Sind optische Rechenchips an der Schwelle zur Massenproduktion angekommen?

Seit mehr als einem halben Jahrhundert ist Moores Gesetz die zugrundeliegende Logik der globalen Iteration der Rechenleistung: Die Fertigungsverfahren werden immer kleiner, die Transistoren werden immer dichter angeordnet und die Rechenleistung der Chips steigt stetig an. Aber dieses Vorgehen nähert sich nun langsam seinem Ende.

Heutzutage dehnt sich die Parametergröße großer Modelle mit einer fast außer Kontrolle geratenen Geschwindigkeit aus, der Anstiegszyklus des Bedarfs an Rechenleistung wird ständig verkürzt, während die physikalische Obergrenze elektronischer Chips bereits deutlich sichtbar ist. Die drei großen Hürden – Leistungsverlustwand, Speicherwand und Bandbreitenwand – blockieren das Entwicklungstempo herkömmlicher GPUs massiv. Je hochwertiger der Rechenchip ist, desto höher ist sein Stromverbrauch, desto schwieriger gestaltet sich die Wärmeabfuhr und desto schwerwiegender sind die ineffektiven Verluste bei der Datenübertragung.

Einfach ausgedrückt: Der Weg zur Erhöhung der Rechenleistung durch das Anhäufen von Transistoren funktioniert nicht mehr. Die Branche braucht dringend eine völlig neue Lösung, und die Nutzung von Licht statt Strom zur Durchführung von Berechnungen ist derzeit die bahnbrechendste und am meisten erhoffte Antwort.

Auf der kürzlich abgeschlossenen 2026 WAIC-Konferenz hat die Strecke der optischen Berechnung voll durchgestartet, drei führende inländische Unternehmen haben ihre Karten gleichzeitig aufgedeckt:

Light-Based Technology gab bekannt, dass es erstmals einen photonischen In-Memory-Rechenchip mit einer Matrixgröße von 256*256 erfolgreich hergestellt hat. Dieser Chip ist derzeit der optische Rechenchip mit der höchsten Rechenleistungsdichte und der höchsten Rechengenauigkeit weltweit und eignet sich hauptsächlich für Szenarien mit hoher Rechenleistung wie die Schlussfolgerung künstlicher Intelligenz.

Lightelligence stellte den weltweit ersten integrierten Rechenkasten für optoelektronische Hybridberechnung – Tianzhu · Light Cube – vor. Dieses innovative Produkt basiert auf dem selbstentwickelten PACE 2-Beschleunigerkarte.

Microsense stellte gemeinsam mit Partnern die vollständige integrierte Lösung für „räumlichen optischen Rechenchip + Anwendung großer Modelle“ aus.

Nach dieser Welle an aufmerksamkeitsstarken Nachrichten stellt sich allen dieselbe Frage: Ist die optische Berechnung so populär geworden, dass sie wirklich in die Massenproduktion geht und die Rechenleistungsbranche umgestalten wird?

Drei Arten von „Lichtchips“ mit völlig unterschiedlichen Aufgaben

„Lichtchip“ ist ein übermäßig verallgemeinerter Sammelbegriff. Im industriellen Kontext gibt es mindestens drei Kategorien mit völlig unterschiedlichen Funktionen, nämlich optische Kommunikationschips, optische Verbindungschips und optische Rechenchips.

Unter ihnen ist der optische Kommunikationschip für die Signalübertragung über große Entfernungen (Kilometerbereich) verantwortlich und ein Kernbauteil von faseroptischen Backbone-Netzen und 5G-Front-/Rückübertragungen. Typische Vertreter umfassen Laserdiodenchips (DFB, VCSEL), Detektorchips (APD, PIN) und Modulatortreiberchips. Seine Kernaufgabe besteht darin, die Übertragungsentfernung und die Signalintegrität zu verbessern.

Der optische Verbindungschip ist für die Verbindung zwischen Chips, Platinen oder Servern über kurze Entfernungen (Zentimeter- bis Meterbereich) verantwortlich und löst das Problem der Effizienz der Datenübertragung. Typische Formen sind siliziumoptische Sende-/Empfangsmodule, Mikroring-Modulatorarrays usw. Seine Kernaufgabe besteht darin, die Bandbreitendichte zu erhöhen und den Energieverbrauch pro Bitübertragung zu senken.

Im Gegensatz zu den beiden vorherigen ist der optische Rechenchip nicht als Übertragungskanal positioniert, sondern als Rechenkern. Der optische Rechenchip ist ein neuer Prozessor, der Photonen als Informationsträger nutzt. Er führt Datenberechnungen durch physikalische Prozesse wie Übertragung, Modulation und Interferenz von Lichtsignalen durch. Im Vergleich zu herkömmlichen elektronischen Chips hat er natürliche Parallelität (kann mehrdimensionale Informationen wie Wellenlänge, Phase und Polarisation nutzen), extrem niedrige Latenz (nahezu Lichtgeschwindigkeit bei der Übertragung) und hohe Energieeffizienz (fast kein Widerstandsverlust).

Da er sich auf die Datenverarbeitung konzentriert, wird er oft auch mit GPUs verglichen.

Wo liegt der erste große Gewinn für optische Rechenchips?

Da die optische Rechenindustrie einen entscheidenden Wendepunkt erreicht, muss ein Kernverständnis festgelegt werden: Das Ziel der optischen Berechnung war es nie, GPUs zu ersetzen, sondern ihnen „Last abzunehmen“.

Die Vorteile von GPUs sind unbestreitbar – ihre universelle parallele Rechenarchitektur macht sie in verschiedenen Szenarien wie Training, Schlussfolgerung, Rendering und wissenschaftlicher Berechnung sehr leistungsfähig. Diese Universalität hat jedoch ihren Preis: Die Leistungsdichte steigt stetig an, die Kosten für Kühlsysteme steigen Jahr für Jahr, und die Wachstumsrate der Bandbreite für die Verbindung zwischen Chips bleibt weit hinter der Erhöhungsrate der Rechenleistung zurück, was die effektive Nutzung der Rechenleistung in großen Clustern stark einschränkt. Mit anderen Worten: Die Universalität hat eine breite Anwendungsbereich gebracht, aber auch die Obergrenze der Effizienz festgesetzt.

Um dieses Engpass zu durchbrechen, hat die Branche zwei Innovationspfade gebildet: Erstens die Technologie des In-Memory-Computing, die Speicherung und Berechnung tief integriert, um die Latenz und den Stromverbrauch zu mindern, die durch die „Speicherwand“ und die Datenübertragung verursacht werden; zweitens die Innovation von Nicht-GPU-Architekturen, wie das Streaming-Computing von Sambanova und die ASIC-Linie von Googles TPU, die die Spitzenauslastung der Recheneinheiten durch die Rekonstruktion der Mikroarchitektur auf Transistorebene verbessern. Allerdings können diese beiden Pfade die grundlegenden Beschränkungen der digitalen integrierten Schaltkreise letztendlich nicht überwinden.

Aus diesem Grund wird das optoelektronische Hybrid-Computing als „Schlüsselvariable“ der nächsten Generation von Rechenleistungsinfrastruktur betrachtet. Seine Umwälzung liegt nicht in der Ersetzung, sondern in der Arbeitsteilung: Die Berechnungsaufgaben, die am besten für Licht geeignet sind, werden dem Licht überlassen, und komplexe Logik sowie universelle Steuerung werden dem Strom überlassen.

In der von Transformer dominierten Ära der künstlichen Intelligenz macht die Matrixmultiplikation mehr als 70 % des gesamten Rechenaufwands aus, was genau das Szenario mit den Kernvorteilen von optischen Rechenchips ist. Sein Prinzip ist einfach und effizient: Das eingehende Lichtsignal wird in mehrere parallele Ausbreitungswege aufgeteilt, jeder Weg erhält das entsprechende Gewicht durch einen einstellbaren Mach-Zehnder-Interferometer (MZI), die Signale aller Wege sammeln sich am Ausgang natürlich an, und die Additionsoperation wird im Lichtbereich sofort abgeschlossen. Die Latenz des gesamten Rechenvorgangs hängt von der Ausbreitungsgeschwindigkeit des Lichts im Wellenleiter ab – eine Unmittelbarkeit, die nahezu der physikalischen Grenze entspricht, und der Lichtübertragungsvorgang erzeugt fast keine Joulesche Wärme, sodass der Stromverbrauch weit unter dem herkömmlicher elektronischer Chips liegt.

Derzeit besteht in der Industrie weitgehend Einigkeit: Die Trainingsphase hängt von GPUs ab (aufgrund komplexer Logik und hoher Genauigkeitsanforderungen), und in der Schlussfolgerungsphase kann ein optoelektronisches Hybridschema angewendet werden. In diesem Sinne stammt der erste große kommerzielle Gewinn von optischen Rechenchips hauptsächlich aus der Schlussfolgerungsseite der künstlichen Intelligenz. Zum Beispiel in Bereichen der künstlichen Intelligenz mit größerer Rechenkapazität und höherer Geschwindigkeitsanforderung, sowie bei grundlegenden Aufgaben der künstlichen Intelligenz wie Bilderkennung und Spracherkennung. Darüber hinaus sind Wetterüberwachung, Finanzinvestitionen usw. auch potenzielle Anwendungsziele.

Mehrere technische Pfade entwickeln sich rasant – wer ist der Massenproduktion am nächsten?

Derzeit blüht die optische Rechenstrecke in China auf, verschiedene Unternehmen setzen auf unterschiedliche technische Pfade, und es gibt deutliche Unterschiede im Fortschritt der Umsetzung, die sich jedoch hauptsächlich auf das optoelektronische Hybrid-Computing statt auf das rein optische Computing konzentrieren.

Beim optoelektronischen Hybrid-Computing übernimmt die elektronische Schaltung die Steuerung, Speicherung und nichtlineare Operationen, während die optischen Bauteile nur lineare Beschleunigungsaufgaben wie Matrixmultiplikation und -addition übernehmen. Die Signale müssen an den Chipgrenzen oder zwischen den Rechenschichten wiederholt elektro-optische und opto-elektronische Umwandlungen durchlaufen. Dieses Schema kann die ausgereifte CMOS-Ökologie effektiv nutzen und ist das derzeitige Mainstream-Schema für die kommerzielle Umsetzung.

In der industriellen Praxis haben Unternehmen, die den optoelektronischen Hybridpfad verfolgen, bereits erhebliche Durchbrüche erzielt. Lightelligence hat den Pfad des siliziumbasierten MZI-kohärenten optoelektronischen Hybrid-Computing gewählt. Das Unternehmen brachte im Dezember 2021 den zweiten Hochleistungs-Photonik-Rechenprozessor PACE auf den Markt, realierte bahnbrechend die Integration von Lichtchip und Elektrochip und schlug erstmals ein „neues Paradigma für optoelektronische Hybrid-Rechenleistung“ vor. Von 2024 bis 2025 lag die Auslieferungsmenge seiner optischen Rechenchips zwei Jahre in Folge weltweit an erster Stelle. Wie bekannt ist, hat Lightelligence strategische Kooperationen mit SenseTime, StepStar, Shenwan Hongyuan, Zhongke Tiansuan, Oriental Space erreicht, die mehrere Anwendungszenarien der künstlichen Intelligenz abdecken und auf eine durchgehende Koordination von der zugrundeliegenden Technik bis zu den oberen Lösungen abzielen.

Die Produkte des amerikanischen Unternehmens Lightmatter sind in drei Teile unterteilt: photonische Rechenplattform (Envise), Chip-Verbindungsprodukt (Passage) und Anpassungssoftware (Idiom). Envise ist die weltweit erste photonische Rechenplattform. Jeder Envise-Prozessor verfügt über 256 RISC-Kerne, bietet eine Bandbreite von 400 Gbps für die Verbindung zwischen Chips und unterstützt den PCI-E 4.0-Standardinterface mit guter Kompatibilität. Das Prinzip des Envise-Prozessors besteht darin, dass Licht durch Wellenleiter zur Berechnung fließt, und jede zusätzliche Lichtquelle mit einer anderen Farbe kann die Rechengeschwindigkeit entsprechend erhöhen. Zum Beispiel kann ein rotes Laserlicht 1 Million Berechnungen pro Sekunde durchführen, dann kann das Hinzufügen eines weiteren Laserlichts mit einer anderen Farbe die Geschwindigkeit verdoppeln und 2 Millionen Berechnungen pro Sekunde erreichen, und so weiter; für das Hinzufügen von Lichtquellen sind fast keine Hardwareänderungen erforderlich.

Es ist erwähnenswert, dass die Envise-Plattform kein reiner photonischer Prozessor ist, sondern ein optoelektronisches hybrides heterogenes System, das ausgereifte CMOS-Technik und fortschrittliche siliziumoptische Integrationstechnik kombiniert, um Flexibilität, Programmierbarkeit und extrem Leistung auszugleichen.

Der oben erwähnte Light-Based Technology ist das photonische In-Memory-Rechenschema mit der führenden Matrixgröße in den derzeit öffentlichen Informationen. Im Gegensatz zur herkömmlichen MZI-Architektur integriert das photonische In-Memory-Computing die Gewichtsspeicherung und die optischen Recheneinheiten, was theoretisch die „Speicherwand“ mindert, den Stromverbrauch durch wiederholtes Aktualisieren der Gewichte verringert und in kontinuierlichen Schlussfolgerungsszenarien Potenzial für die Energieeffizienz hat.

Im Gegensatz zum auf dem Chip integrierten siliziumoptischen Pfad konzentriert sich Microsense auf das freiraumoptische Computing und realisiert hochparallele optische Berechnungen mit räumlichen Lichtmodulatoren. Dieser technische Pfad eignet sich möglicherweise besser für Szenarien wie Endgeräte, Fahrzeuge und industrielle Wahrnehmung, bei denen die Einschränkungen der Chipintegrationsgröße relativ locker sind und extrem niedriger statischer Stromverbrauch angestrebt wird, ohne dass eine hochkomplexe heterogene Integration von siliziumoptischen Wafern erforderlich ist.

Bei den wissenschaftlichen Ergebnissen von Hochschulen hat das Team der Tsinghua-Universität bereits 2024 erstmals eine verteilte breiten intelligente optische Rechenarchitektur entwickelt und den weltweit ersten groß angelegten interferenz- und beugungsbasierten heterogenen integrierten Chip Taichi hergestellt, der eine universelle intelligente Berechnung von 160 TOPS/W realisiert. Im Juni 2025 hat das Team des Shanghai-Instituts für Optik und Feinmechanik der Chinesischen Akademie der Wissenschaften bahnbrechend das Problem der „hochdichten parallelen Informationsverarbeitung auf Lichtchips“ gelöst. Durch die Integration von selbstentwickelten Multi-Wellenlängen-Lichtquellen-Chips, breitbandigen optischen Interaktionschips, rekonfigurierbaren optischen Rechenchips, hochpräzisen optischen Matrix-Treiberchips und parallelen optoelektronischen Hybrid-Rechenalgorithmen wurde der hochparallele integrierte optische Rechenchip „Meteor No.1“ erfolgreich entwickelt und ein optisches Rechenprototypsystem mit einem Parallelitätsgrad von mehr als 100 realisiert.

Das rein optische Computing strebt danach, das Lichtsignal im gesamten Rechenpfad zu behalten, versucht, den Verlust der optoelektronischen Umwandlung zu beseitigen und lineare Operationen sowie nichtlineare Transformationen direkt im Lichtbereich zu realisieren. Aufgrund von Problemen wie dem Mangel an hochleistungsfähigen integrierbaren rein optischen nichtlinearen Bauteilen und der Schwierigkeit der Skalierung der Lichtspeicherung befindet es sich derzeit nur im Stadium der Laborevalidierung.

Im vergangenen Dezember erzielte das Team der Fakultät für Integrierte Schaltkreise der Shanghai Jiao Tong-Universität einen großen Durchbruch im Bereich der neuen Generation von Rechenleistungs-Chips und realierte erstmals den rein optischen Rechenchip LightGen, der groß angelegte semantische Medienerzeugungsmodelle unterstützt. Laut Beschreibung kann LightGen den geschlossenen Kreislauf von „Eingabe – Verstehen – semantische Steuerung – Erzeugung“ vollständig realisieren, hochauflösende (≥512×512) semantische Bildgenerierung, 3D-Generierung (NeRF), hochauflösende Videogenerierung und semantische Steuerung abschließen und gleichzeitig mehrere groß angelegte generative Aufgaben wie Rauschunterdrückung, lokale und globale Merkmalübertragung unterstützen.

Obwohl die optische Rechenstrecke ständig neue Ergebnisse vorweist und viele Akteure an ihr teilnehmen, befindet sie sich derzeit nur im Stadium der kleinen kommerziellen Pilotanwendungen und ist weit von der Massenproduktion entfernt. Sie wird hauptsächlich durch vier Schwächen eingeschränkt. Erstens ist die Ausbeute der Verfahren niedrig, die Produktionskosten hoch und das gesamte Preis-Leistungs-Verhältnis schlechter als bei ausgereiften GPUs. Zweitens verursacht die wiederholte optoelektronische Umwandlung zusätzlichen Stromverbrauch, der die Energieeffizienzvorteile des photonischen Rechnens z