电子芯片逼近1nm极限，摩尔定律失效，顶上来的将是光电芯片

随着摩尔定律逐步逼近物理规律极限，微电子技术集成电路发展瓶颈已经出现，光电芯片成为下一代芯片技术发展的方向之一。利用光信号进行数据传输、处理和存储的光电芯片有望成为5G和人工智能时代的关键基础设施电子芯片，并带动整个信息技术产业进入“从电到光”的转换过程。

1、美国光电芯片研发屡获突破，技术水平处于世界领先地位

2019年1月，美国哈佛大学的研究人员开发出新型光子集成芯片。该芯片可以存储光并修改光的频率，有望应用于光量子信息处理、光信号处理和微波光子学。研究人员表示，许多光量子和经典光学应用都需要改变光的频率，而该芯片首次利用微波以可编程的方式实现对光频率的修改。

2019年6月，美国麻省理工学院的研究人员开发出一种新型光子芯片。该芯片不仅体积更小，具有更低的功耗，且处理大规模神经网络的效率比现有计算机高出数百万倍。研究结果表明，该芯片运行光神经网络的效率是电子芯片的千万倍。该芯片可提高训练和测试神经网络的速度与效率，其应用领域包括机器人目标识别、自然语言处理、药物开发、医学成像和无人驾驶汽车等。

2.光电芯片研究成果将加速其在人工智能等领域的应用

2019年4月，启和科技（Lightelligence）成功开发出世界首款光子芯片原型板卡。研究人员在该原型板卡上成功应用光子芯片运行Google Tensorflow自带的卷积神经网络模型，并完成对MNIST数据集的处理。在测试中，该光子芯片独立完成超过95%的运算，运算准确率在97%以上，已经接近电子芯片，而光子芯片完成矩阵乘法所用的时间仅为最先进的电子芯片的约 1%。该光子芯片成功验证了用光子代替电子进行人工智能计算的可行性。

2019年5月，英特尔与美国加州大学伯克利分校（University ofCalifornia，Berkeley）的研究人员提出构建光神经网络的新架构，该研究有助于纳米光子神经网络在实际中应用。研究人员提出构建光学神经网络引擎的GridNet和FFTNet两种架构，并在针对手写数字识别任务的软件仿真中，对这两种架构进行训练。研究人员发现，在双精度浮点值下，GridNet的精度要高于FFTNet，FFTNet则对制造过程的精确性有更高的容忍度，且两种架构均可用于规模化生产。此项成果将推动基于光电芯片的人工智能硬件生态系统的搭建，为光电芯片的大规模应用创造可能。

3.对中国的影响和启示

人工智能、大数据、超级计算机和云计算等前沿科技飞速发展，带动芯片制造工艺和设计水平直线提升。随着微电子芯片制造工艺逼近1纳米物理极限，依靠工艺水平精进提升芯片性能的方法越来越难以奏效，摩尔定律正濒临失效。由于光子在芯片中不受电磁阻力等的影响，可大幅提升芯片的信息处理效率，光子学与芯片结合的光电芯片技术有望摆脱摩尔定律的桎梏。

当前，全球光电芯片行业尚未形成寡头垄断局面，但美、日厂商占据整体规模优势，中国主要面临几方面的挑战：

一是知识产权受限，国外领先企业已对部分器件、基础设计结构和某些技术路径申请专利，凭借专利把控产业链高端市场，抢占市场空间，中国企业通过自主创新绕过专利壁垒难度高；

二是国际标准制定能力不足，国外机构和厂商在相关技术上已有多年积累，掌握行业话语权，而中国只能参照国际标准；

三是高端产品核心技术缺失，产业基础配套能力薄弱电子芯片，中国低速光电芯片产品国产化率很高，但在高速光电芯片方面技术不足，与国外差距明显。

四是中国在光电芯片设计工具、基础工艺和制造装备等产业基础方面配套能力不足。

面对光电芯片落后的现状，中国应重视技术发展趋势，进行科学规划布局，突破关键技术，培育和构建产业生态，强化产业基础提升与底层技术创新，推动技术、政策和产业环境的多渠道协同，推进产业布局向高端和自主可控发展。

文章由启和科技编辑