1946年，世界上第一台电子计算机ENIAC在美国宾夕法尼亚大学诞生。这台机器用电子的流动求解弹道方程，那是人类第一次成功驯服电子，用它们在漆黑的金属导管里奔跑、碰撞，从而把枯燥的数字转化成导弹的弹道轨迹。人类的电子计算的时代由此开端。
从那一刻起，“电子”成了现代文明的底层构架。直到今天，无论你是在手机上刷着短视频，还是科技巨头们在数据中心里训练着数千亿参数的AI大模型，其底层的游戏规则从来没有变过：我们依然在用电压的高低去驱动电子，让他们在硅基晶体管里进行成百上千亿次的流动。
但这场延续了将近一个世纪的电子运动，现在已经接近了物理定律的极限。
世界上第一台电子计算机ENIAC
80年后的2026年4月，同一所大学的物理学家甄博教授团队在《物理评论快报》（Physical Review Letters）发表了一项研究工作：他们造出一种半光半物质的混合准粒子——激子－极化激元（exciton–polariton），用大约4飞焦（fJ，即4×10-15焦耳）的能量完成了光信号的全光开关切换。这个能量比短暂点亮一颗微型LED还小几个数量级。
从电子到光子，宾大用了80年走了一个螺旋。只不过这一次要解决的不是弹道计算，而是AI。AI的算力需求正在把电网推向极限。说到AI，就不得不提电子本身的特性：因为电子天然携带电荷，只要在材料里穿梭，就不可避免地会遇到电阻。这就像在泥潭里赛跑，跑得越快，摩擦就越剧烈，能量就会不可避免地转化成热量散发出去。现在的半导体工艺已经逼近了几个纳米的原子尺度，在一颗指甲盖大小的芯片里，已经塞进了几百亿个晶体管。当这些密密麻麻的电子同时开始奔跑时，芯片内部的温度和能耗已经变成了电子技术进一步发展的“叹息之墙”。
现在的顶级大模型，每聪明一点，背后都在烧掉一整个小型发电厂。数据中心里，用来给芯片吹风扇、抽冷水所耗费的电力，甚至已经开始和计算本身并驾齐驱。人类倾尽所有建立起来的数字帝国，正在被电子那无法摆脱的物理特性死死拖入高热和能耗的泥潭。
为了打破这个令人窒息的僵局，物理学家们在很久以前就提出了一个替代方案：为什么不用光子？
光子是一个天然的替代选项，它不带电、无静止质量、以光速传输且几乎不发热。光子早已统治了通信，全球互联网的骨干就是光纤；但要让光子从“搬运工”升级为“计算者”，卡在了一个看似简单的问题上：光子之间几乎不互动。
量子力学告诉我们，光子之间是没有相互作用的。两束光在空中相遇，它们只会互相穿透，然后各自奔向远方，彼此之间连一丝涟漪都不会留下。但在计算机的世界里，逻辑的本质就是“相互作用”。
这恰好是光子最大优势的反面。“光子是电中性的，能快速、低损耗地远距离传输信息，”研究人员表示，“但这种电中性也意味着它们几乎不与环境互动，做不了计算机依赖的信号开关逻辑。”
这个矛盾对光子AI芯片来说尤其致命。神经网络运算分两步：线性运算（矩阵乘法）和非线性激活（类似“做判断”）。光子天生擅长前者，用干涉和衍射就能做矩阵乘法，速度极快、能耗极低。一些公司已经把光子矩阵乘法芯片推向商业化。在线性计算这一步，光子已经证明了自己。
但非线性激活需要信号之间互相影响，一个信号要能改变另一个信号的状态。电子天生做得到，因为它带电、彼此排斥，而光子做不到。结果是，许多现有光子AI芯片，在完成矩阵乘法后，不得不把光信号转回电信号，交给电子器件完成非线性激活，再转回光信号进入下一层网络。这就好比你搭乘一辆高铁，但每到一个十字路口，你都得把高铁拆成零件，把零件推过路口，然后在对面重新组装好、重新点火发动。
这种“光－电－光”的反复转换，恰好把光子计算的速度和能效优势吃掉了大半。麻省理工学院此前开发过混合光电的非线性功能单元（NOFU）来缓解这个问题，新加坡国立大学团队2026年3月也报告了用铌酸锂波导实现全光激活的方案。各路人马都在攻同一道关：让光不变回电子，就能完成“判断”。
宾大团队的思路不同于上述任何一种。他们没有试图让光子直接产生非线性，而是给光子“嫁接”了一个会互动的搭档。 具体做法是，把一层原子级厚度的硒化钼（MoSe2）半导体薄膜放到一个氮化硅光子晶体纳米腔上。纳米腔的模式体积只有约0.05立方微米。
在如此狭小的空间里，光子被强制与硒化钼中的激子（电子－空穴对的束缚态）发生强耦合，融合成既非纯光也非纯物质的混合准粒子——激子－极化激元。这种粒子继承了光子的速度和激子的互动能力：两个极化激元相遇时，物质成分让它们能“感受到”彼此，产生非线性响应。
团队实现了约4飞焦的全光开关切换能量，比此前2D激子-极化激元系统报道的皮焦量级阈值低了几个数量级；泵浦－探测光谱显示，开关动作在几皮秒内完成，受限于激子寿命而非器件本身。团队还通过电学门控（gate tuning）调节硒化钼的掺杂状态，实现了从强耦合到弱耦合的可控切换。
这项工作和光子计算芯片之间其实是一种互补关系。后者已经在线性矩阵运算上证明了光的优势，但在非线性环节仍然依赖电子器件。宾大团队展示的极化激元全光开关，恰好针对的就是这个缺失环节。
如果极化激元器件未来能集成到光子芯片上，就有可能让整个神经网络推理过程全部在光域完成，不再需要“光－电－光”的反复转换。论文中也提到，该系统有望加速全光神经网络的发展，使计算更完整地留在光域中完成。
但距离这个愿景成为现实，还有几道现实关卡。这次实验在4K（-269℃）低温下进行，商用芯片显然不能依赖液氦冷却。目前的器件只是单个纳米腔的演示，距离大规模阵列集成还需要跨越工程量级。
论文作者也坦承，当前约4飞焦的开关能量对应腔内约10的4次方个极化激元，还需要再降两到三个数量级，才能接近量子非线性极限。
光子计算正处于一个微妙的时刻。产业端的投入在加速，但全光非线性这个底层物理问题仍未被工程化地解决，光子芯片在关键的“判断”环节依然要退回电子世界。宾大这项工作提供了一条可能的出路，但从4K低温下的单器件，到室温芯片上的大规模集成，中间隔着的不只是工程优化，还有材料科学和光子学的基础性挑战。
分享到QQ 
微信扫一扫