微软与剑桥大学研究团队合作开发出一种新型模拟光计算机（Analog Optical Computer, AOC），有望为人工智能和组合优化任务提供更高效的能源解决方案。该成果近日发表于《自然》杂志，标志着在应对数字计算日益增长的能耗挑战方面迈出关键一步。 传统数字计算在处理AI推理和复杂优化问题时能耗高、延迟大，已对能源系统构成压力。而微软的AOC原型机通过结合模拟电子、微LED阵列、空间光调制器和光电探测器阵列，实现了光域下的向量-矩阵乘法运算，避免了传统数字转换过程中的能量损耗，显著提升了能效与抗噪声能力。 研究团队指出，该AOC在能效方面可能达到当前顶级GPU的100倍，同时具备同时加速AI推理与组合优化任务的潜力。为验证其性能，团队构建了一个“数字孪生”软件模型，用于训练和大规模仿真。测试案例涵盖图像分类、非线性回归、MRI图像重建和金融交易结算等。 结果显示，AOC在MRI重建任务中将成像时间从30分钟缩短至5分钟，且图像质量保持较高精度；在金融交易结算的优化测试中也表现出卓越准确性。数字孪生与实际硬件在推理任务上的匹配度超过99%，证明了其可靠性和可扩展性。 研究团队强调，AOC采用“软硬件协同设计”理念，将硬件架构与机器学习及优化算法深度匹配，有望推动未来硬件与算法的良性创新循环，助力可持续计算发展。 不过，该技术仍处于早期阶段。当前硬件规模有限，推理模型仅支持256个权重，优化任务最多支持4096个权重和64个变量。要真正应用于实际场景，需实现从数百万到数十亿权重的扩展。研究人员表示，随着微LED等元件持续微型化，这一目标在技术上是可行的。 尽管距离大规模商用尚有距离，但这项突破性进展为解决AI时代的能源瓶颈提供了极具前景的新路径。