芬蘭阿爾托大學(xué)的研究團(tuán)隊近日取得一項突破性進(jìn)展，成功演示了一種名為“并行光學(xué)矩陣-矩陣乘法器”（POMMM）的新型光學(xué)計算架構(gòu)。這項技術(shù)旨在破解人工智能（AI）模型訓(xùn)練與運(yùn)行過程中面臨的核心算力瓶頸，為大規(guī)模AI應(yīng)用提供更高效的計算解決方案。

現(xiàn)代AI模型，尤其是大語言模型（LLM），其性能提升受制于張量數(shù)據(jù)的處理速度。張量作為AI模型中組織數(shù)據(jù)的核心結(jié)構(gòu)，其運(yùn)算效率直接決定了模型規(guī)模的上限。傳統(tǒng)電子計算在處理大規(guī)模張量運(yùn)算時，往往面臨能耗高、延遲長的困境，而光學(xué)計算雖在小規(guī)模場景中展現(xiàn)出速度與能效優(yōu)勢，卻因難以實現(xiàn)并行運(yùn)算而難以推廣。

研究團(tuán)隊指出，現(xiàn)有光學(xué)系統(tǒng)大多依賴線性運(yùn)算模式，無法像GPU那樣通過大規(guī)模并行處理提升算力。例如，OpenAI、Google等企業(yè)開發(fā)的頂級AI模型，均依賴數(shù)千塊GPU的并行運(yùn)行實現(xiàn)高效訓(xùn)練。這種依賴電子硬件的模式，不僅成本高昂，且在算力擴(kuò)展上逐漸觸及物理極限。

POMMM技術(shù)的核心創(chuàng)新在于，通過單次相干光傳播完成整個矩陣乘法運(yùn)算。其原理是將數(shù)字張量編碼為光的相位與振幅，利用透鏡組實現(xiàn)傅里葉變換后，運(yùn)算結(jié)果以干涉圖像形式被高速探測器捕獲。整個過程在光傳播的瞬間完成，無需電子回路或內(nèi)存讀取，實現(xiàn)了物理層面的“自然同步計算”。這種設(shè)計使運(yùn)算延遲降至納秒級，遠(yuǎn)超電子計算的微秒級水平。

研究團(tuán)隊基于商用光學(xué)元件搭建了原型機(jī)，并在標(biāo)準(zhǔn)光學(xué)平臺上耗時六個月完成組裝。測試數(shù)據(jù)顯示，對于50x50規(guī)模的矩陣運(yùn)算，該原型的平均絕對誤差（MAE）低于0.15，歸一化均方根誤差（RMSE）控制在0.1以下，精度已能滿足邊緣推理等場景的需求。盡管當(dāng)前原型機(jī)的能效（2.62 GOP/J）仍低于頂尖GPU，但其擴(kuò)展?jié)摿Ρ粡V泛看好。

為推動技術(shù)落地，研究團(tuán)隊在GitHub平臺公開了所有代碼與數(shù)據(jù)，吸引了全球光子學(xué)實驗室及AI加速器開發(fā)者的關(guān)注。團(tuán)隊坦言，目前技術(shù)仍面臨探測器動態(tài)范圍不足、校準(zhǔn)漂移等挑戰(zhàn)，但已制定清晰的優(yōu)化路線：通過將空間光調(diào)制器與探測器陣列集成至低損耗氮化硅光子芯片，預(yù)計能效可提升百倍。

根據(jù)預(yù)測，集成專用光子芯片的升級版原型機(jī)有望在三年內(nèi)問世，其能效預(yù)計達(dá)300 GOP/J，遠(yuǎn)超當(dāng)前電子GPU約30 GOP/J的能效瓶頸。不過，受封裝工藝、溫控技術(shù)及激光器集成等工程難題限制，大規(guī)模量產(chǎn)可能需五年以上時間。