美国佛罗里达大学的一项最新研究成果显示，科学家团队开发出一种新型光子芯片，有望显著提升人工智能运算的能效，并大幅降低能耗。该芯片名为光子联合变换相关器（pJTC），利用光信号代替传统电信号来执行AI最耗能的卷积操作，被认为将改变AI芯片的能效规则。

卷积神经网络（CNN）是许多人工智能应用的核心，包括人脸识别、手写文本解读、自动翻译等领域。CNN通过“卷积核”在大量数据中提取关键特征，犹如数字放大镜筛选有价值信息。但这一过程极度耗电，特别是在数据中心和大规模AI系统中更是成为“能耗大户”。随着AI模型日益庞大，数据中心用电需求激增，甚至有人担忧将引发“AI衰退”，即运算成本阻碍创新步伐。

佛罗里达大学团队赋予pJTC芯片特殊的高速性和能效优势：它弃用传统液晶或微镜件，以光子元件为基础，可实现GHz级数据和滤波器编程。该芯片复用光收发模块的成熟结构，并创新性地集成了基于硅光子的傅里叶-弗涅尔透镜，在芯片上实现光学计算。更重要的是，pJTC配备芯片级激光器，可利用不同波长（多色光）同时处理多组计算任务，借助光谱复用和光子线键合，使整体结构紧凑高效。

实验结果显示，该芯片能够以98%的准确率识别手写数字，性能媲美常规电子处理器。芯片工作流程为：机器学习数据用激光转化为光信号，经过微型弗涅尔透镜完成复杂计算，再将光信号转换回数字信号，任务即告完成。

研究团队成员、佛罗里达大学Sorger团队的副研究员杨航波博士表示：“这是首次将此类光学计算集成于芯片，并应用于AI神经网络。我们可多波长并行执行任务，这是光子技术的一大优势。”

该项研究已发表在《Advanced Photonics》期刊，合作单位还包括佛罗里达半导体研究所、加州大学洛杉矶分校与乔治华盛顿大学。团队负责人沃尔克·索格（Volker J. Sorger）指出，目前如NVIDIA等芯片厂商已在AI系统部分环节采用光学元件，未来该技术有望更易集成到主流AI芯片之中。

索格预计：“不久之后，基于芯片的光学技术将成为日常AI芯片的关键组成部分，而‘光学AI计算’就是下一个突破点。”据悉，新型光子架构的运算效率远超传统方案，每瓦能实现305万亿次运算，每平方毫米达40.2万亿次运算。

这一切意味着，未来极为节能的光子芯片将显著加速各类AI应用普及，包括智能边缘设备、高性能计算平台和云服务，从自动驾驶汽车到医学扫描都将受益于极高效的卷积运算能力和智能算法革新。