在全球科技行業(yè)努力應(yīng)對(duì)人工智能應(yīng)用和數(shù)字技術(shù)帶來(lái)的巨大能源消耗之際，微軟的研究人員可能已經(jīng)找到了一個(gè)很有希望的解決方案。微軟英國(guó)劍橋研究院的一個(gè)團(tuán)隊(duì)與劍橋大學(xué)的合作者成功開(kāi)發(fā)了一款新型的模擬光學(xué)計(jì)算機(jī)（Analog Optical Computer, AOC），該計(jì)算機(jī)利用光的特性進(jìn)行計(jì)算，有望在處理特定的人工智能和優(yōu)化任務(wù)時(shí)，將能源效率提升高達(dá) 100 倍。相關(guān)研究成果已于 2025 年 9 月 3 日發(fā)表在《自然》（Nature）上。
圖丨相關(guān)論文（來(lái)源：Nature）
隨著各行各業(yè)對(duì)人工智能和大規(guī)模數(shù)據(jù)處理的依賴日益加深，傳統(tǒng)數(shù)字計(jì)算機(jī)的能源消耗和數(shù)據(jù)傳輸瓶頸問(wèn)題變得愈發(fā)突出。數(shù)字計(jì)算在處理復(fù)雜的優(yōu)化問(wèn)題和大規(guī)模 AI 模型推理時(shí)，往往需要消耗大量的電力，并受到數(shù)據(jù)在處理器和內(nèi)存之間移動(dòng)速度的限制，即所謂的“馮·諾依曼瓶頸”。為了突破這些限制，科學(xué)界一直在探索新的計(jì)算范式，而模擬計(jì)算，特別是利用光子進(jìn)行計(jì)算的光學(xué)計(jì)算，被視為一個(gè)極具潛力的方向。
微軟研發(fā)的這款 AOC 正是基于這一理念。它并非一臺(tái)通用計(jì)算機(jī)，而是一種專用計(jì)算設(shè)備，旨在高效解決兩類關(guān)鍵問(wèn)題：人工智能推理（AI Inference）和組合優(yōu)化（Combinatorial Optimization）。與依賴電子在“0”和“1”之間切換的數(shù)字計(jì)算機(jī)不同，AOC 利用光在通過(guò)光學(xué)元件時(shí)物理特性的連續(xù)變化來(lái)進(jìn)行計(jì)算。這一模擬過(guò)程，避免了在數(shù)字與模擬信號(hào)之間進(jìn)行耗能且耗時(shí)的轉(zhuǎn)換。
該 AOC 系統(tǒng)的核心架構(gòu)結(jié)合了三維光學(xué)系統(tǒng)和模擬電子器件。其基本工作原理是通過(guò)一個(gè)微型發(fā)光二極管（microLED）陣列來(lái)代表輸入數(shù)據(jù)或變量，這些光源發(fā)出的光線經(jīng)過(guò)復(fù)雜的透鏡系統(tǒng)，投射到空間光調(diào)制器（Spatial Light Modulator, SLM）上?？臻g光調(diào)制器在這里扮演著關(guān)鍵角色，其上的每個(gè)像素可以被編程來(lái)調(diào)整通過(guò)光線的強(qiáng)度，從而實(shí)現(xiàn)輸入數(shù)據(jù)與預(yù)設(shè)權(quán)重（或問(wèn)題參數(shù)）的乘法運(yùn)算。
圖丨AOC 及其應(yīng)用（來(lái)源：Nature）
隨后，經(jīng)過(guò)調(diào)制的光線被另一組透鏡匯聚到光電探測(cè)器陣列上，完成加法運(yùn)算。整個(gè)過(guò)程在物理層面瞬時(shí)完成了大規(guī)模的矢量-矩陣乘法，這是許多 AI 和優(yōu)化算法中最為核心和計(jì)算密集的部分。模擬電子電路則負(fù)責(zé)處理非線性激活函數(shù)、反饋和迭代等其余的計(jì)算步驟。
（來(lái)源：Microsoft）
這種光電混合的模擬計(jì)算方式，使得 AOC 能夠在一個(gè)統(tǒng)一的平臺(tái)上，高效地執(zhí)行 AI 推理和組合優(yōu)化任務(wù)。其關(guān)鍵創(chuàng)新之一是一種被稱為“快速定點(diǎn)搜索”（rapid fixed-point search）的機(jī)制。在 AI 模型推理中，系統(tǒng)通過(guò)迭代快速收斂到一個(gè)穩(wěn)定的“定點(diǎn)”，這個(gè)定點(diǎn)就代表了模型的輸出結(jié)果。
在解決優(yōu)化問(wèn)題時(shí)，這個(gè)定點(diǎn)則對(duì)應(yīng)于問(wèn)題的最優(yōu)解或近似最優(yōu)解。這種迭代過(guò)程的本質(zhì)使其對(duì)模擬計(jì)算中固有的噪聲具有很強(qiáng)的魯棒性，因?yàn)槊恳淮蔚紩?huì)將計(jì)算結(jié)果拉向正確的“吸引子”（attractor），從而有效抵消噪聲的干擾。
為了驗(yàn)證 AOC 的實(shí)際應(yīng)用能力，研究團(tuán)隊(duì)進(jìn)行了一系列案例研究。在一個(gè)與微軟健康未來(lái)團(tuán)隊(duì)合作的項(xiàng)目中，他們利用 AOC 的“數(shù)字孿生”（Digital Twin）——一個(gè)精確模擬硬件行為的軟件模型——來(lái)處理醫(yī)學(xué)圖像重建任務(wù)。結(jié)果顯示，該技術(shù)有潛力將核磁共振成像的掃描時(shí)間從 30 分鐘大幅縮短至 5 分鐘，這對(duì)于提升醫(yī)療效率和改善患者體驗(yàn)具有重大意義。
在金融領(lǐng)域，微軟與巴克萊銀行（Barclays）合作，將 AOC 應(yīng)用于解決復(fù)雜的金融交易結(jié)算問(wèn)題。這是一個(gè)典型的組合優(yōu)化難題，需要在滿足各種法律和信貸約束的條件下，找到最大化結(jié)算交易數(shù)量或價(jià)值的最佳方案。在一個(gè)包含 46 筆交易和 30 個(gè)約束條件的測(cè)試案例中，AOC 硬件成功找到了全局最優(yōu)解，其表現(xiàn)甚至優(yōu)于一些量子計(jì)算硬件在該問(wèn)題上的嘗試。
除了這些復(fù)雜的優(yōu)化任務(wù)，該原型機(jī)也展示了其在 AI 推理方面的能力。研究團(tuán)隊(duì)成功地在 AOC 上運(yùn)行了針對(duì)手寫數(shù)字（MNIST）和時(shí)尚商品（Fashion-MNIST）圖像識(shí)別的神經(jīng)網(wǎng)絡(luò)模型，以及非線性回歸任務(wù)。測(cè)試結(jié)果顯示，AOC 硬件的推理結(jié)果與數(shù)字孿生模型的模擬結(jié)果有超過(guò) 99% 的一致性，證明了從數(shù)字環(huán)境訓(xùn)練模型，再部署到模擬光學(xué)硬件上的可行性。
圖丨用于機(jī)器學(xué)習(xí)推理的 AOC（來(lái)源：Nature）
目前，這臺(tái) AOC 原型機(jī)的規(guī)模還相對(duì)較小，其硬件能夠處理的權(quán)重?cái)?shù)量為 256 個(gè)，通過(guò)特定技術(shù)可以擴(kuò)展到 4096 個(gè)。研究人員指出，要處理現(xiàn)實(shí)世界中更大規(guī)模的應(yīng)用，例如驅(qū)動(dòng)大型語(yǔ)言模型或解決更復(fù)雜的工業(yè)優(yōu)化問(wèn)題，硬件的可擴(kuò)展性需要達(dá)到數(shù)億甚至數(shù)十億個(gè)權(quán)重。
盡管面臨挑戰(zhàn)，但研究團(tuán)隊(duì)對(duì) AOC 的未來(lái)擴(kuò)展性持樂(lè)觀態(tài)度。他們指出，這臺(tái)原型機(jī)的一個(gè)顯著優(yōu)勢(shì)是其構(gòu)建材料大多是消費(fèi)級(jí)的成熟技術(shù)，例如智能手機(jī)攝像頭中的傳感器、微型 LED 和光學(xué)鏡片等。這不僅能降低制造成本，也意味著未來(lái)的大規(guī)模生產(chǎn)可以利用現(xiàn)有的供應(yīng)鏈。
研究團(tuán)隊(duì)設(shè)想，未來(lái)的 AOC 系統(tǒng)將采用模塊化設(shè)計(jì)，通過(guò)集成多個(gè)小型的光電計(jì)算模塊來(lái)處理更大規(guī)模的矩陣運(yùn)算。據(jù)他們預(yù)測(cè)，一個(gè)由 25 個(gè)模塊組成、能夠處理 1 億個(gè)權(quán)重的 AOC 系統(tǒng)，其功耗約為 800 瓦，而計(jì)算速度可達(dá)到每秒 400 千萬(wàn)億次運(yùn)算（Peta-OPS），能效預(yù)計(jì)可以達(dá)到每瓦 500 萬(wàn)億次運(yùn)算（TOPS/W），這比目前最先進(jìn)的圖形處理器（GPU）在同等精度下的效率高出超過(guò) 100 倍。
參考資料：
1.https://www.nature.com/articles/s41586-025-09430-z
運(yùn)營(yíng)/排版：何晨龍