微软英国剑桥研究院联合剑桥大学，成功研发出全球首款用于人工智能推理与组合优化的模拟光学计算机（AOC），相关成果于2025年9月3日发表于《自然》杂志。该系统利用光的物理特性进行模拟计算，突破传统数字计算机在能效与数据传输上的瓶颈，有望将特定任务的能效提升高达100倍。面对AI模型日益增长的能耗压力，尤其是传统冯·诺依曼架构中“数据搬运”带来的功耗与延迟问题，微软团队提出以光子替代电子的全新计算范式。AOC并非通用计算机，而是专为AI推理和组合优化设计的专用硬件，其核心在于通过微型LED阵列输入数据，经透镜系统投射至空间光调制器（SLM），实现输入与权重的并行乘法运算。调制后的光信号通过光学系统汇聚至光电探测器阵列，完成加法操作，整个矢量-矩阵乘法过程在物理层面瞬时完成，避免了数字信号转换的能耗。模拟电子电路则负责处理非线性激活、反馈与迭代等环节。其关键创新“快速定点搜索”机制使系统在噪声环境中仍能稳定收敛至正确解，具备强鲁棒性。在医学成像领域，AOC通过数字孪生模型实现核磁共振图像重建，将扫描时间从30分钟缩短至5分钟；在金融结算优化中，成功解决含46笔交易、30个约束的复杂问题，找到全局最优解，性能优于部分量子硬件。此外，AOC已成功运行MNIST与Fashion-MNIST图像识别任务，推理结果与模拟模型一致性超99%，验证了模型从数字环境迁移至模拟硬件的可行性。当前原型机支持256个权重，可扩展至4096个，未来通过模块化设计，预计25个模块组成的系统可处理1亿权重，功耗仅800瓦，算力达400 Peta-OPS，能效达500 TOPS/W，远超现有GPU。其硬件基于消费级成熟元件（如手机摄像头传感器、微型LED），具备低成本与可量产潜力，为大规模部署奠定基础。 业内专家认为，该成果标志着光学计算从实验室走向实用化的关键一步。尽管当前规模有限，但其能效优势和模块化扩展路径极具前景，尤其在医疗、金融、工业优化等高算力低延迟场景中可能率先落地。微软在光学计算领域的持续投入，显示出其在下一代AI基础设施布局中的战略远见。该技术若能实现规模化，或将重塑AI算力生态，推动绿色计算发展。