微軟打造「光學 AI 加速器」登上《Nature》，效率比 GPU 高百倍、MRI 與金融應用都能跑

微軟劍橋研究團隊打造了一台用光來運算的 AI 加速器（AOC, Analog Optical Computer），不僅以百倍能效顛覆 GPU，也首次將光學運算帶出實驗室，成功應用於MRI 重建、金融清算與 AI 推理，登上《Nature》期刊，引發產業界廣泛關注。

用 LED＋鏡頭打造的「實驗室拼裝機」，能跑優化與推理

這台光學運算機外觀看似由 Micro LED、手機相機模組、鏡頭組成的拼裝裝置，背後卻跑的是突破性的架構。透過光子處理矩陣乘法、電子處理非線性運算與調整，每輪運算僅需 20 奈秒，透過「固定點搜尋」快速收斂結果。

這樣的設計跳過了高成本的數位轉類比（DAC），也天然具備抗雜訊能力，成為目前少數能同時跑優化問題與 AI 推理的光學架構。

實測金融與醫療場景：解決現實問題，不只是炫技

微軟與巴克萊銀行合作，把金融市場中每日需處理的交易結算（DvP）問題映射到 AOC 上，結果 僅 7 次迭代就找出最優解。

在醫療方面，團隊也將 MRI 壓縮感知成像問題轉換為 AOC 能執行的優化模型。用僅 64 個變數就重建出腦部影像，進一步透過「數位雙生」（Digital Twin）跑出 20 萬變數的真實 MRI 資料，未來可能把掃描時間從 30 分鐘縮短到 5 分鐘。

AI 潛力最大，研究員：「它可能是 LLM 推理的終極解」

AOC 最令人期待的用途其實在 AI 領域。研究員發現，光學運算非常適合處理需要反覆迭代的「平衡模型」（如 Deep Equilibrium Networks、Hopfield Network），而這類模型在 GPU 上的計算量與能耗極高。

透過實驗，AOC 在 MNIST、Fashion-MNIST 等分類任務上表現穩定，幾乎與模擬結果完全對齊，也成功跑出高斯曲線、正弦函數的回歸任務。這讓研究團隊首次看見：「AI 不一定只能靠 GPU，也許還有『光』這條路。」

能效百倍差距：未來版本目標 500 TOPS/W

目前 AOC 雖還只是原型機，但微軟團隊估算，透過模組化擴展，每個模組未來可支援 400 萬個權重。拼接後可達 0.1–20 億權重規模。若能量產，AOC 的能效目標是 500 TOPS/W（約 2fJ/操作），遠勝目前最高效能 GPU（如 NVIDIA H100 僅 4.5 TOPS/W），效能差距 達百倍以上。

這項突破由多位跨學科學者共同完成：