在全球人工智能与数字技术迅猛发展的同时，能源消耗问题日益严峻。为应对这一挑战，微软英国剑桥研究院联合剑桥大学科研团队，成功研发出一款新型模拟光学计算机（AOC），并在《自然》杂志发表相关成果。该系统利用光的物理特性实现高效计算，有望在人工智能推理与组合优化任务中，将能效提升百倍以上。 与传统数字计算机依赖电子在“0”和“1”之间切换不同，这款AOC采用模拟计算方式，通过光在光学元件中的连续变化完成运算。其核心架构融合三维光学系统与模拟电子电路：输入数据由微型LED阵列生成光信号，经透镜系统投射至空间光调制器（SLM），每个像素可动态调节光强，实现输入与权重的并行乘法运算；随后光线汇聚至光电探测器阵列，完成加法操作。整个过程在物理层面瞬时完成大规模矢量-矩阵乘法——这是AI与优化算法中最耗能的环节。 该系统的关键突破在于“快速定点搜索”机制。在迭代过程中，无论存在何种模拟噪声，系统都能稳定收敛至正确解，即“吸引子”，从而具备极强的鲁棒性。这一特性使其特别适合处理AI推理和复杂优化问题。 研究团队通过多个实际案例验证了AOC的潜力。在医疗领域，与微软健康未来团队合作，利用AOC的数字孪生模型加速核磁共振图像重建，有望将扫描时间从30分钟缩短至5分钟，显著提升诊疗效率。在金融领域，与巴克莱银行合作解决交易结算优化问题，在包含46笔交易和30个约束条件的测试中，AOC成功找到全局最优解，性能优于部分量子计算方案。 此外，该原型机已成功运行手写数字（MNIST）和时尚商品（Fashion-MNIST）识别任务，以及非线性回归模型，推理结果与数字仿真一致性超过99%，证实了从数字训练到模拟硬件部署的可行性。 尽管当前原型仅支持256个权重，通过技术拓展可扩展至4096个。研究人员展望，未来可通过模块化设计集成多个光电计算单元，构建处理亿级权重的系统。预计一个由25个模块组成的系统，功耗约800瓦，计算速度可达每秒400千万亿次运算（Peta-OPS），能效达每瓦500万亿次运算（TOPS/W），较当前顶级GPU提升逾百倍。 值得一提的是，该系统主要采用智能手机摄像头等消费级成熟组件，具备低成本、易量产优势，有望借助现有供应链实现规模化部署。这一进展为下一代高效能、低功耗计算提供了切实可行的新路径，标志着光学计算在实用化道路上迈出关键一步。