清华大学自动化系与上海交通大学集成电路学院团队联合提出光计算走向实际应用的量化标准
一束光穿过一枚薄薄的芯片
传播途中便完成万亿次运算
光走过的路径
本身就是计算过程
然而
从实验室里亮眼的速度、能效指标
到真实数据中心
智能终端中的稳定运行
中间仍横亘着从科学机理到工程实现的多重关卡
近日，中国工程院院士、清华大学自动化系教授戴琼海，自动化系副教授吴嘉敏团队联合上海交通大学集成电路学院助理教授陈一彤课题组（以下简称：研究团队），在实用化光计算领域取得重要突破，研究成果以“纳米光子学如何推动光计算走向实际应用”（How nanophotonics can drive optical computing toward practical applications）为题发表在《自然·纳米技术》（Nature Nanotechnology）上。提出光计算走出实验室演示阶段，落地为可制造、可编程、可扩展的可靠计算系统，成为“即插即用”实践算力资源的量化标准。
Nature Nanotechnology网站论文截图
文末点击“阅读原文”，了解论文详情
从性能刷新到系统落地:
光计算面临的关键一跃
光可在振幅、相位、偏振、波长等多个自由度上承载信息，借助干涉、衍射等物理过程，在高速传播中同步完成计算，有望以更快速度、更低能耗实现大规模数据处理。近年来，围绕大规模、高速、可重构的光电智能计算，本研究团队持续开展研究，相关工作已从支持高分辨率图像处理的全模拟光电芯片（ACCEL芯片，Nature，2023），延伸至面向复杂视觉任务的大规模全光智能生成芯片（LightGen芯片，Science，2025），推动光计算从“能完成计算”向“承担更大规模、更复杂场景下的真实计算任务”进阶。
行业标尺：
定义实用光计算的量化标准
然而，当前光计算领域的多项领先指标分散于不同原型系统，单项性能突破难以直接支撑完整应用。针对这一问题，研究团队以实际应用场景为基准，参照现有电子计算平台的系统水平，将光计算优势具象为计算速度、带宽、能效等具体量化指标，建立面向实用光计算的系统级评价标准。
研究团队将芯片指标纳入统一的系统框架中进行综合检验，文中给出的定量指标为不同应用场景划定了明确的实用化门槛，将笼统的性能提升要求转化为可验证的工程目标，也为不同技术路线的横向比较与部署评估提供了统一依据。基于这一量化标尺，研究团队为实用光计算的发展建立了可落地的行业评价标准。
面向多场景的实用光计算系统级评价标准
双向路径:
技术工艺和应用需求协同推进
量化标尺明确了实用光计算的性能目标，而如何实现这些目标亦是关键问题。为此，研究团队进一步构建了贯通技术工艺和应用需求的双向分析框架：一方面从纳米材料、器件结构、制造能力出发，自下而上评估现有技术工艺条件下光计算“能够实现什么”；另一方面从大规模AI模型、边缘计算、科学计算等真实应用需求出发，自上而下倒推系统“须具备什么”。两条路径在计算架构层面交汇衔接，共同推动实用化光计算系统的迭代发展和落地部署。
更关键的是，研究团队将这些需求进一步转化为量化目标，使问题从“性能还要提升”转向“需要提升到什么程度”。例如，研究团队指出当器件的消光比高于22dB，定向耦合器与交叉结构损耗分别控制在0.1dB和0.028dB以下时，光学矩阵运算规模有望超过64×64并进一步扩展。面向大规模AI模型的应用，计算系统需具备十亿参数级扩展能力，以及支持图像块处理的空间分辨率。这些定量约束将笼统的性能提升诉求转化为明确的工程任务。
技术工艺扩展性能边界，应用需求定义性能目标，沿着这一双向路径，实用光计算的研发重点将从对单项性能极致表现的追逐，转向对可扩展规模、计算精度与系统代价的协同优化。
纳米技术赋能光计算
为下一代算力搭建桥梁
从量化标准到双向路径，本研究建立了从性能评估到系统实现的完整方法体系，推动光计算完成从“单点性能展示”到“系统能力构建”的范式升级，助力其真正落地为可部署的、即插即用的下一代算力资源。
本论文受国家自然科学基金、国家重点研发计划、新基石科学基金会、脑与认知智能北京实验室（北京市教委）、上海市基础研究计划、上海市自然科学基金、上海启源创新基金、上海交通大学2030项目等支持。中国工程院院士、清华大学自动化系教授戴琼海、自动化系副教授吴嘉敏为共同通讯作者，上海交通大学集成电路学院助理教授陈一彤、上海交通大学计算机学院博士生杨国强为共同第一作者。
论文链接：
https://www.nature.com/articles/s41565-026-02264-4
评论排行