随着摩尔定律逐步逼近物理规律极限，微电子技能集成电路发展瓶颈已经涌现，光电芯片成为下一代芯片技能发展的方向之一。利用光旗子暗记进行数据传输、处理和存储的光电芯片有望成为5G和人工智能时期的关键根本举动步伐，并带动全体信息技能家当进入“从电到光”的转换过程。
1、美国光电芯片研发屡获打破，技能水平处于天下领先地位
2019年1月，美国哈佛大学的研究职员开拓出新型光子集成芯片。该芯片可以存储光并修正光的频率，有望运用于光量子信息处理、光旗子暗记处理和微波光子学。研究职员表示，许多光量子和经典光学运用都须要改变光的频率，而该芯片首次利用微波以可编程的办法实现对光频率的修正。
2019年6月，美国麻省理工学院的研究职员开拓出一种新型光子芯片。该芯片不仅体积更小，具有更低的功耗，且处理大规模神经网络的效率比现有打算机赶过数百万倍。研究结果表明，该芯片运行光神经网络的效率是电子芯片的千万倍。该芯片可提高演习和测试神经网络的速率与效率，其运用领域包括机器人目标识别、自然措辞处理、药物开拓、医学成像和无人驾驶汽车等。
2.光电芯片研究成果将加速其在人工智能等领域的运用
2019年4月，美国光智芯片公司（Lightelligence）成功开拓出世界首款光子芯片原型板卡。研究职员在该原型板卡上成功运用光子芯片运行Google Tensorflow自带的卷积神经网络模型，并完成对MNIST数据集的处理。在测试中，该光子芯片独立完成超过95%的运算，运算准确率在97%以上，已经靠近电子芯片，而光子芯片完成矩阵乘法所用的韶光仅为最前辈的电子芯片的约 1%。该光子芯片成功验证了用光子代替电子进行人工智能打算的可行性。
2019年5月，英特尔与美国加州大学伯克利分校（University ofCalifornia，Berkeley）的研究职员提出构建光神经网络的新架构，该研究有助于纳米光子神经网络在实际中运用。研究职员提出构建光学神经网络引擎的GridNet和FFTNet两种架构，并在针对手写数字识别任务的软件仿真中，对这两种架构进行演习。研究职员创造，在双精度浮点值下，GridNet的精度要高于FFTNet，FFTNet则对制造过程的精确性有更高的容忍度，且两种架构均可用于规模化生产。此项成果将推动基于光电芯片的人工智能硬件生态系统的搭建，为光电芯片的大规模运用创造可能。
3.对中国的影响和启迪
人工智能、大数据、超级打算机和云打算等前沿科技飞速发展，带动芯片制造工艺和设计水平直线提升。随着微电子芯片制造工艺逼近1纳米物理极限，依赖工艺水平精进提升芯片性能的方法越来越难以见效，摩尔定律正濒临失落效。由于光子在芯片中不受电磁阻力等的影响，可大幅提升芯片的信息处理效率，光子学与芯片结合的光电芯片技能有望摆脱摩尔定律的桎梏。
当前，环球光电芯片行业尚未形成寡头垄断局势，但美、日厂商霸占整体规模上风，中国紧张面临几方面的寻衅：
一是知识产权受限，国外领先企业已对部分器件、根本设计构造和某些技能路径申请专利，凭借专利把控家当链高端市场，抢占市场空间，中国企业通过自主创新绕过专利壁垒难度高；
二是国际标准制订能力不敷，国外机构和厂商在干系技能上已有多年积累，节制行业话语权，而中国只能参照国际标准；
三是高端产品核心技能缺失落，家当根本配套能力薄弱，中国低速光电芯片产品国产化率很高，但在高速光电芯片方面技能不敷，与国外差距明显。
四是中国在光电芯片设计工具、根本工艺和制造装备等家当根本方面配套能力不敷。
面对光电芯片掉队的现状，中国应重视技能发展趋势，进行科学方案布局，打破关键技能，造就和构建家当生态，强化家当根本提升与底层技能创新，推动技能、政策和家当环境的多渠道协同，推进家当布局向高端和自主可控发展。
