据《自然·光子学》杂志14日报道，芬兰阿尔托大学领导的国际研究团队开发出一种新方法，可利用单次光传播完成复杂张量运算，实现以光速完成深度学习中的关键计算步骤。这是向通用人工智能（AI）硬件研制迈出的重要一步，也为突破现有计算平台的性能瓶颈提供了全新解决路径。

　　张量运算是现代AI的算术基础，但其复杂程度远超人们熟悉的加减乘除。类似在多维空间里旋转、切割或重排一个魔方，这类运算通常需要计算机一步步执行，而光却可以一次性完成所有操作。

　　随着深度学习模型规模不断扩大，图像识别、自然语言处理等任务所需的张量计算量呈指数级增长。作为当前主力硬件的GPU虽然性能不断提高，但在速度、可扩展性和能耗方面已接近极限。数据算得越来越多，能耗也越来越大，这是整个产业面临的共同难题。

　　为此，团队开发出“光速单次张量计算”新方法，通过光波在空间中的自然传播实现数学运算，无需依赖电子电路，也无需任何主动调控。卷积、矩阵乘法、注意力机制等深度学习的关键步骤，可在光穿过系统的瞬间同步完成。

　　该方法的核心创新在于，将数字数据编码进光的幅度与相位，使数字信息转化为光场的物理属性。当这些光场相互作用时，便能自然完成矩阵和张量运算。这一机制就像检查和分拣海关包裹，通常需要通过多台功能各异的机器逐个检查，然后将它们分拣到正确的箱子里。光学计算方法可以将所有包裹和所有机器整合在一起，只需一次操作，一次光照射，所有检查和分拣就能瞬间并行完成。

　　为了进一步扩大计算能力，团队还采用多波长光，使不同颜色的光分别携带不同维度的数据，从而处理更高阶的张量运算。这一方法的另一大优势在于其简单性。所有计算均在光的被动传播过程中完成，无需主动控制或电子开关，因而更适合低能耗、高并行度的光学平台。