一、引言：計算物理學的十字路口

過去60年，電子計算遵循摩爾定律狂飆突進，晶體管數量每18個月翻倍，計算性能提升億倍，成本下降億倍。然而，這一奇跡正在逼近物理極限：

晶體管尺寸已縮至3nm，量子隧穿效應開始顯現

單芯片功耗密度逼近100W/cm2，散熱成為瓶頸

互連延遲（RC延遲）超過門延遲，成為性能瓶頸

正是在這一背景下，光計算（Photonic Computing）重新回到聚光燈下。用光子代替電子作為信息載體，能否突破電子計算的物理極限？這是一場能效與延遲的終-極對決。

圖1：電子計算 vs 光計算的物理機制對比

二、電子計算的物理極限：三堵墻

2.1 功耗墻：P = CV2f

電子計算的功耗主要來自動態功耗P = CV2f（C為電容，V為電壓，f為頻率）。隨著晶體管尺寸縮小，雖然C和V下降，但f提升和晶體管數量暴漲使得總功耗持續攀升。現代數據中心CPU功耗可達300-500W，GPU甚至超過700W，功耗墻已成為性能提升的首要障礙。

2.2 量子隧穿墻：柵極漏電

當晶體管柵極氧化層厚度小于1nm（約3個原子層），電子會通過量子隧穿效應穿透勢壘，導致嚴重的漏電流。這使得晶體管無法完-全關斷，靜態功耗飆升。目前3nm工藝已接近這一極限，繼續縮小需要全新的器件結構（如GAA、CFET）。

2.3 互連延遲墻：RC延遲主導

片上金屬互連的延遲由RC時間常數決定（R為電阻，C為電容）。隨著互連尺寸縮小，R急劇增加，RC延遲已超過晶體管開關延遲，成為限制時鐘頻率的瓶頸。這就是為什么CPU主頻在2005年后基本停滯在3-4GHz。

三、光計算的基本原理：光子代替電子

3.1 為什么選擇光子？

光子作為信息載體具有電子無法-比擬的優勢：

無靜止質量：光子在介質中以光速傳播，延遲極低

無電荷：光子之間不發生庫侖相互作用，無電阻發熱

高頻率：光波頻率~101? Hz，天然支持超寬帶寬

波分復用：不同波長可獨立傳輸，單波導可承載多路信號

3.2 光計算的兩種路線

模擬光計算（Analog Photonic Computing）：利用光的干涉、衍射等物理過程直接執行計算。典型代表是基于馬赫-曾德爾干涉儀（MZI）網格的矩陣乘法加速器，可在O(1)時間復雜度內完成N×N矩陣乘向量運算。

數字光計算（Digital Photonic Computing）：構建光子邏輯門（與、或、非），實現與傳統電子計算等價的數字計算。目前仍處于研究階段，主要挑戰是光子邏輯門的級聯效率。

圖2：光計算 vs 電子計算的能效與延遲對比

四、能效對比：理論100倍提升

光計算的理論能效優勢來自兩個方面：

無焦耳熱：電子在導體中運動時與晶格碰撞產生焦耳熱（P = I2R），而光子在波導中傳播無電阻損耗。硅波導的損耗可低至0.1 dB/cm，遠低于銅互連的電阻損耗。

并行性：波分復用（WDM）技術可在單根波導中同時傳輸數十路不同波長的信號，實現天然的并行計算，大幅提升能效比。

根據研究估算，光計算的理論能效可達電子計算的100-1000倍。Lightmatter公司的Passage光子AI加速器宣稱矩陣乘法能效可達1000 TOPS/W，而最-先進的電子AI加速器（如NVIDIA H100）約為10-20 TOPS/W。

五、延遲對比：光速 vs 電子漂移

電子在導體中的漂移速度約為10? m/s，而光在硅波導中的群速度約為2×10? m/s（c/n，n≈1.5）。這意味著在相同距離下，光信號延遲比電信號低約3個數量級。

對于片上互連，電子信號需要經過多級驅動器和接收器，每級引入ps級延遲。而光信號在波導中傳播，延遲僅由距離決定：1mm光波導延遲約5fs。這使得光計算在延遲敏感的應用（如高頻交易、實時信號處理）中具有天然優勢。

圖3：光計算芯片核心結構示意圖

六、光計算的現狀與挑戰

6.1 當前進展

光計算正在從實驗室走向商用。代表性進展包括：

Lightmatter Passage：基于硅光子的AI矩陣乘法加速器，采用MZI網格實現可編程光路，宣稱能效1000 TOPS/W

LightOn：光子協處理器，利用光的隨機投影特性加速機器學習推理

Intel硅光子：Ponte Vecchio GPU采用硅光子互連，實現高帶寬低功耗片間通信

6.2 核心挑戰

存儲問題：光子難以存儲。電子計算有DRAM/SRAM等成熟存儲技術，而光子沒有等效的隨機存取存儲器。目前光計算主要用于流式計算（如矩陣乘法），需要與電子存儲協同工作。

非線性器件：光計算需要光控光器件（如光開關、光邏輯門），這需要強的光學非線性效應。目前硅的非線性系數較低，需要增強方案或新材料。

精度限制：模擬光計算受限于器件制造誤差、熱噪聲等，計算精度通常為8-16 bit，低于電子計算的32/64 bit浮點精度。

系統集成：光計算芯片需要與激光器、探測器、驅動電路等集成，異質集成工藝復雜，成本較高。

圖4：光計算技術演進路線圖

七、未來展望：光電混合計算

光計算不會完-全取代電子計算，而是形成光電混合架構：

電子負責邏輯控制、存儲、高精度計算：CPU/GPU繼續處理通用計算任務，DRAM/SSD提供大容量存儲

光負責高速互連、矩陣運算、信號處理：片間/片上光互連解決帶寬和功耗瓶頸，光子加速器處理AI推理中的矩陣乘法

展望2030年代，我們可能看到：光子互連成為GPU/CPU的標準配置；光子AI加速器在數據中心規模部署；光電混合CPU架構出現。更長遠地，全光計算可能在特定領域（如量子計算模擬、組合優化）找到突破口。

八、結論：光子的時代正在開啟

光計算 vs 電子計算，不是誰取代誰的零和博弈，而是計算物理學的范式演進。電子計算在過去60年創造了奇跡，但物理極限正在逼近；光計算雖然面臨存儲、非線性、精度等挑戰，但其能效和延遲的理論優勢不可忽視。

未來10年，光電混合計算將成為主流。光子先在互連領域突破，繼而在特定計算任務（AI矩陣乘法、信號處理）中展現優勢，最終與電子計算深度融合，共同支撐后摩爾時代的計算需求。

這場能效與延遲的終-極對決，光子正在贏得屬于自己的回合。