2026年4月21日——莱布尼茨超级计算中心（LRZ）在日常运营中测试了Q.ANT公司的光子处理器。经过实践，该中心技术人员认为这项技术具有强劲的发展潜力。

屏幕上流动的彩色波纹看似简单，背后却蕴含着尖端科技——Q.ANT研发的光子模拟加速器（该公司称之为原生处理单元NPU）正利用激光进行计算。当计算机系统其他组件需要进一步处理结果时，光电探测器会将光信号转化为数字电脉冲。近期测试表明，这项技术前景广阔。“我们评估了Q.ANT前两代处理器，比较了它们在数据中心、人工智能方法和高性能计算中的表现与应用潜力，”LRZ未来计算研究团队计算机科学家约瑟夫·魏登多夫博士表示，“从原理上看，这项技术能显著提升数据中心能效，特别是在AI应用的训练与推理环节。”

光子加速器有望解决两大难题：AI集群急剧增长的能耗需求，以及高性能计算中矩阵向量乘法、非线性方程求解等运算的性能提升。Q.ANT公司在探索新型计算技术时发现了光子的计算潜力。这家2018年成立于斯图加特的企业现已具备小批量生产创新型协处理器的能力，为潜在用户测试提供了条件。德国联邦教研部（BMFTR）为此专项拨款支持LRZ开展研究，以探索光子计算在科研与工业领域的应用前景。

高性能计算与AI测试任务

Q.ANT的光子模拟芯片以PCIe插卡形式供应，也可预装于专用服务器。“协处理器无法完全依赖光完成所有运算，”LRZ研究员埃哈布·萨利赫博士解释，“因此需要光子单元与传统处理单元持续交换数据，这也是卡上集成CMOS技术的原因。”该套件还包含功能软件库：“用户无需理解加速器工作原理，”萨利赫补充道，“通过调用C/C++或Python库函数即可实现设备初始化、数据传输、状态管理等底层通信功能。”

相比当前功耗高达1000瓦的GPU，Q.ANT整套系统（服务器+加速卡）仅需350-420瓦，单卡功耗25-100瓦。LRZ采购的三台测试服务器中，初代机型配备单卡，二代机型则搭载三块PCIe卡以提升性能。除常规计算任务外，两代处理器还接受了图像识别、小型神经网络（MNIST、ReSet）训练与推理等AI任务测试，研究人员详细记录了执行时间、能效比、错误率、预测可靠性等指标。

性能与能效双提升

测试结果令人振奋：初代光学元件每秒运算1亿次（100 Mop/s），而二代产品单通道性能提升至5亿次。新型加速卡集成八组激光器与光通道，总运算能力达每秒4万亿次（4 Gop/s）。“最佳情况下，二代芯片速度提升达50倍，”魏登多夫指出。基于此，卷积神经网络的图像识别速度提高了25倍。

评估团队认为未来研发应聚焦光学元件的频率与负载管理。当前芯片采用2GHz频率，若电子系统支持可提升至50-100GHz。此外，通过采用多波长光计算、增加加速卡数量等方式还能进一步提升性能。值得注意的是，性能飞跃并未牺牲能效：在典型HPC负载下，二代产品功耗较初代降低50%-84%，复杂任务中优势更明显。“光学单元处理时长与能效成正比，”魏登多夫强调，“同时应优化芯片元件布局以降低数据传输能耗。”

与GPU类似，光子协处理器并非绝对精确：其16位精度的数模转换会受光电噪声影响。“AI应用对精度要求相对宽松，这正是光子计算的用武之地，”萨利赫指出。LRZ研究人员预测，经过1-2个研发周期后，Q.ANT芯片有望部署于AI集群，实现能效与性能双突破。魏登多夫与萨利赫还证实，该处理器可通过软件优化模拟更高精度，助力超算加速。但实现精确计算需要将复杂任务分解为多步运算，这对配套软件工具提出了更高要求。

光子计算发展的关键一步是构建多元化编程环境，包括扩展函数库、专用语言等配套软件。“评估下一代系统时，”研究人员补充，“采用真实应用程序并针对光子处理器优化将极具价值，这能帮助我们明确函数库的改进方向。”