随着数字经济深入各行各业，对算力的需求也在同步暴增。特别是新一代AI浪潮正在席卷全球，ChatGPT的出现推动科技巨头们，争相推出生成式人工智能产品，随着模型规模越来越大，训练和推理成本也水涨船高。
在AI革命背后，一场芯片行业的潜在算力革命也正在酝酿——把电换成光。
随着摩尔定律接近极限，未来算力提升的空间很有可能在光子计算芯片技术上。数字芯片受限于底层元器件：CMOS晶体管，而光学信号和光学器件遵循不同的物理原理。
光学信号与散射介质的互动在大多数情况下是线性的，因此可以被映射为一种线性计算。生活中有诸多光学线性计算的现象，一个典型的例子是光学照相机的镜头，镜头前的光学信号在穿过镜头时，完成了两次二维空间光学傅立叶变换，然后在感光元件上成像，因此，照相机镜头可以被看作一种不可编程的光学线性计算单元，但拥有实用价值的计算单元必须具备可编程性。
矩阵运算正是当今AI大模型训练与推理所需要的，可编程的光子矩阵计算有望在摩尔定律失效后，继续支持算力的不断提升，为数字经济时代提供强劲的硬件基础设施。
相比传统电子芯片，光子芯片具有大带宽、高并行、低功耗的天然优势，结合光子矩阵计算（oMAC）、片上光网络（oNOC）和片间光网络（oNET）等技术，因此光电集成技术也是未来大容量数据传输、人工智能加速计算等领域最具前景的解决方案之一。
面对AI时代的算力变革，我们邀请到了曦智科技创始人沈亦晨博士，他于年获得麻省理工学院物理学博士学位，在NaturePhotonics、Science等顶级刊物累计发表学术著作40余篇，申请全球专利近项，获得授权30余项。年，他以第一作者和通讯作者的身份在《自然·光子》杂志发表封面论文，颠覆性的提出了一种以光学神经网络为蓝本的全新计算架构，开创了光子计算这一新的产业方向。基于此项突破，沈亦晨博士入选了《麻省理工科技评论》全球“35岁以下科技创新35人”。
沈博士在年创立了曦智科技，是光电混合计算领域的先行者，针对未来计算范式的大趋势，曦智科技拥有多项关键技术，为实现算力网络提供高效支撑。年曦智科技发布了全球首款64×64光子张量协处理器PACE，而电芯片达到同样阶段经历了数十年的历程。
面对这一令人兴奋的新趋势，我们访谈了沈博士，聊到了光芯片的发展历史、关键技术里程碑、在AI方面的优势、工程化中的难题、商业化如何一步一步落地等等问题。如果你对光子芯片、AI算力提升等话题感兴趣，不妨阅读一下这篇访谈文章，以下，Enjoy：
经纬：您最初是如何选择光芯片这个领域的？可编程的光子芯片技术，此前一直是空白，想必也是一个挺难实现的领域，在技术攻克的过程中如何克服这些难题？
沈亦晨：我自己是物理和数学的背景，博士时就选了应用物理和应用数学这两个方向。我当时觉得应用物理非常能够产生实际影响力，当时我看到了纳米光学这个方向。应用数学从年以后开始最大的应用方向，是深度学习、机器学习。所以很自然的，从我自己的背景出发，就想到了怎么把纳米光学和机器学习这两个领域结合起来，然后就有了当时的课题，以及之后的创业方向。
当时在做光计算这个课题的时候，还没有想到太多应用前景，更多的是因为这个课题在科学上的挑战性——因为大家都做不出来，我一定要把它做出来。当时我们做光计算课题的时候，这个领域还几乎不存在。
后来当我跟导师讨论的时候，导师听到这个想法觉得特别好，他认为我应该不只写一个理论的结课作业，而是应该把这个想法真正做出来。
那时还是年，AI还没有那么多人
联系电话：