美國佛羅里達大學的最新研究成果顯示，科學家團隊開發出一種新型光子晶片，可望顯著提升人工智慧運算的能效，並大幅降低能耗。此晶片名為光子聯合變換相關器（pJTC），利用光訊號取代傳統電訊號來執行AI最耗能的捲積操作，被認為將改變AI晶片的能源效率規則。

卷積神經網路（CNN）是許多人工智慧應用的核心，包括人臉辨識、手寫文字解讀、自動翻譯等領域。 CNN透過「卷積核」在大量資料中提取關鍵特徵，猶如數位放大鏡篩選有價值資訊。但這過程極為耗電，而隨著AI模型日益龐大，資料中心用電需求激增，甚至有人擔憂耗電問題將在各層面引發「AI衰退」，阻礙創新步伐。

佛羅里達大學團隊賦予pJTC晶片特殊的高速性和能源效率優勢：它棄用傳統液晶或微鏡件，以光子元件為基礎，可實現GHz級數據和濾波器編程。此晶片復用光收發模組的成熟結構，並創新性地整合了基於矽光子的傅立葉-弗涅爾透鏡，在晶片上實現光學計算。更重要的是，pJTC配備晶片級雷射器，可利用不同波長（多色光）同時處理多組運算任務，借助光譜復用和光子線鍵合，使整體結構緊湊高效。

實驗結果顯示，該晶片能夠以98%的準確率識別手寫數字，性能媲美常規電子處理器。晶片工作流程為：機器學習資料以雷射轉換為光訊號，經過微型弗涅爾透鏡完成複雜計算，再將光訊號轉換回數位訊號，任務即告完成。

研究團隊成員、佛羅里達大學Sorger團隊的副研究員楊航波博士表示：“這是首次將此類光學計算整合於晶片，並應用於AI神經網路。我們可多波長並行執行任務，這是光子技術的一大優勢。”

這項研究已發表在《Advanced Photonics》期刊，合作單位還包括佛羅里達半導體研究所、加州大學洛杉磯分校與喬治華盛頓大學。團隊負責人沃克·索格（Volker J. Sorger）指出，目前如NVIDIA等晶片廠商已在AI系統部分環節採用光學元件，未來該技術可望更易整合到主流AI晶片之中。

索格預計不久之後，基於晶片的光學技術將成為日常AI晶片的關鍵組成部分，而『光學AI運算』就是下一個突破點。據悉，新型光子架構的運算效率遠超傳統方案，每瓦能實現305萬億次運算，每平方毫米達40.2萬億次運算。

這一切意味著，未來具備極高能源效率的光子晶片將顯著促進各類人工智慧應用的普及，包括智慧邊緣設備、高效能計算平台及雲端服務，從自動駕駛汽車到醫學掃描，都將受惠於其卓越的捲積運算能力及智能算法的創新。