“我们在光芯片上实现了逾 100 波长复用的信息交互与计算，论证了高密度片上信息并行处理，为提升光计算芯片算力拓展了新途径。”谢鹏对 DeepTech 表示。

近期，中国科学院上海光学精密机械研究所（以下简称“上海光机所”）谢鹏研究员团队成功研制出世界首颗超高并行光计算集成芯片——“流星一号”，首次在光芯片上实现超 100 并行度的光子计算，创造了领域新纪录。该光计算芯片在 50GHz 光学主频下，理论峰值算力可达 2560TOPS，这一算力指标基本对标英伟达先进 GPU 芯片。

图丨超高并行光计算芯片——“流星一号”（来源：该团队）

研究人员围绕光计算并行度这一关键瓶颈，提出了超高并行光子计算新架构，并自主研制出具有大带宽（＞40nm）、低损耗、可重构特性的光计算芯片。

谢鹏指出，扩展计算并行度是光计算性能提升的关键一环，可拓展算力边界，也是呈现光子并行优越性的标志。

审稿人对该研究评价称：“我认为这一成果标志着光计算系统在光谱处理和光学机器学习领域取得了重要突破。”

图丨前排从左至右依次为：王镇、魏子淇；后排从左至右依次为：于潇、韩溪林（来源：该团队）

光计算凭借高主频、高并行、大带宽等天然优势，通过提升并行度可显著提高计算密度和算力。这种并行光计算架构在人工智能和数据中心等场景具有广阔应用前景：

一方面，为具身智能、神经网络（依赖大量矩阵乘法运算）、物理仿真（涉及多节点函数映射）和图像处理等领域提供高效解决方案；另一方面，光子计算的低时延特性，也适用于端侧小数据量但对时延性要求高的场景，如通信交换网络、无人机集群等。

图丨eLight 当期论文封面（来源：eLight）

近日，相关论文以《具备 100 波长复用能力的并行光计算》（Parallel Optical Computing Capable of 100-Wavelength Multiplexing）为题，以封面论文形式发表在 eLight[1]。

上海光机所博士后于潇、沙方圆、北京大学魏子淇（上海光机所实习生）为共同第一作者，上海光机所韩溪林工程师、新加坡南洋理工大学 Guangwei Hu 南洋助理教授和上海光机所谢鹏研究员担任共同通讯作者。

图丨相关论文（来源：eLight）

首次在光芯片实现超 100 并行度光计算，算力提升 2 个数量级

该架构的成功实现需要从系统层面统筹考虑多波长光源芯片、光交互芯片、光计算芯片、驱动芯片及算法等多个关键组件。这些要素之间的协同配合至关重要，特别是光学主频、频率间隔和器件带宽等参数的精确匹配，是实现超高并行光计算系统的关键。

研究团队构建了完整的片上光子计算系统：采用自研芯片级微腔光频梳作为片上多波长光源子系统，其输出光谱范围＞80nm，可支撑波长数＞200；同时开发了高精度、大规模阵列光学矩阵运算驱动子系统，其可扩展通道数＞256。

借助创新的波分复用技术和并行光电混合计算算法，成功验证了超高并行光子计算模型，实现了并行度＞100 的并行片上光子交互与计算原型验证系统。

图丨多波长复用并行光学计算架构（来源：eLight）

需要了解的是，在并行光计算架构的研发中，孤子微梳源发挥着关键作用。这一创新光源技术能够提供超百个波长的信道，为构建片上并行架构奠定了基础。从系统集成的角度来看，单个孤子微梳源可以替代上百个独立激光器，不仅显著降低了系统的体积和功耗，还大幅提升了集成度并有效控制了成本。

与传统单波长光计算相比，在相同矩阵规模和光学主频的条件下，超高并行光计算可通过波分复用提供超百路并行度，使算力提升 2 个数量级。

韩溪林解释说道：“在不改变芯片硬件的情况下提升并行度，就像将单车道的高速公路改造成可并行通行百辆车的超级公路，进而大大提高单位时间内的吞吐量。”

实现整个系统的高效运行面临诸多技术挑战。在芯片设计层面，为支持百通道并行度，工作带宽成为最关键的技术指标，它直接决定了计算芯片的并行处理能力。该团队对芯片器件进行了特殊设计，确保器件具有足够大的通光带宽，并保持器件与芯片的带宽一致性，降低信号串扰。

在操控系统方面，针对光计算芯片操控节点数量庞大的特点，研究团队自主研发了高精度多通道光矩阵驱动子系统，以实现对光学矩阵的精确控制。此外，光源、光交互和光计算系统之间的兼容性问题也需要通过系统工程方法进行整体优化设计。

图丨基于马赫-曾德尔干涉仪的并行光计算模型（来源：eLight）

该研究的起源可追溯至 2018 年，当时，谢鹏以国家公派联合培养博士生身份留学美国麻省理工学院，开始从事光芯片与高维光学神经网络研究。之后，他分别在英国牛津大学和新加坡南洋理工大学持续从事相关光芯片研究，致力于解决高维光计算所涉技术难题，包括高密度信号串扰抑制、低时延信号高精度同步、跨尺度芯片集成等。虽然早期就有了系统的技术思路，但该课题方向涉及众多学科交叉，需要光、机、电、算、控等，因此该科研想法一直未系统性完成。

2024 年夏天，他全职加入了上海光机所，组建了以 90 后、00 后为骨干的光芯片与光子计算团队，目前已有成员 10 余名。这支平均年龄仅 28 岁的年轻团队汇聚了国内外高等学府的优秀人才，学科背景涵盖光学、电子学、数学、电子信息等。

谢鹏带领团队在平坦片上多波长光源芯片、大带宽可重构光计算芯片和大规模光学矩阵驱动等多项关键技术上连续取得突破，最终推动了超高并行光计算原型机的成功研制（DeepTech 此前报道：科学家开发平坦片上多波长光源，有望用于大容量光互连和高维光计算）。

特别值得一提的是，该系统的所有核心光芯片（包括光源芯片、光交互芯片、光计算芯片）和光矩阵驱动板卡、算法模型均实现团队完全自主研制。

谢鹏将其归结为中国科学院有组织科研的优势，他说：“在我们的团队中，每个关键技术点都有专人负责深度攻关，这种点-线-面的科研组织方式，使得我们能在相对短时间内完成从基础研究到系统集成的全链条创新。这也解释了为什么我在国外好几年未能解决的难题，回国后能在较短时间内取得突破，得益于中国科学院的科研体制优势和上海光机所对年轻人的支持与信任。”

于潇补充说道：“让我印象深刻的是，面对任何技术瓶颈，团队成员都会发挥各自优势主动担当。正是这种‘系统需要什么我们就研发什么’的科研精神，最终才实现了整个系统核心技术的高度自主可控。”

据介绍，目前超高并行光计算原型验证系统已实现全链路贯通，并在关键部件自主研发方面取得显著成效：团队已实现光源、光交互、光计算、光探测、矩阵驱动等全自主研发，为后续高密度集成奠定了坚实基础。

如何充分发挥光计算的优势？突破“三堵墙”是关键

计算技术作为信息领域的核心支点，是推动人工智能时代持续前进的关键驱动力，其算力供给水平与人类社会的发展和进步息息相关。然而，随着电子芯片已趋近物理极限，若持续缩小芯片尺寸将不可避免地引发热效应和量子效应等负面问题；与此同时，电子计算对人工智能时代的支撑正面临着能耗急剧攀升的严峻挑战，亟需探索新的计算范式来满足社会发展需求。

在众多技术路径中，光子作为玻色子具有独特的优势，如高传输速度、高并行性、高带宽、低功耗和低时延等。以光子作为信息载体，实现高效的信息传递、交互、计算与存储，已成为高性能信息处理是必然发展方向。这也使得基于光子技术的新一代超级计算机研发成为全球科学界竞相追逐的前沿课题。

要实现光计算从前沿技术迈向实用性技术，必须充分发挥光子计算相对于电子计算的优势，突破“矩阵规模”“光学主频”和“信息并行度”这“三堵墙”：

• “矩阵芯片规模墙”：通过扩大光计算芯片的矩阵规模提升计算能力，该技术路径主要受限于器件物理性质和制备工艺水平。
• “光学主频墙”：通过提高光信号的加载速率实现更大计算能力，其受限于器件本身的性能。
• “信息并行度墙”：这是决定光计算能否实用的关键，需要通过多维信息复用的方式，实现更大的信息吞吐量。

图丨并行光学计算的光谱一致性（来源：eLight）

回顾光计算的发展历程，学术界和产业界近年来持续在光计算芯片的两个关键性能指标——矩阵规模和光学主频方面取得了显著进展。在矩阵规模方面，台积电研发的光计算芯片已达到约 512×512 规模，在光学主频方面，美国加州理工学院团队则实现了超过 100GHz 的突破。

而本研究最重要的创新点在于实现了光芯片的高并行度计算能力。需要特别指出的是，虽然当前研究成果在矩阵规模和光学主频方面仍存在提升空间，距离超越最先进 GPU 芯片的性能还有一定差距，但研究团队对未来发展持乐观态度。

韩溪林指出，在当前工艺情况下，“矩阵芯片规模”和“光学主频”提升有限且代价大，而突破“信息并行度”是光计算性能提高的极优选择。其有望将光计算的算力能力提升 2-3 个数量级，使其达到与电芯片、电子计算同台竞技的性价比水平。

未来如果能将目前行业内最大的矩阵规模、最高的光学主频和本研究实现的超百并行度这三个关键参数进行系统集成，从理论上来看，单芯片算力有望突破 5000POPS（注：1POPS=1000TOPS），这一性能相当于 1000 颗英伟达最先进芯片的算力总和。

在本次研究基础上，该团队制定了明确的发展路线图。近期工作重点将聚焦于将光子的物理优势转化为实际计算优势，通过持续优化整体性能来提升算力，实现“量变引发质变”的技术突破。

在中长期规划中，研究人员计划在大算力硬件平台的基础上，重点解决模拟计算架构与神经网络数据模型的融合问题，通过系统级的架构设计和算法优化，最终构建完整的光计算生态系统。

研究团队特别强调，片上光子网络和光子相互作用仍具有巨大的探索空间，未来将通过构建高度集成的复杂光网络系统，深入挖掘光与物质相互作用等物理机制，充分发挥光计算在大带宽、高并行等方面的天然优势，实现更复杂的计算任务处理能力。

在接下来的研究阶段，该团队瞄准光计算在人工智能、数据中心等应用场景，将逐步推动应用落地工作，以期尽快实现技术成果的转化应用。

参考资料：

1.Yu, X., Wei, Z., Sha, F. et al. Parallel optical computing capable of 100-wavelength multiplexing. eLight 5, 10 (2025). https://doi.org/10.1186/s43593-025-00088-8

运营/排版：何晨龙