近年AI算力需求飆升，GPU元件供不應求、能耗焦慮更成為業界隱憂，但微軟研究院劍橋團隊，選擇用光重新定義運算。這套被稱為「模擬光學電腦」 (Analog Optical Computer, AOC)的系統，採用手機相機感光元件、Micro LED、透鏡等市售零件拼裝而成，卻在實驗中展現出的速度與能效均比GPU高出100倍，並且成功登上自然雜誌。
光學運算重返舞台
光學運算的概念其實早在1960年代就被提出，但長期受限於製程技術，始終停留在理論層面。微軟團隊經過四年研發，把光學與類比電路放進同一迴路，透過光完成矩陣運算、以電子處理非線性與加減法，每次迭代運算僅需20奈秒 (nanosecond)，直到收斂到「固定點」解答。
這種架構不僅省去高成本的數位類比轉換，也具備天然抗噪特性，讓光學計算第一次真正能在現實硬體上穩定運行。
Our breakthrough work on an analog optical computer points to new ways to solve complex real-world problems with much greater efficiency. Super to see this published today in @Nature. https://t.co/vjx8lYmze5
— Satya Nadella (@satyanadella) September 3, 2025
金融、醫療實戰驗證
為證明AOC不只是實驗室玩具，微軟團隊選擇金融與醫療兩大場景進行驗證。
在與巴克萊銀行合作的結算最佳化問題中，AOC僅用7次迭代運算就找出最佳解法。醫療端則把核磁共振 (MRI)結果壓縮感知成像轉化為可運行的最佳化問題，不僅重建出32 × 32的腦部切片，更透過「數位孿生」方式模擬20萬種變數的真實核磁共振數據，顯示未來有望將掃描時間從30分鐘縮短到5分鐘，大幅減輕病患負擔。
AI的新路徑
另一方面，研究員發現AOC的固定點搜索機制，相當適合深度平衡網路 (DEQ)等需要反覆收斂的AI模型。在MNIST、Fashion-MNIST影像分類與非線性回歸任務上，AOC與數位模擬結果幾乎達到99%一致，並且透過時間複用把硬體規模擴展至等效4096規模權重，證明其不僅能跑小型模型，同時也能處理更大型的AI推理模型。
能效差距兩個數量級
微軟估算，成熟版本的AOC有望達到每瓦500 TOPS，遠超過當前NVIDIA H100約每瓦4.5 TOPS的表現，能效差距更高達兩個數量級。若未來模組化擴展至0.1–20億組權重，AOC將可能成為AI推理時低功耗的「新基礎設施」。
從實驗到賽道
領軍此項研究的首席經理Francesca Parmigiani、首席研究員Jiaqi Chu與機器學習專家Jannes Gladrow，帶領跨領域團隊把半世紀前的概念變成現實，並且透過開放數位孿生吸引更多研究者參與。研究負責人Hitesh Ballani表示，他們的目標是讓AOC成為未來AI基礎設施的一部分。
