自英特尔于 1971 年推出全球第一个微处理器以来，电脑计算能力的提升速度令人叹为观止。按照摩尔定律，如今的计算机芯片的威力能达到五十年前的数百万倍。然而，尽管处理能力在过去几十年中实现了飞速增长，但计算机芯片的基本架构一直没有什么变化。在大多数情况下，硅的创新需要将晶体管的体积不断缩小，以便能将更多的晶体管压缩到集成电路上。数十年来，英特尔和AMD这些公司都在通过这种办法不断提高CPU能力，哈佛商学院教授克莱顿·克里斯滕森（Clayton M. Christensen）将这个过程称为 "持续创新" （sustaining innovation）。

不过，随着摩尔定律逐渐逼近极限，光子技术成为了超越摩尔定律的研究方向之一。

新科技例如自动驾驶汽车或者AI应用对计算能力的需求已经逐渐超出了常规计算机处理器的能力。明斯特大学的研究人员经实验表明，光子处理器（通过光对数据进行处理）可以更快更并行地处理信息，而电子芯片则无法做到这一点（该研究结果已发表于《自然》杂志）。

图源：ScienceDaily

光子处理器可加快机器学习领域的任务，使复杂的数学任务能够以极快的速度（每秒10¹² -10¹⁵）进行处理。像一些常规芯片（例如图形卡）或者Google TPU（张量处理单元）之类的专用硬件都基于电子数据传输，速度就会慢很多（理想状态下，光子芯片的计算速度能比电子芯片快约 1000 倍）。明斯特大学物理研究所和软纳米科学中心的研究团队在实验后发现，利用光进行信号传输能够使处理器通过波长多路复用执行并行数据处理，这就提高了计算密度，同时，仅需一个时间步即可进行许多矩阵乘法。与通常在低GHz范围内工作的传统电子产品相比，光调制速度可以达到50至100 GHz范围。这都是以前从未达到过的数据速率和计算密度。

该实验结果在现实生活中的应用可谓十分广泛。例如，在人工智能领域，大量数据就可以在节省能量的情况下被同时处理（同等计算速度下，光子芯片的功耗仅为电子芯片的数百分之一）；大型神经网络的应用则可以进行更准确的预测和更精确的数据分析，例如，光子处理器支持在医学诊断中评估大量数据（比如以特殊成像方法生成的高分辨率3D数据）。另外，由于自动驾驶汽车依赖于对传感器数据的快速评估，以及提供存储空间、计算能力或应用软件的云计算等 IT 基础设施，因此光子处理器还可被进一步应用在自动驾驶汽车领域中。

总的来说，光具有高计算速度、低功耗、低时延、擅长并行计算等特点，且不易受到外界影响，例如温度、电磁场和噪声变化等。不过，目前看来想要用光子芯片完全取代电子芯片是不太可能的，因为光子芯片在数据的读取方面都是需要进行光电转换的，在能量效率方面都会受到限制。不过在 AI 应用领域，如果能够将光子技术与电子技术结合，则有望获得比传统芯片更快的速度和更高的能效。