阿爾托Nature論文：光速單次張量，3—5年后挑戰GPU

我看到阿爾托大學這條新聞的時候，老實說我愣了兩秒：這誰敢在這個節骨眼上宣布“用一次光程把張量算完”？行吧，這波要是落地，真可能把我們盯了十年的“GPU換代節奏”給徹底改寫。

關鍵信息先擺在這：阿爾托大學團隊在《自然·光子學》發表的研究，用光的振幅和相位做信息編碼，把卷積、注意力這些深度學習的核心運算，塞進一次光傳播里完成。沒時鐘翻轉、沒電子開關頻繁抖動，執行速度就一句話——光速級。研究里叫“單次張量計算”（single-pass tensor computing），還引進了多波長并行，等于在一個光路里開出一整個“多車道高速”。

為啥我會這么興奮？這兩年大家都被算力壓著喘。OpenAI那篇經典統計提過，訓練大模型的計算需求早期差不多每3.4個月翻倍，這節奏誰頂得住。數據中心這邊也不輕松，IEA給出的路徑里，數據中心用電占比繼續上行，AI負載的份額越拱越高。電費和散熱，成了最硬的KPI。更扎心的是，GPU堆到天花板，帶來的邊際收益越來越像踩棉花——時鐘上不去、帶寬卡在內存墻，單位MAC的能耗掉不下去。

這項光學方案到底在做啥？我試著把它說人話：

和現在的GPU比，改變點在哪？我盯著三件事：

別光吹，工程上的坑有不少，攤開說：

產業這邊，生態不是空白：

我給出一份購買清單式的關注點，算是“看門道”的指南：

有人會問，那這玩意能不能“換掉”GPU？我自己的判斷偏穩：短期更像“并肩作戰”。把最吃線性代數、最吃帶寬的塊卸載到光路，GPU/TPU做控制與非線性，整機能效立刻跳一格。等到非線性件、可編程性、I/O都被一代代材料和器件追上，再去談“重構計算機”。這節奏反倒靠譜。

順帶補幾條供你抬杠的數據點：OpenAI那篇算力趨勢是公開的舊圖還在更新；IEA對數據中心電力的預測也在年年修正，AI的份額變化很快，地區差異也大。企業側，Lightmatter、Celestial AI在光互連上已經簽了一些大單，說明產業愿意買單“光進機房”的第一步。阿爾托這次把“單次張量”扔進來，有點像在說：不只互連，計算本身也能重寫。

我的態度很直接：這件事既前途光明，也絕不輕松。要恰當地興奮，也要耐心看版本號。三到五年的窗口期，誰能先交出“真指標+真軟件棧+真工藝”的三件套，誰就有資格在下一代AI硬件命題里占個C位。

我先押一句大膽的預判：下一波SaaS大廠，會把注意力層推理卸載到光子模塊上，先拿低延遲和能效做突破。你愿不愿意把自己的推理集群，拆一層換成“光學外掛”？要不要賭一次？評論區說說你會投給誰，光學派還是繼續ALL IN GPU。