全球首款可编程三维光子神经网络芯片，已经在华中科技大学的实验室里完成了验证。这次研究不是简单把光子从传输端挪去计算端，而是把整个计算空间直接拓展到了玻璃的三维体积里。

AI算力增长的瓶颈从来不是参数，而是数据搬运的成本。当光本身就能在三维空间完成计算，我们离更低功耗、更大规模的AI推理还有多远？

玻璃基光计算芯片 / 玻璃内刻有线路，底座带参数铭牌

平面光子芯片的天花板，其实是二维空间本身

过去光计算的发展一直有个很有意思的矛盾：所有人都认可光能做计算，也认可光计算在大规模线性矩阵运算上有天然优势，但始终做不大规模。

根源不是材料不行，也不是工艺跟不上，而是绝大多数方案都被困在了二维平面里。

传统平面光子芯片处理真实二维图像数据时，要先把二维图像拆成串行一维信号，再逐点送入芯片计算。这个过程本身就把光并行处理的天然优势给抹掉了。

更关键的是规模扩展问题：通道数每增加一倍，平面上的波导排布就会变得拥挤，交叉带来的串扰、路径变长带来的损耗都会指数级上升。芯片面积跟着平方倍增长，但可用计算资源却跟不上。

手写数字分类实验数据图 / 含流程框图、损失曲线、混淆矩阵等

电子计算解决三维扩展的思路是堆叠：HBM、Chiplet、先进封装都是在把二维芯片叠起来，缩短数据传输路径。但电子堆叠依然要面对电阻、电容、热管理这些底层问题，高密度堆叠只是缓解，无法消除本质代价。

光的天然优势在这里显现出来：光在透明介质里可以直接通过三维空间传播、耦合，不需要依赖导线充放电传递信号，几何约束本身就比电子小得多。

之前行业卡在两个点：要么是自由空间光学体积太大做不成芯片，要么是芯片级集成只能做二维，三维自由度始终没能真正用起来。

这次华中科大和上交大团队的突破，恰恰是解决了这个「鱼和熊掌兼得」的问题：在芯片级尺寸里，把三维空间的计算自由度给打开了。

把神经网络写进玻璃，本质是重构计算的几何逻辑

这项研究最容易被忽略的价值，不是做出了一块性能不错的原型芯片，而是验证了一套全新的架构逻辑：计算不需要都挤在二维平面上排列，玻璃本身就可以成为计算发生的空间。

团队用飞秒激光直写技术，把超短脉冲激光聚焦到玻璃内部，局部改变折射率，直接在玻璃里刻出了三维波导网络。这相当于把原来平面上的「单车道」，拓展成了能上下互通的「立体立交桥」。

三维光子神经网络架构图 / 含多层级波导结构与网络连接示意图

芯片核心架构由三维光子灯笼波导阵列和可编程相移器阵列交替级联，总共8个级联层级，实现8×8二维阵列输入输出。这个设计里有两个最核心的创新：

• 三维光子灯笼让光在玻璃内部的体积空间里完成多通道耦合和混合，这个过程本身就是矩阵计算的线性变换，不需要在平面上绕路排波导，从根源减少了交叉损耗和串扰。
• 可编程相移器阵列通过调节不同通道的光学相位，让整个网络可以被训练调控——同一块芯片不需要重新制造，就能适配不同AI任务，大幅降低了重复开发成本。

输入端它可以直接接收二维图像编码，不需要把图像拆成一维串行信号，保留了原始数据的空间并行性，这对于自动驾驶、医疗影像这类天然二维数据的任务来说，优势非常直接。

芯片制备与测试示意图 / 含加工流程、结构、测试数据图表

从实验数据来看，这块原型芯片在MNIST手写数字分类任务拿到了93%的准确率，片上光学图案生成保真度达到94%，理论计算吞吐量达到6554 TOPS。

这个数字不需要和成熟电子芯片比精度，它的意义在于证明了：三维光子神经网络这条架构路径，在芯片尺度上是可以完整跑通闭环的。

产业端已经提前布局，玻璃光计算不是空中楼阁

有意思的是，学术端刚完成原型验证，产业端已经提前跑出了布局。2026年年初光本位科技就宣布，正在用玻璃代替硅做衬底研制玻璃光计算芯片，还把相变材料存算一体方案引入了玻璃平台。

和学术团队直接在玻璃内部刻三维结构不同，光本位用的是单层玻璃芯片堆叠的方案，同样能实现三维输入效果，还能利用相变材料的非易失性，省去额外相移器，实现计算过程几乎零能耗。

图案生成实验结果图 / 含损失曲线、目标与输出图案对比

玻璃本身的特性也给产业落地提供了天然支撑：低翘曲率、低热膨胀系数，能轻松集成不同平台的芯片，解决了大规模三维集成的很多基础工艺问题。

光本位科技提出的目标很明确：要把玻璃光计算芯片直接做成能运行完整AI模型的全光计算平台，改变现在光计算只能做「单个计算核心」的现状，最终实现「光电融合，以光为主」的AI计算集群架构。

从资本反馈也能看出产业端的信心：光本位成立三年已经完成五轮融资，头部VC、国内互联网巨头、地方国资都争相入局，沙特工业部直接对这个方案抛出了橄榄枝，海外七百多家媒体跟进报道。

现在整个行业都在盯着同一个问题：当光计算能在三维空间里大规模展开，AI算力的天花板是不是会被彻底重构？

三维光计算的下一程，要解决两个核心问题

我们得承认，现在还只是原型验证阶段，这块8×8的芯片只是一个可工作的起点，要真正落地到大规模AI推理，还有两个问题需要回答。

第一个问题是规模放大能不能成立。团队现在已经开始推进下一代上千通道I/O的三维光子集成芯片，已经进入加工阶段。核心要验证的是：当通道数上去之后，三维空间是不是真的比平面结构更能缓解布线压力，释放光计算的并行优势。

第二个问题是系统集成能不能降本。现在飞秒激光直写的加工效率还不够高，要做到大规模量产，还需要工艺端的配合优化，找到更高效的大规模三维波导制备方案。

但不管怎么说，这条路的方向已经被验证了：光计算的下一阶段竞争，早就不是单个器件指标的比拼，而是架构、数据流、制造路径的整体重构。

原来我们只能在平面上「画」光路，现在我们可以直接在玻璃里「写」整个神经网络。这不是简单的尺寸放大，而是计算组织逻辑的一次根本改变。

当AI推理对算力和能耗的要求越来越苛刻，光从传输端走向计算核心，从二维平面走向三维空间，这个趋势已经越来越清晰。也许再过十年回头看，今天这块拇指大小的玻璃芯片，就是AI算力全光时代的第一块敲门砖。

#5G##AI妙生图##芯片##光学计算##光计算#