光电子与硅光集成
在硅芯片上集成光学元件，用光子而非电子传输数据，解决 AI 数据中心互联带宽危机，并向光计算方向演进。
这个方向在研究什么
2025 年 A 股最出风头的三只股票，是被股民合称“易中天”的新易盛、中际旭创、天孚通信。前两家做光模块，天孚通信做光器件和光电封装，是光模块的上游。这一年三家股价各涨了 3 到 6 倍，合计市值突破一万亿，单日成交额经常包揽 A 股前三。中际旭创已是全球光模块出货量最大的厂商，大客户是 NVIDIA、Google 这些北美云巨头。把它们送上风口的，是 AI 对光互连的需求。
光互连的道理，要从中学就学过的焦耳定律（Joule's law）说起。导线有电阻，电流通过就要发热，P = I²R，能量直接以热的形式耗散掉。传输距离越长、信号速率越高，铜线上被白白烧成热的能量就越多，超过一定距离铜就扛不住了。光子没有这个负担。它在光纤里几乎不互相干扰，每公里只损耗 0.2 分贝，跨大洋几千公里靠光放大器中继就够，1980 年代起电信骨干就被光纤全面接管。但在几厘米的近距离上，优势又回到铜这边。铜便宜、紧凑、和硅 CMOS 工艺天生兼容，光那一整套激光器、调制器、探测器又大又贵，塞到芯片旁边反而划不来。 但 AI 打破了这种分工。一个 GPT-4 量级的模型分布在数万块 GPU 上训练，每完成一步迭代，全集群的参数和梯度都要在芯片之间走一遍，单步通信的数据量是 TB 级。带宽要求每翻一倍，铜导线烧成热的能量也成倍增加。大规模 AI 训练集群里，GPU 之间通信消耗的电力已经能和 GPU 自身做计算的电力相提并论。短距离归铜的稳定局面，开始撑不住了。
自然的解法是把光下到芯片之间，但光有个几十年没解的老问题。传输几乎零损耗，但两端的电光转换却不便宜。一段光链路的能耗分两块，一块是两端固定的转换代价，激光器、调制器、探测器、放大电路整套器件都算在内，另一块是随距离缓慢增长的传输代价。铜链路相反，能耗几乎全堆在距离上。链路够长，光在传输上省下的能量足以摊平两端的固定代价；链路够短，转换代价占主导，电反而划算。芯片之间的几厘米光始终拿不下，不是物理上不行，是电光转换的固定代价让其变得很不划算。
硅光子（Silicon Photonics）要解决的就是这个问题。思路是把激光器、调制器、探测器、波导都做到硅芯片上，借用 CMOS 工艺几十年积累的产线，让光器件像晶体管一样被批量、低成本、紧凑地制造。光器件塞进 GPU 封装、和电子电路集成在同一颗硅片上之后，电学走线急剧缩短，单个转换器件的成本随工艺缩小而下降，几十年来挡在光面前的距离临界值开始向短距离移动。“易中天”三家接住的，就是这波正在逼近芯片的需求。
但把光器件集成到硅上，从一开始就遇到了根本性障碍，因为硅的材料性质对光极不友好。它是间接带隙半导体（indirect bandgap semiconductor），无法高效发光。它是中心对称晶体（centrosymmetric crystal），没有 Pockels 线性电光效应（Pockels effect），调相只能靠自由载流子的等离子体色散（plasma dispersion）这种低效机制。它对常用通信波长（1310 nm 和 1550 nm）几乎透明，光直接穿过而不被吸收，做不了探测器。发射、调制、探测，光链路里最关键的三个环节硅全不擅长。解决方案是请外援。解决方案是把擅长发光、调制、探测的 III-V 族和锗材料从外部引入，集成到硅平台上完成硅力所不及的功能。
沿光信号在芯片上走一遍，就能看清这套外援逻辑。起点是光源。硅自己发不出激光，主流方案是把砷化镓（GaAs）或磷化铟（InP）这类 III-V 族激光器键合到硅片上，让外部产生的光从耦合区注入硅光子电路。键合界面至今是工艺难点，两种材料晶格常数不匹配，接合面缺陷密度比同质材料高出多个量级，直接影响激光器寿命和良率。光接着进入调制器。硅基的马赫-曾德调制器（Mach-Zehnder Modulator, MZM）靠电压改变波导折射率来调相位，但硅的电光系数太弱，相移段往往要几毫米才够；铌酸锂（LiNbO₃）的电光效应强一个数量级以上，几十微米就能完成同样的调制，薄膜铌酸锂（Thin-Film Lithium Niobate, TFLN）因此成为过去几年光子集成研究中最活跃的材料之一。中间的波导是硅唯一的主场，红外光在硅波导里以极低损耗传播。到了终点的探测器又得请外援，硅对通信波长透明吸收不了，主流做法是在硅上外延生长一层锗（Ge），锗对红外吸收强，把光高效转回电信号。
硅上既然搭起了一整套操控光的能力，能不能用它直接做计算？神经网络推理的核心是矩阵乘法 y = Wx，把输入向量乘以权重矩阵得到输出。光学干涉天然就能完成这件事。把输入向量的各个分量编码成不同光路上的光强或相位，让光路穿过一个由分束器和相移器构成的网格，光在内部干涉叠加，输出端口每一路光强正好对应矩阵乘法的一个分量。一个 N×N 矩阵可以拆成 O(N²) 个马赫-曾德干涉仪（Mach-Zehnder Interferometer, MZI）单元组成的网格，把权重矩阵 W “刻”进每个单元的相移器配置里，光走过去自动完成乘法和累加。
光计算的吸引力来自三个物理优势。光在波导里传播几乎不发热，没有焦耳耗散，功耗天生低。光的载波频率在 THz 量级，比电子电路 GHz 级的工作频率高几个数量级。不同波长的光还能同时在同一根波导里跑（波分复用，Wavelength-Division Multiplexing, WDM），相当于天然的并行通道。MIT 在 2017 年的 Nature Photonics 上首次展示了用硅光子芯片跑小型神经网络推理，Lightmatter 等创业公司在 2023 年前后拿出了能跑实际 AI 模型的原型芯片。
但光计算面前还横着四座大山。第一是非线性。神经网络要靠 ReLU、sigmoid 这类非线性激活函数才能逼近复杂函数，纯线性光学的干涉、分束、相移只能做线性变换。目前要么把光转回电做完非线性再转回光，要么用饱和吸收这类非线性光学材料，后者还停在小规模研究阶段。第二是光电转换。输入往往来自电域存储器，输出也要回电域使用，每一层非线性再绕回电域一次，电光转换的固定代价就会吃掉计算上省下的能耗。第三是精度。温度漂移和制造偏差都会引起相位误差，有效精度通常只剩 4 到 6 位，AI 模型即使 INT8 也比这宽。第四是集成度。一个 MZI 单元几十到上百微米，比晶体管大好几个数量级，一个 1024×1024 矩阵就要上百万个 MZI，现有工艺单芯片装不下。
此外，目前主流的光计算范式可以说是摸着”模拟存算一体”过河，二者在方法论和所面临的瓶颈上高度相似。两者都把运算交给物理过程自然完成，前者靠光的干涉，后者靠欧姆定律和基尔霍夫定律，也因此共享精度、集成度、噪声漂移这些模拟计算的同源问题。但光计算多背两座山。模拟存算始终待在电域里，非线性用晶体管直接解决，输入输出也都是电信号不用跨域，这两样光计算都躲不开，产业落地也就比模拟存算更晚一步。这条路究竟能走多远，业界至今没有定论。
核心研究问题
- 薄膜铌酸锂电光调制器：硅没有 Pockels 效应，靠等离子体色散调相，相移段动辄几毫米；铌酸锂几十微米就够，难在做出高带宽、低插损、又能量产的器件。
- 片上光源的异质集成：硅是间接带隙发不出激光，主流做法是把 III-V 激光器键合或外延到硅上，但晶格不匹配让接合面缺陷密度比同质材料高出多个量级，激光器的寿命和良率都受它拖累。
- 硅光收发与片上光互连：把激光器、调制器、锗探测器、波导连成一条能塞进 GPU 封装的收发链路，单器件的成本和功耗都要同时压低。
- 可重构与多模硅光：开关矩阵、多模波导、相变材料混合让一块硅光芯片能动态改变光路，偏振和波长的串扰、损耗、控制精度都还压不到位。
- 集成光量子芯片：把光源、波导、干涉网络做成可编程的量子光子回路，在硅或铌酸锂平台上产生、操控、探测单光子。
- 光学计算：MZI 网格能做矩阵乘法，却做不出 ReLU 这样的非线性，绕回电域又把省下的能耗还给光电转换；加上温漂和工艺偏差把有效精度压到 4 到 6 位，距离实际应用还有几个关键技术缺口尚未解决。
知识路径
物理是这个方向的重头，两条物理线（量子→固体→半导体，电磁→光学）在器件层汇合，激光器和调制器既是光学器件也是半导体器件；电路线（信号处理→模拟与射频）提供驱动和跨阻放大器，材料、工艺和 EDA 支撑流片。节点对应学习地图里的目录：
graph LR
AN[分析] --> PHY[大学物理]
PHY --> QM[量子力学]
QM --> SS[固体物理]
SS --> SP[半导体物理]
PHY --> EM[电磁场与微波]
EM --> OPT[光学]
PHY --> OPT
QM --> OPT
SP --> DEV[半导体器件]
MAT[材料] --> DEV
MAT --> PRO[集成电路工艺]
DEV --> PRO
AN --> SIG[信号处理]
SIG --> MAS[模拟与射频]
EM --> MAS
DEV --> MAS
OPT --> X[光电子与硅光集成]
DEV --> X
MAS --> X
PRO[集成电路工艺] --> X
EDA[EDA] --> X
classDef math fill:#EBF4FF,stroke:#2C5282
classDef phys fill:#F3E8FF,stroke:#553C9A
classDef dev fill:#FDE8D8,stroke:#C0530A
classDef ckt fill:#FFFBEB,stroke:#B7791F
classDef goal fill:#F0FDF4,stroke:#16A34A,stroke-width:2px
class AN math
class PHY,QM,SS,SP,OPT,EM phys
class DEV,MAT,PRO dev
class SIG,MAS,EDA ckt
class X goal- 数学：分析（微积分、复变函数，物理和信号处理共同的前置）
- 物理：大学物理 · 量子力学（激光与光电效应的物理基础） · 固体物理 · 半导体物理 · 电磁场与微波（待建，波导理论的来源） · 光学
- 器件与工艺：半导体器件 · 材料（III-V 异质集成） · 集成电路工艺
- 电路：信号处理 · 模拟与射频（跨阻放大器、高速驱动） · EDA
这个方向适合谁
适合物理直觉和动手能力都强的人。这个方向要换好几套语言，电磁场算波导，固体物理看材料，模拟电路做驱动和放大，其中电磁场与波是最重要的前置基础，入门难度也最高。日常一半在仿真里扫波导和调制器，一半在光学平台上对光纤、测插损、排查温漂，对准是亚微米级的精细活，手稳心细很重要。流片走专门的光子平台，一轮要几个月，节奏慢，习惯写代码那种即时反馈的同学要有心理准备。
学术界
课题组
境内
-
光计算芯片设计（太极芯片） | 衍射光子神经网络 | 光电混合处理器
-
陈宏伟 清华
硅光集成器件与系统 | 光子神经网络与光计算 | 光子智能感知
-
迟楠 复旦
光子集成与高速调制 | 可见光通信（LiFi） | GaN Micro-LED 光无线接入
-
程增光 复旦
硅基光电子集成 | 相变材料光子存储与计算 | 新型低维光电器件
-
王建禄 复旦
铁电光电探测器 | 二维材料光电器件
-
边历峰 复旦
宽禁带半导体光电器件 | 纳米线器件
-
王剑威 北大
集成光子量子芯片 | 大规模硅基光子集成 | 量子网络与量子计算
-
常林 北大
硅光子与铌酸锂平台 | 片上激光器与光频梳 | 量子光子集成
-
蔡鑫伦 中山大学
TFLN 光子集成 | 量子光通信器件 | 片上精密光频探测
-
任希锋 中科大
片上量子光源 | 可编程光子集成回路 | 光量子信息处理
-
祝宁华 中科院
微波光子学 | 高速光电子器件 | 宽带光信号产生与处理
-
邹卫文 交大
微波光子芯片 | 光子智能计算 | 片上光电信号处理
-
苏翼凯 交大
硅基光电子器件 | 高速电光调制器 | 片上光互连与交换
-
周林杰 交大
集成硅光子器件 | 电光开关与调制器 | 光学相控阵与雷达
-
谢卫强 交大
异质集成激光器 | 非线性光子与频梳 | 片上光计算与传感
-
吴侃 交大
集成光子芯片 | 片上激光雷达与光束操控 | 光频梳与脉冲光源
-
江伟 南大
光子晶体电光调制器 | 光学相控阵与激光雷达 | 光计算与光神经网络
-
胡小鹏 南大
薄膜铌酸锂光子芯片 | 高速电光调制器 | 非线性频率变换器件
-
谢臻达 南大
片上光频梳 | 光子芯片量子光源 | 无人机光量子通信
-
戴道锌 浙大
多模硅光子学 | 偏振与波长处理集成 | 可重构光互连芯片
-
储涛 浙大
硅光与 TFLN 集成芯片 | 光通信与光交换 | 光互连与光计算
-
杨建义 浙大
集成光子芯片 | 光互连与光传输 | 光感知与光计算
-
林宏焘 浙大
硅基光子异质集成 | 硫基与中红外光电器件 | 片上光场调控
境外
-
硅光子集成互连 | 空分复用光纤通信 | 片上光子计算引擎
-
Cheng Wang（王骋） 港城大
低损耗铌酸锂光子集成电路 | 超快电光调制器 | 集成微波光子处理器
-
异构光子集成平台 | 共封装光学收发器 | 片上激光频梳源
-
Kei May Lau（劉紀美） 港科大
硅上 III-V 异质外延 | GaN 激光器与 LED | Micro-LED 微显示集成
-
Michal Lipson Columbia
片上光频梳与调制器 | 超低损耗硅氮化物光子 | 量子光频率转换
-
Peter McMahon Cornell
片上光学神经网络 | 可编程光子处理器 | 量子光学计算
-
Marko Lončar Harvard
铌酸锂/钽酸锂电光调制器 | 片上频率梳光源 | 量子光子集成芯片
-
Marin Soljačić MIT
光子机器学习 | 逆向设计光子器件 | 深度学习与光子晶体
-
Jelena Vuckovic Stanford
逆向设计光子器件 | 片上集成光发射机 | 量子光子电路
-
David Miller Stanford
自配置光学系统 | 光调制器与光互连 | 可编程光信号处理
-
Shanhui Fan（范汕洄） Stanford
可编程光子集成电路 | 非互易光学隔离器 | 光子神经网络与计算
-
Vladimir Stojanovic UC Berkeley
光电集成芯片设计 | 密集波分复用收发器 | 处理器-光子协同设计
-
John Bowers UCSB
III-V/Si 异质集成激光器 | 硅基光子收发器 | 量子点片上光源
学术会议与期刊
毕业去向
企业
科研院所
相关科普
论文推荐
待补充
欢迎推荐该方向的入门综述或经典论文，参与建设 →