当前支撑最前沿机器学习应用的深度神经网络模型规模和复杂度日益增长，已逼近传统电子计算硬件的极限。光子硬件利用光进行机器学习计算，提供了更快且更节能的替代方案。然而，直到最近，仍有部分神经网络计算无法由光子设备完成，必须依赖芯片外的电子元件，从而限制了速度和效率。
2025年4月，Lightmatter公司发布了其革命性的Envise光子计算芯片，有望彻底重塑人工智能基础设施。该芯片专为大幅降低能耗并加速AI工作负载而设计。Envise芯片利用光而非电子进行计算，为应对AI模型对前所未有算力的需求，提供了解决传统硅芯片效率瓶颈的新途径。Lightmatter公司在8.5亿美元融资后估值达44亿美元，正积极引领新一代计算范式。
Lightmatter的光子处理器通过光来执行计算，尤其擅长深度学习核心的张量运算。芯片通过波导、透镜等光学元件操控光，实现以光速完成计算，既具备接近电子计算的精度，又大幅降低能耗。例如，其光子处理器可在仅78瓦电力下实现每秒65.5万亿次自适应块浮点16位运算。
与此同时，Q.ANT公司于2025年6月在ISC大会上展示了其光子原生处理服务器（NPS）。该服务器基于Q.ANT的“光赋能原生算术”（LENA）架构，能效高达传统技术的30倍，且具备卓越性能：16位浮点精度下所有计算操作准确率达99.7%，实现等效输出所需运算量减少40–50%，且无需主动冷却基础设施。
除了性能提升，研究人员还展示了即使是小规模量子计算机，也能通过新型光子量子电路提升机器学习表现。他们的研究表明，现有量子技术不仅仅停留在实验阶段，已经能在特定任务上超越经典系统。值得注意的是，这种光子方法还可极大降低能耗，为机器学习日益增长的能耗需求提供可持续的解决方案。
随着人工智能持续飞速发展，尤其是在以ChatGPT为代表的生成式AI模型推理任务中，对算力的需求正对传统电子计算系统提出巨大挑战。光子技术的进步推动了光子计算成为AI计算新模式的关注热点。AI与光子技术的深度融合，正孕育出“智能光子学”这一新兴交叉领域，有望彻底变革实际应用。