11 月 25 日消息，科技媒體 livescience 昨日（11 月 24 日）發布博文，報道稱來自芬蘭阿爾托大學的研究團隊成功演示名為“并行光學矩陣-矩陣乘法器”（POMMM）的新一代光學計算基礎架構，旨在解決人工智能（AI）模型訓練和執行中的核心瓶頸。
IT之家援引博文介紹，現代 AI 模型，尤其是大語言模型（LLM），其性能受限于處理“張量”（Tensor）數據的速度。
Tensor 是 AI 模型中用于組織數據的加權結構，處理速度的上限直接決定了模型規模的上限。POMMM 架構的出現，為突破這一限制提供了全新思路。
傳統光計算雖然在小規模下比電子計算更快、更節能，但存在一個致命缺陷：難以并行處理。與可以大規模串聯以指數級提升算力的圖形處理器（GPU）不同，大多數光學系統只能線性運行。
因此，盡管光計算潛力巨大，但開發者普遍傾向于選擇 GPU 的并行處理優勢。像 OpenAI、Google 等公司開發的頂級 AI 模型，正是依賴數千塊 GPU 并行運行才得以實現。
POMMM 技術能夠利用單次相干光的傳播過程，完成整個矩陣與矩陣的乘法運算。其核心原理在于，通過空間光調制器將數字張量編碼為光的相位和振幅，光束穿過實現傅里葉變換的透鏡組后，運算結果以干涉圖像的形式被高速探測器捕捉。整個算術過程在光的“飛行”中瞬間完成，無需電子環路或內存讀取，實現了物理層面的“自然同步計算”。