11 月 25 日消息，科技媒体 livescience 昨日（11 月 24 日）发布博文，报道称来自芬兰阿尔托大学的研究团队成功演示名为“并行光学矩阵-矩阵乘法器”（POMMM）的新一代光学计算基础架构，旨在解决人工智能（AI）模型训练和执行中的核心瓶颈。
IT之家援引博文介绍，现代 AI 模型，尤其是大语言模型（LLM），其性能受限于处理“张量”（Tensor）数据的速度。
Tensor 是 AI 模型中用于组织数据的加权结构，处理速度的上限直接决定了模型规模的上限。POMMM 架构的出现，为突破这一限制提供了全新思路。
传统光计算虽然在小规模下比电子计算更快、更节能，但存在一个致命缺陷：难以并行处理。与可以大规模串联以指数级提升算力的图形处理器（GPU）不同，大多数光学系统只能线性运行。
因此，尽管光计算潜力巨大，但开发者普遍倾向于选择 GPU 的并行处理优势。像 OpenAI、Google 等公司开发的顶级 AI 模型，正是依赖数千块 GPU 并行运行才得以实现。
POMMM 技术能够利用单次相干光的传播过程，完成整个矩阵与矩阵的乘法运算。其核心原理在于，通过空间光调制器将数字张量编码为光的相位和振幅，光束穿过实现傅里叶变换的透镜组后，运算结果以干涉图像的形式被高速探测器捕捉。整个算术过程在光的“飞行”中瞬间完成，无需电子环路或内存读取，实现了物理层面的“自然同步计算”。