雖然類神經網絡可以達成很多任務，像是辨識人臉、預測心臟病等，但要吃掉很多計算機效能。 MIT 工程師近期發表論文研究使用光路來達成類神經網絡，并同樣建構在硅芯片上，因此成本不會太高，同時實驗結果發現運算能力有效率許多。 他們正在籌備公司并計劃兩年內完成相關產品。

近年來摩爾定律逐漸失效，人們對運算能力的要求越來越大，集成電路終究有極限，且似乎已在不遠處；科學家于是紛紛開始研究達成更強大運算能力的方法，光學芯片很有可能就是下一個世代的接棒者。

現今各種人工智能的應用出現，需要越來越強大的運算能力，其中人工智能的分支之一──類神經網絡，這個從人類大腦運作啟發的靈感而創造的人工智能運算方法，展現了強大的能力，舉凡偵測謊言、辨識人臉、預測心臟病等都可做到；但是，對計算機來說需要非常強大的運算能力，也會消耗很大的能量。

傳統芯片已漸漸無法負荷當今人工智能如類神經網絡的運算量，麻省理工學院的研究人員為了解決這個問題，近期研發出的光學芯片，在使用人工智能的運算像是類神經網絡時，運算效率和速度比一般傳統芯片要高出許多。

傳統芯片跟光學芯片雖然想達成的目標類似，都是運算、通訊、儲存等，但兩者的基本架構不同，一般芯片為運用一連串可以決定電流要不要通過的晶體管，來達成運算。 光學芯片則是依靠入射光線的明暗來達成運算，每個「光路」由放大器（Optical Amplifier）、相位調變器（Phase modulator）及偏振轉換器（Polarization converter）構成，一旦光線產生后，要達成怎樣的運算只要運用鏡片就可以改變方向，過程不損耗能源，不像晶體管需要電力來運作。

研究人員以新研發的光芯片運作的類神經網絡，來辨認英文字母元音的聲音，傳統計算機的類神經網絡正確率可達 92%；與之相比，雖然以光路運作的類神經網絡正確率只有 77%，但是效率跟速度都快上許多。

跟以往光學芯片研發不同的是，這次是以硅為基底做成，也就表示量產的可能性大大提升。

科技巨頭如 IBM 也傳出正在研發整合更多光路到硅基板上，一旦光學芯片研發順利，未來以類神經網絡運算的科技如自動駕駛將可大幅提升。 《科學人雜志》（Scientific American）形容就好像口袋一樣小的裝置能擁有自動駕駛車一樣的運算能力。 該研究團隊的研究員已開始籌備公司，并且預計兩年內產出產品。