微软对“用光进行计算的计算机”的研究正在引起人们的关注。通过使用光学元件代替电子电路，人工智能处理、金融交易和 MRI 图像重建等复杂计算的执行效率可以比以前提高 100 倍。
本文对其机理、示范实验结果及其在日本的适用性进行了通俗易懂的解释。
内容
微软宣布的“光学计算机”是什么？
微软正在研发的模拟光学计算机（AOC）是一种使用光而不是电子来执行计算的新机制。事实证明，在某些计算过程中，它们的效率比传统半导体处理器高出 100 倍。
该AOC是将市售的micro-LED与智能手机用光学传感器相结合而制成的原型，预计未来将实现低成本量产，因此受到关注。它的独特之处在于它不仅处于研究阶段，而且实际上正在进行金融和医学方面的示范实验。
与传统 CPU 和 GPU 的差异和限制
CPU和GPU基于数字计算，擅长处理海量数据，但功耗和发热是主要问题。特别是对于人工智能和大规模优化问题，功耗和处理速度之间的平衡已经接近极限。
光学计算机通过利用光的特性为这个问题提供了一种新方法。由于它利用光的传输而不是电子的运动，因此理论上可以以低能耗进行高速计算。
CPU/GPU与光计算机对比
通过梳理两者之间的差异，传统方法的局限性和新方法的可能性变得更加清晰。下表比较了典型特征。
| 项目 | 中央处理器/图形处理器 | 光学计算机（AOC） |
|---|---|---|
| 计算方式 | 使用电子电路进行数字处理 | 光与模拟电路的结合 |
| 专业领域 | 通用处理 | 优化问题和人工智能推理 |
| 消费电力 | 高（在人工智能处理中尤其明显） | 效率比以前提高 100 倍 |
| 瓶颈 | 内存传输延迟/热量产生 | 光传输显着减少延迟 |
从这个对比中可以看出，虽然光学计算机并不是万能的，但在某些领域可以说是具有压倒性优势的。
金融和医学领域的示范实验和结果
尽管光学计算机仍处于研究阶段，但示范实验已经在金融和医学等社会重要领域进行。
该测试的一大特点是，它不是简单的实验室性能测试，而是在类似于实际业务或医疗情况的环境中进行测试。这说明这种新的计算方法不仅具有理论意义而且具有实用性。
AOC 有潜力使传统 CPU 和 GPU 上需要大量计算资源和时间的流程变得更加高效。特别是证券交易清算、MRI图像重建等领域对速度和精度的要求很高，成为验证该技术有效性的理想对象。
结果表明，与传统方法相比，计算速度得到了提高，功耗也得到了降低，从而可以认识到社会影响的严重程度。
这些结果可能是研究人员和公司将他们的评估从“只是一个未来概念”转变为“一项有望在几年内实施的技术”的机会。
稳定金融基础设施和提高医疗领域的效率对于日本来说也是紧迫的问题，可以说与该领域的进展有直接关系。
在金融交易优化中的应用
微软与巴克莱银行合作尝试将 AOC 应用于证券清算流程。
清算是多家银行和金融机构买卖证券的最终结算过程，通常涉及数千到数百万笔复杂的并行交易。当前的系统需要较长的处理时间和昂贵的计算机资源，因此这是一个效率改进空间很大的领域。
在演示实验中，我们同时优化了约1800个交易方的数千笔交易。虽然这与实际清算所处理的交易规模相比很小，但仍然足以证明 AOC 可以有效处理大规模交易。
如果未来能够扩大规模，将导致国际金融市场清算业务的成本和风险降低。
在金融行业，处理速度的提高意味着交易风险的降低和市场信心的提高。这项技术进步可能会带来直接的竞争优势，特别是对于处理许多国际交易的大型日本金融机构而言。
加速医学领域的MRI重建
MRI（磁共振成像）是能够对身体内部进行详细无创观察的重要技术，但每次检查平均需要30分钟左右，影响了患者的负担和医院的运转率。
使用AOC的“数字孪生”的实验表明，理论上可以在保持相同精度的情况下将图像重建处理时间缩短至5分钟左右。
这种减少不仅仅是节省时间。如果在急诊和癌症筛查等领域能够减少等待检测的患者数量并快速做出诊断，这将导致更早开始治疗和提高整体医疗效率。
此外，通过提高设备的运行效率，可能有助于改善医院管理成本、纠正医疗准入的地区差异。
这些技术创新意义重大，尤其是在人口老龄化、医疗需求不断增加的日本。从减轻医务人员负担和提高诊断准确性的角度来看，光学计算机的实际应用是一个很有前景的领域。
光学计算机的巨大潜力之一是能够高速、低能耗地执行人工智能推理处理。当前的大规模语言模型和图像生成人工智能处理数十亿个参数，导致计算成本和功耗迅速增加。
这个问题不仅关系到云服务的运营成本，还直接关系到可持续社会的实现。
据报道，AOC通过利用光并行处理矩阵计算，理论上可以实现比传统GPU高100倍的能效。
这有可能显着降低功耗和冷却成本，而这在过去一直是制约因素。尤其是，随着人工智能的不断快速普及，节能性能将成为其实际应用的重要要素。
此外，该技术不仅适用于人工智能推理，还适用于动态跟踪状态的处理。通过使用一种称为定点搜索的方法，在硬件级别内置了一种迭代导出最优解的机制，使计算过程本身更加高效。
这扩大了在短时间内完成以前需要花费大量时间的复杂任务的可能性。
大规模人工智能模型的挑战和光学方法的优势
大规模语言模型（LLM）和生成式人工智能需要使用大量高性能 GPU 来运行，但它们的功耗是数据中心运营中的一个严重问题。
尤其是在日本等电费昂贵的国家，这是推高提供人工智能服务成本的一个因素。光学计算机被认为是解决这个问题的一种有前途的手段。
传统的 GPU 需要消耗数千瓦的功率来执行推理，但 AOC 的估计性能为“500TOPS/W（每瓦每秒 500 万亿次操作）”，有潜力实现一个数量级的效率。这实际上相当于提高了 100 倍。
这一优势不仅仅是“快”，它还抑制了数据中心的电力需求，有助于减少二氧化碳排放。考虑到人工智能成为社会基础设施的未来，这种节能效果具有重大意义。
对人工智能可持续发展的影响
光学计算机的应用不仅使计算更加高效，也成为决定人工智能发展可持续性的因素。
如果能效大幅提高，可以使用人工智能的国家和公司数量将会增加，有可能加速人工智能在全球的传播。可以说，尤其有利于电力资源有限的新兴国家和地区。
此外，如果人工智能推理成本降低，人工智能将更容易引入教育、医疗、行政服务等公共领域。在日本，行政系统的自动化和中小企业人工智能的引入也已成为现实，有可能提高整个社会的生产力。
这样一来，AOC带来的节能效果不仅仅是技术突破，还有可能对社会制度和经济结构产生影响。
模拟光学计算机的机理和技术特点
AOC的创新之处在于其“利用光而不是电子电路进行计算”的机制。传统的数字方法每次处理大量数据时都需要电子运动和数字转换，这限制了速度和能源效率。
AOC正在尝试通过将光学元件与模拟电路相结合来从根本上解决这个问题。
具体来说，它利用光的“同时并行传输能力”来即时执行矩阵计算等巨大运算。
此外，模拟电路部分负责非线性计算和误差校正，并具有迭代导出最优解的结构。这很大程度上避免了数字方法经常出现的内存传输和热问题。
此外，研究团队还开发了一种名为“数字孪生”的仿真模型，无需制作硬件原型即可进行大规模验证。该系统对于促进与外部研究人员和行业的合作也很重要。
硬件配置及使用部件
AOC 的独特之处在于它是由市售的光学和电子元件而不是特殊的实验设备构建的。它采用制造工艺成熟的组件，例如Micro-LED、空间光调制器（SLM）和智能手机光学传感器，有利于未来的量产。
主要组件和作用总结如下。
| 部分 | 角色 |
|---|---|
| 微型LED阵列 | 将神经网络输入值和变量表示为光强度 |
| 空间光调制器（SLM） | 保留权重和系数并使用光信号执行乘积和运算 |
| 光电探测器（光传感器） | 将光信号转换为模拟电信号并将其发送到下一个计算阶段 |
| 模拟电路 | 执行非线性处理、减法和退火（优化） |
这些的结合创建了一个有效的计算平台，利用光和电子的优势。
定点搜索提高效率的机制
AOC计算模型基于“定点搜索”的思想。这是数值计算中使用的一种方法，用于重复搜索输入和输出匹配的状态（不动点）。
光学计算在瞬间进行大规模的乘积和，模拟电路进行纠错和非线性转换，在数十纳秒内重复进行以收敛于最优解。
这种方法的优点是不涉及数字转换，因此处理速度快得惊人，而且还具有较高的抗噪声能力，这是模拟所特有的。
它还与近年来备受关注的“深度均衡网络”等新的人工智能模型高度兼容，并且具有自然处理现有 GPU 效率低下的模型的潜力。
因此，AOC不仅可以应用于AI推理，还可以应用于组合优化领域，有望在更广泛的领域得到应用。
对日本产业和社会的影响
光计算机带来的变化不仅在海外，而且对日本产业界和社会都具有重大意义。特别是日本存在很多问题，如金融、医疗、人工智能基础设施等，人们认为效率和节能浪潮将对这些领域产生直接影响。
由于其成果已在金融交易和医疗诊断领域得到证实，因此在日本金融机构和医院引入的可能性越来越大。此外，通过将日本企业与其优势所在的光学技术和精密零件行业联系起来，也有可能提高其国际竞争力。
为财务 DX 和风险管理做出贡献
日本金融机构的国际交易比例很高，提高证券清算和衍生品交易的效率是主要的管理问题。光学计算机通过加速交易处理来降低风险，使交易参与者更加透明和安全。
尤其是提高清算系统的效率，符合金融厅推动的金融DX的方向，也是很可能得到监管部门支持的领域。
此外，减少与海外市场交易所需的时间将增强日本金融市场的整体竞争力，从而提高国际地位。未来，可以想象，证券交易所和各大银行将率先推出。
提高医疗环境效率并减轻患者负担
日本正在进入老龄化社会，MRI、CT等诊断影像的需求逐年增加。另一方面，医护人员短缺问题日益严重，提高检测效率是重要问题。
使用光学计算机加速MRI重建将是减少测试等待时间和提高医院整体运营效率的主要武器。
此外，更快的诊断将导致更早的治疗，减轻患者的负担和焦虑。这不仅将改善医院运营，还可能有助于降低整个日本的医疗成本并延长健康预期寿命。
人工智能的运用和节能的连锁反应
日本企业也在加速引入人工智能，但运营成本高、功耗大是问题。光计算机的节能效果导致云服务和数据中心运营成本降低，让中小企业更容易使用AI。
此外，如果能够抑制电力需求，更容易与可再生能源结合，有助于实现碳中和。与政府推动的“GX（绿色转型）”战略高度契合，预计其出台将在政策支持下取得进展。
光计算机开启“后GPU时代”前景
光学计算机的出现为传统上依赖以 GPU 为中心的计算基础设施的 IT 行业提供了新的选择。
到目前为止，人工智能和优化处理一直依赖于 GPU 性能的提高，但功耗、发热和制造成本等障碍一直存在。 AOC有潜力弥补这些限制，成为下一个时代的计算基础设施。
当然，也存在挑战。目前可处理的参数数量有限，除非硬件变得更小、集成度更高，否则很难大规模商用。尽管如此，可以使用市售零件构建的演示机器已经产生了结果，这一事实证实了该技术的未来潜力。
从 GPU 依赖过渡到新的竞争轴
当前的人工智能开发和数据中心运营很大程度上受到GPU供应和价格波动的影响。尤其是 NVIDIA 拥有压倒性的市场份额，随着供应短缺的持续，人们对替代技术的期望越来越高。
光学计算机将不会取代 GPU，而是被定位为“协作架构”，为特定任务的 GPU 提供补充并提高整体计算效率。
这一变化给市场带来了新的竞争轴心。不仅是半导体，光学元件和模拟电路的技术能力也将成为关键，不仅现有的IT公司，光学和电子行业的参与者也有可能进入AI基础设施领域。这也可能成为日本企业进入市场的新机会。
商业化的挑战和可能性
对于商业化来说，增加硬件规模和确保可靠性是主要挑战。研究阶段的设备可以处理数千到数万个变量，但真正的人工智能模型有数十亿个参数。为了填补这一空白，Micro LED 和光学元件的进一步小型化和集成化至关重要。
另一方面，如果该技术成功扩展，就有可能以实际成本实现超过 GPU 的性能。可以设想一个场景，从金融、医疗等有限领域的引入开始，最终扩展到云人工智能和超级计算机的应用。
日本应注意的事项
日本是光学技术和精密加工方面具有优势的国家，有潜力为光计算机的发展做出贡献。尤其是相机传感器、镜头、LED等领域的制造能力在全球享有盛誉，产业合作有潜力提升国际竞争力。
此外，高能源效率对于电力成本较高的日本数据中心运营来说是一大优势。随着人工智能需求的快速增长，光计算机的早期引入将为国内人工智能基础设施的低成本和可持续增长铺平道路。
在GPU时代之后的“后GPU时代”，光学计算机可能是一个有前途的选择。跟踪未来研发和产业化进展将是日本企业和研究人员的重要战略。
关于我