摘要：米蘭理工大學團隊研發的光子芯片，通過光干涉機制完成數學運算，能耗降低 90%，處理速度提升百倍。原位訓練技術無需數字模型，支持自動駕駛、智能傳感器等實時場景，助力可持續 AI 發展。

人工智能（AI）的 “算力饑渴” 正成為行業發展的核心瓶頸 —— 隨著大語言模型、多模態 AI 的迭代，單模型訓練能耗可高達數萬度電，傳統電子計算架構的物理極限（如摩爾定律放緩、量子隧穿效應）已難以支撐算力需求的指數級增長。在此背景下，《自然》（Nature）期刊 2025 年刊發的一項國際合作研究，為 “可持續 AI” 提供了顛覆性解決方案：由米蘭理工大學牽頭，聯合洛桑聯邦理工學院、斯坦福大學等機構研發的光子物理神經網絡，通過光信號直接實現運算與訓練，將 AI 計算的能耗與延遲推向新維度。