通道，如何低成本推進到 2,000 個通道並在可見光波段維持加工精度，依然是個硬工程問題。但這至少證明了一條路：讓物理規律直接替演算法打工，AI 的功耗賬本才有可能徹底被改寫。