标题：模拟光学计算机：AI推理能效提升100倍

人工智能（AI）和组合优化推动了科学研究与工业应用的发展，但其高能耗对数字计算的可持续性提出了挑战。现有新型计算系统通常只擅长AI或优化任务，且需频繁进行高能耗的数字转换，效率受限。微软英国剑桥研究院团队提出了一种“模拟光学计算机”（Analog Optical Computer，AOC），可在无需数字转换的情况下高效完成AI推理与组合优化任务，展现出显著的扩展潜力与能效优势。相关研究已发表于《Nature》期刊。

AOC结合了模拟电子技术与三维光学技术，通过快速定点搜索方法实现“双领域能力”，无需数字转换即可同时加速AI推理和优化任务，还增强了抗噪声能力。其架构基于消费级技术构建，支持迭代式、计算密集型模型，为AI与优化领域的创新提供了可扩展平台。

在应用层面，AOC面向机器学习推理与组合优化任务。研究团队通过图像分类、非线性回归、医学图像重建和金融交易结算等案例展示了其性能。例如，在图像分类中，AOC实现了略高于线性分类器的准确率；在非线性回归中，硬件成功拟合了高斯曲线和正弦曲线。此外，AOC以全模拟方式解决了复杂的QUMO问题，如压缩感知和交易结算，表现优于量子硬件和商用求解器Gurobi。

AOC的模块化设计使其具备强大的扩展能力，预计可支持参数规模在1亿至20亿之间的模型，对应50至1000个光学模块。其运行速度受光电组件带宽限制，通常达2GHz或更高，功耗估算为800W时可实现400 Peta-OPS的计算速度，能效约为每瓦500 TOPS，比最新GPU高出约100倍。

展望未来，AOC通过硬件与算法的协同设计，有望推动可持续计算的发展，成为下一代计算技术的重要方向。

（本文整理自微信公众号“学术头条”，作者小羊）