作者：Robert Todd，Optalysys 公司首席技术官

人工智能（AI）正成为全球许多人日常生活的一部分。在个人层面，人们越来越多地使用 AI 模型进行搜索查询。虽然谷歌仍然主导着搜索市场，但 ChatGPT 已对其主导地位构成了最重大的威胁。

在商业层面，没有任何行业能置身事外，从农业到医疗保健，从金融到娱乐，世界各地的组织都在将 AI 融入其日常运营中。

预计未来几年，世界对 AI 的需求和使用将呈指数级增长，因此科技公司正通过建造大量巨型数据中心来应对这一发展需求。但这种增长也是有代价的：能源消耗、经济成本和环境影响。传统计算根本无法跟上日益增长的计算和能源需求。为了维持 AI 革命，我们必须重新思考现代计算的物理原理。

能源问题

即使不考虑 AI，电子计算也正处于关键时刻。摩尔定律正在失效，登纳德缩放（Dennard scaling）已经崩溃，其结果是“暗硅”（dark silicon）的泛滥，即芯片上为避免过热而必须保持未供电或空闲状态的晶体管部分。

训练一个大型 AI 模型绝非易事。大型语言模型（LLM）在海量数据上进行训练，拥有数万亿个参数。它们进行预测、测量、调整，并重复这一过程数十亿次。据估计，训练 AI 模型所需的计算能力每六个月就会翻一番。

处理和移动如此大量的数据，需要大规模的并行性和功率。在传统计算中，更高的功率需要更高密度的系统。更高的密度意味着更大的电阻，而更大的电阻则意味着更多的热量。这迫使数据中心将大量能源从计算转移到冷却上，数据中心总能耗中有高达40%用于防止服务器熔化。

支撑 AI 的基础设施已经在苦苦挣扎，很明显，传统计算已经无法支撑未来的发展。

经济问题

数据中心运营商正面临一个财务难题：要么将计算密度限制在其当前冷却设施所能处理的范围内（这会阻碍其业务能力），要么突破热极限，导致硬件和组件加速老化，增加运营开支和浪费。

此外，建造新数据中心的成本也十分高昂 —— 麦肯锡预测，到 2030 年将需要 5.2 万亿美元的投资。如果数据中心继续依赖传统计算，那么在低效基础设施上投入将是一个巨大的财务风险。普通消费者也受到不良经济状况的影响；随着 AI 给电网带来前所未有的压力，以及数据中心的电力需求上升，电价也随之上涨。这些成本以电费迅速上涨的形式转嫁给了周边的普通家庭。

环境问题

最重要的是，AI 不断增长的电力需求、高耗水量（用于冷却）和电子硬件废物，对我们的星球产生了巨大影响。训练和运行大规模模型需要大量能源，其中大部分仍由化石燃料产生，这直接导致了碳排放的增加。

研究表明，全球 AI 系统约占全球温室气体排放量的 2.5%-3.7%，其占比已经超过了航空业（约 2%），并且随着 AI 采用速度的加快，预计其排放量还会上升。

除了能源使用，数据中心的快速扩张还以前所未有的规模在消耗土地、水和当地资源。如果我们继续依赖现有基础设施，世界将无法承受 AI 的增长。

如果我们能正确运用物理原理，AI 实际上可以帮助我们应对气候危机。AI 正在发现新的电池材料，并优化交通管理以减少碳排放。AI 正被用于规划新的节能城市，甚至预测森林砍伐率以进行积极的保护工作。

光子学是智能的基础

幸运的是，光子（或光学）计算正在为我们提供一剂灵丹妙药。光子计算利用光子无质量、无电荷的特性，来克服基于电子的系统的关键限制。光子在电路中传播时产生的热量显著减少，在波导中传播时几乎没有热量或能量损失，并降低了对高要求工作负载的散热和冷却要求。

光允许多个信号在同一物理空间中通过而不发生干扰。使用波分复用（WDM）技术，光子可以通过单一路径传输许多独立的信号，且串扰极小。这实现了电子系统无法实现的空间光谱并行处理水平（由于电磁干扰和电荷屏蔽），并带来了数量级的性能和效率提升。

这些是植根于物理原理的根本优势，而非渐进式的工程改进。这些由物理驱动的优势，体现在更好的能源效率和更低的延迟上，特别是对于 AI 核心的线性代数运算。硅光子与 CMOS 工艺的集成使我们能够扩展性能并部署系统，而不会面临限制传统电子系统的功率密度和热墙。

光子学是日益低效且无法满足 AI 扩展需求的电子基础设施的唯一替代品。摩尔定律的终结和登纳德缩放的结束，并不意味着进步的终结，而是开启了一条新的道路，在这条道路上，承载世界计算的是光，而不是电子。