自英特爾于 1971 年推出全球第一個微處理器以來，電腦計算能力的提升速度令人嘆為觀止。按照摩爾定律，如今的計算機芯片的威力能達到五十年前的數百萬倍。然而，盡管處理能力在過去幾十年中實現了飛速增長，但計算機芯片的基本架構一直沒有什么變化。在大多數情況下，硅的創新需要將晶體管的體積不斷縮小，以便能將更多的晶體管壓縮到集成電路上。數十年來，英特爾和AMD這些公司都在通過這種辦法不斷提高CPU能力，哈佛商學院教授克萊頓·克里斯滕森（Clayton M. Christensen）將這個過程稱為 "持續創新" （sustaining innovation）。

不過，隨著摩爾定律逐漸逼近極限，光子技術成為了超越摩爾定律的研究方向之一。

新科技例如自動駕駛汽車或者AI應用對計算能力的需求已經逐漸超出了常規計算機處理器的能力。明斯特大學的研究人員經實驗表明，光子處理器（通過光對數據進行處理）可以更快更并行地處理信息，而電子芯片則無法做到這一點（該研究結果已發表于《自然》雜志）。

圖源：ScienceDaily

光子處理器可加快機器學習領域的任務，使復雜的數學任務能夠以極快的速度（每秒1012 -101?）進行處理。像一些常規芯片（例如圖形卡）或者Google TPU（張量處理單元）之類的專用硬件都基于電子數據傳輸，速度就會慢很多（理想狀態下，光子芯片的計算速度能比電子芯片快約 1000 倍）。明斯特大學物理研究所和軟納米科學中心的研究團隊在實驗后發現，利用光進行信號傳輸能夠使處理器通過波長多路復用執行并行數據處理，這就提高了計算密度，同時，僅需一個時間步即可進行許多矩陣乘法。與通常在低GHz范圍內工作的傳統電子產品相比，光調制速度可以達到50至100 GHz范圍。這都是以前從未達到過的數據速率和計算密度。

該實驗結果在現實生活中的應用可謂十分廣泛。例如，在人工智能領域，大量數據就可以在節省能量的情況下被同時處理（同等計算速度下，光子芯片的功耗僅為電子芯片的數百分之一）；大型神經網絡的應用則可以進行更準確的預測和更精確的數據分析，例如，光子處理器支持在醫學診斷中評估大量數據（比如以特殊成像方法生成的高分辨率3D數據）。另外，由于自動駕駛汽車依賴于對傳感器數據的快速評估，以及提供存儲空間、計算能力或應用軟件的云計算等 IT 基礎設施，因此光子處理器還可被進一步應用在自動駕駛汽車領域中。

總的來說，光具有高計算速度、低功耗、低時延、擅長并行計算等特點，且不易受到外界影響，例如溫度、電磁場和噪聲變化等。不過，目前看來想要用光子芯片完全取代電子芯片是不太可能的，因為光子芯片在數據的讀取方面都是需要進行光電轉換的，在能量效率方面都會受到限制。不過在 AI 應用領域，如果能夠將光子技術與電子技術結合，則有望獲得比傳統芯片更快的速度和更高的能效。