随着人工智能大模型、多模态推理和智能体应用加快发展，算力正从支撑性资源走向与水、电同等重要的战略性基础设施。今年3月，我国日均词元调用量已突破140万亿，是两年前的1000多倍。然而，传统电子计算硬件依靠缩小晶体管尺寸提升性能的空间逐渐收窄，带宽、时延和功耗压力日益凸显。在此背景下，光子技术以光为信息载体，凭借高速、并行、低损耗等优势，突破传统计算硬件的物理桎梏，有望为下一代算力设施建设提供全新的物理路径。

　　算力设施的未来离不开“光”

　　光具备超高速率、超大带宽、低功耗和低时延等天然特性；尤其值得强调的是，光天然具有并行传输和处理优势——其能够在不同波长、空间和时间等维度上承载信息，类比多条车道并行通车，单位时间通车量可呈数量级提升；而光子技术则是将光的并行、高速优势转化为实际器件、系统和工程方案的手段，其应用价值正从传统光通信加速延伸至数据互连、光交换乃至光计算等核心环节，正在成为下一代算力设施的重要发展方向。

　　将这些物理优势转化为实际算力，离不开核心硬件载体的持续突破。这一载体正是将多种光学功能单元集成于芯片之上的“光芯片”——它是光子技术走向集成化、规模化的关键硬件支点。进入21世纪，光芯片经历了从单元器件到规模化集成的飞跃，应用潜力逐步展现，为大规模光电集成计算奠定了坚实基础。美国及欧盟各国纷纷将光子集成产业列入国家发展的战略规划，以英特尔为首的工业巨头和以美国麻省理工学院为首的学术机构均在此领域持续深耕。2026年，英伟达通过投资朗美通、高意等光子技术公司，加速布局光芯片产业，计划将光子技术引入下一代图形处理器（GPU）芯片及算力系统。目前已形成国际共识：光芯片有望延续摩尔定律，是破解高性能计算瓶颈的关键技术，具有前瞻性、辐射性与带动性。“光”正成为破解新质算力难题的核心方案之一。

　　发挥光子优越性打开算力新空间

　　在现有算力系统中，光子技术已在信息互连环节崭露头角。数据中心的光模块已采用“用光传输、用电处理”的混合架构，其优越性在工业界反复得到证明。若更进一步，将光子技术从通信互连环节拓展到数据搬运和计算环节，可为构建新一代光电融合算力基础设施打开新空间。钱学森在1979年发表的《光子学、光子技术、光子工业》文章中指出：“光子技术的一个肯定要推进的方面是光子计算机。从原理上估计，光子计算机的运算能力可以为电子计算机的百倍、千倍以至万倍。”中国科学院上海光学精密机械研究所王之江院士于1987年在《中国激光》期刊上发表《光计算技术进展》一文指出：“光计算技术采用光波作信息载体，信息的传播速度是光速；光计算技术能充分发挥光的内禀并行性，光计算系统中的各部分，如输入/输出、数据的存储、数据的处理等，都能是并行的结构。”光子技术之所以能带来计算性能的提升，关键在于其能够释放光在并行传输与处理方面的巨大潜力。“并行”正是光子优越性的集中体现——它能同时搬运和处理大量数据，从而提升系统吞吐能力。尽管相关科学原理与技术路线早已清晰明确，但过去数十年间该领域并未实现快速突破。其主要原因在于，彼时电子计算的快速发展已足以满足社会应用需求。由于产业端算力需求尚未出现巨大缺口，市场与社会资本自然缺乏投入巨资探索新路径的动力。

　　光电协同破解算力“三堵墙”

　　随着人工智能应用持续深化，算力需求呈数量级跃升。电子计算系统长期面临I/O、访存和功耗等瓶颈，光电协同可从不同层面缓解这些约束。

　　在“I/O墙”（载入载出带宽瓶颈）方面，图形处理器（GPU）算力集群规模不断扩张，传统的电互连在带宽、传输距离和信号串扰上已力不从心。光凭借高并行度、低损耗、低串扰等特性，能大幅提升数据进出处理器的密度和效率，助力缓解“I/O墙”，突破载入/载出的带宽瓶颈。

　　在“访存墙”（内存访问延迟瓶颈）方面，大模型的参数和训练数据同步暴涨，处理器等待内存搬来数据的时间越来越长，“算得快，但喂不饱”的矛盾日益突出。引入光技术后，可以结合大规模光交换和光访存架构，让数据在处理器与存储系统之间高速搬运，降低存取时延和能耗，为突破“访存墙”提供支撑。

　　在“功耗墙”（能耗与散热极限）方面，算力节点内部，密集的计算任务带来巨大的散热压力，功耗上限已成为释放更多算力的重要制约。通过部署高速率光互连和高并行度光计算，构建光电混合的一体化网络，能够显著降低单位算力功耗，有望突破“功耗墙”对算力扩展的制约。

　　客观上，把光子技术引入算力设施，并不是以“全光”取代“全电”，而是在不同层级上发挥光与电各自的优势。在相当长时期内，电子技术仍将在逻辑控制、精确运算、存储管理和软件生态中发挥基础作用，光子技术则更适合承担高速互连、数据搬运和部分高度并行运算任务。可行的路径是先让光在芯片间、板卡间和机柜间互连中发挥作用，再把光交换、光访存等能力嵌入数据中心内部，进而探索可编程光计算单元。此方案既不推翻现有CPU、GPU和数据中心生态体系，又能使技术升级与产业承受能力相匹配。人工智能快速发展为光子技术提供了广阔舞台。通过引入光载入/载出、光访存与光计算等光技术，可以回应人工智能对带宽、时延和能耗的现实压力，也为智能计算中心从“堆规模”走向“提效率”提供新选择。

　　完善光电算力产业生态

　　上述技术路径从实验室走向大规模部署的关键在于将其真正融入现有算力系统，并解决工程化与系统集成的现实挑战。将光芯片引入算力基础设施，赋能算力跨越式提升，难点并不在于单个器件指标性能高，而在于整个系统能否长时间稳定、可靠地运行。光芯片对温度漂移和封装工艺较为敏感，要在充分释放光学天然优势的同时保持性能一致性，还必须经受良率和成本的检验。未来光电计算服务大规模人工智能应用，还需要建立起与现有算法框架、调度系统和网络协议有效衔接的软件生态。

　　为此，应深化创新链与产业链协同，围绕核心器件、先进封装与系统集成构建完整生态，推动算力体系从规模扩张向高效供给转型。下一步，可聚焦光子集成芯片、核心光电器件、先进封装、设计工具和测试仪器等关键环节完善创新生态，推动高校、科研院所、龙头企业和专精特新企业形成稳定协作，在智能计算中心、科学计算、工业视觉等真实场景中开展系统验证，逐步完善面向光电混合计算算力的评价体系和技术标准。

　　回望历史，钱学森、王之江等前辈对光子技术潜力的深刻洞察，曾被视为遥远的科学蓝图。如今，随着人工智能推动算力需求持续增长，这一蓝图正在进入工程验证和产业培育的新阶段。讨论“光”的价值，并不是否定电子计算，而是在新的算力需求面前寻找更优的物理组合和系统架构。面向未来，推动光子技术进入下一代算力设施，既需要基础研究持续突破，也需要产业链协同、应用场景牵引和标准体系支撑。沿着光电协同方向稳步推进，有望为高效、可持续的算力体系建设提供新的重要支撑。

　　（作者系中国科学院上海光学精密机械研究所研究员）

（责编：常滨海）