人工智能已深度融入日常生活，推动模型不断向更大、更复杂的方向发展。然而，传统计算机在算力和能效方面的提升速度，已难以满足AI模型日益增长的能源与计算需求。 为应对这一挑战，研究人员正探索新型计算架构——物理神经网络，特别是基于光子技术的神经网络。这类系统利用光而非电子进行信息传输与处理，具备极低的能耗和超高速的运算能力。光子神经网络在训练过程中能显著减少能量消耗，同时加快数据处理速度，特别适合大规模AI模型的训练任务。 与传统电子芯片相比，光子器件几乎不产生热量，可大幅降低冷却成本，有助于实现更可持续的AI发展。此外，光的并行处理特性使其在处理复杂模式识别和大规模矩阵运算时具有天然优势。 尽管目前光子神经网络仍处于早期研发阶段，面临集成度、稳定性与成本等挑战，但已有实验室和企业开始取得突破性进展。随着材料科学与光子芯片技术的进步，这类技术有望在未来成为支撑下一代人工智能的关键基础设施，为实现高效、低碳的AI系统开辟新路径。