行业技术背景 - 人工智能和组合优化快速发展但面临高能耗挑战 对数字计算可持续性构成严峻压力 [1] - 当前新型计算系统存在局限性 多数仅擅长单一领域且需高能耗数字转换 效率受限 [2] - 现有系统硬件协同效率低 在处理内存受限神经网络和复杂优化问题时表现不佳 [2] 技术方案创新 - 提出模拟光学计算机（AOC）新范式 利用光与模拟信号替代传统数字逻辑计算 [3] - AOC实现模拟电子技术与三维光学技术结合 同一平台可同时加速AI推理和组合优化任务 [5] - 采用快速定点搜索方法 无需数字转换且增强抗噪声能力 支持递归推理新型神经模型 [5] 应用性能表现 - 在机器学习推理任务中实现图像分类和非线性回归 MNIST和Fashion-MNIST数据集显示略高准确率 [9] - 硬件成功运行非线性回归模型 精准重现高斯曲线和正弦曲线 需高精度数字孪生模型支持 [9] - 在组合优化任务中处理医学图像重建 压缩感知技术实现原始线条高度一致重建 均方误差低于0.07 [10] - 解决金融交易结算优化问题 7个块坐标下降步骤内找到全局最优解 远超量子硬件40-60%成功率 [11] 技术优势特性 - 全模拟操作最小化模数转换开销 原生支持迭代式计算密集型模型 [7][15] - 基于可扩展消费级技术构建 模块化架构支持光学矩阵-向量乘法分解为子运算 [17] - 支持1亿至20亿参数规模模型 需50-1000个光学模块 正负权重处理可减半模块数量 [17] 能效提升数据 - 1亿权重矩阵配合25个模块时功耗800W 计算速度达400 Peta-OPS [17] - 8位精度下能效为每瓦500 TOPS 较最新GPU每瓦4.5 TOPS提升超100倍 [17] - 光学组件带宽达2GHz或更高 制造生态系统支持晶圆级生产扩展 [17] 发展前景 - 硬件与算法协同设计推动创新飞轮 为可持续计算提供可扩展模拟平台 [19] - 架构展现出处理实际机器学习任务的潜力 能效提升约100倍 [18]