一項顛覆性的技術突破為人工智能（AI）的未來發展注入了強勁動力。

9月15日消息，由美國佛羅里達大學領銜的工程師團隊成功研發出一款基于光學計算的新型AI芯片，該芯片有望將人工智能計算的能效提升10至100倍，為應對日益增長的算力需求和能源消耗挑戰提供了革命性的解決方案。

當前，人工智能技術正以前所未有的速度發展，深度學習模型在圖像識別、自然語言處理等領域取得了顯著成就。然而，支撐這些成就的背后是龐大的計算資源消耗。傳統的電子芯片在進行深度學習運算時，尤其是在處理“卷積”計算——這一AI識別圖像、視頻和語言的核心步驟時，面臨著嚴重的能效瓶頸。隨著模型規模的不斷擴大，數據中心的能耗急劇攀升，不僅推高了運營成本，也帶來了巨大的環境壓力。因此，尋找一種更高效、更節能的計算方式已成為科技界的迫切需求。

此次佛羅里達大學團隊的創新，正是瞄準了這一痛點。他們摒棄了依賴電子流動的傳統計算模式，轉而采用激光與微型菲涅爾透鏡來執行關鍵的AI計算任務。菲涅爾透鏡，一種常見于燈塔的二維薄型透鏡，被微型化并直接集成到芯片的電路板上。當機器學習數據（如圖像信息）被轉換為片上的激光束，并通過這些微型透鏡時，光的物理特性能夠以極低的能量消耗完成復雜的卷積運算。計算結果隨后被轉換回數字信號，完成整個AI任務。

這項技術的突破性在于其將光學計算從理論層面真正“芯片化”并應用于人工智能神經網絡。研究負責人、佛羅里達大學的Volker J. Sorger博士指出：“在接近零能量的情況下執行關鍵的機器學習計算是未來人工智能系統的飛躍。”這一評價凸顯了該技術的巨大潛力。在早期的實驗中，這款光學AI芯片在識別手寫數字的任務中達到了約98%的準確率，性能與傳統電子芯片相當，但能效卻實現了質的飛躍。

除了能效優勢，光子計算還帶來了速度和并行處理能力的提升。與電子信號相比，光信號的傳輸速度更快，且互不干擾。研究團隊巧妙地利用了這一點，設計出可以同時讓多種波長或顏色的激光穿過同一透鏡的系統，從而實現多個數據流的并行處理。

Sorger博士斷言：“在不久的將來，基于芯片的光學器件將成為我們日常使用的每個人工智能芯片的關鍵部分。接下來是光學人工智能計算。” 這款新型光學計算芯片的成功，不僅是材料科學和光子學領域的一次勝利，更是對整個AI硬件生態的深刻變革。