一款专为无线信号处理设计的革命性人工智能（AI）硬件加速器

美国麻省理工学院（MIT）近期开发了一款专为无线信号处理设计的革命性人工智能（AI）硬件加速器，其核心创新点在于光学计算技术的应用，显著提升了信号处理的效率和实时性。

1. 技术原理与创新

• 光学神经网络架构：该加速器名为“乘性模拟频域变换光学神经网络”（MAFT-ONN），直接利用光信号进行数据编码与处理，避免了传统数字信号转换的延迟。光信号在频域中完成所有计算，大幅提升了效率。
• 光电乘法技术：通过单一设备集成1万个神经元，一次性完成所有乘法运算，无需为每个神经元单独配置硬件。这种设计减少了硬件复杂度，同时支持线性与非线性计算的同步处理。
• 实时性与能效：实验显示，该芯片可在约120纳秒内完成无线信号分类，准确率达85%（多次测量后可达99%），比传统数字射频设备的微秒级处理速度快100倍，且能耗更低。

2. 性能优势

• 速度与精度：传统数字AI加速器需将信号转为图像再分类，而MIT的光学处理器直接处理原始信号，速度更快（纳秒级），准确率稳定在95%以上。
• 可扩展性：适用于多种高性能计算场景，如6G通信、边缘计算等，且体积小、成本低，适合大规模部署。

3. 应用场景

• 6G通信：尤其适用于认知无线电，可动态调整调制方式以优化数据传输速率，适应无线环境变化。
• 边缘计算：赋能自动驾驶车辆（快速环境响应）、智能医疗设备（如实时心脏监测的起搏器）等对低延迟要求高的领域 。
• 其他领域：未来可能扩展至量子计算、物联网（IoT）等需要高效信号处理的场景 。

4. 行业意义

• 突破瓶颈：解决了传统AI加速器在实时性和能效上的局限，为未来6G网络的内生AI技术提供了硬件基础 。
• 产业影响：与当前AI芯片投资热潮（如EnCharge AI等边缘计算芯片）相呼应，推动高效硬件在通信和智能设备中的落地。

MIT这一创新不仅推动了无线信号处理技术的边界，也为AI与通信网络的深度融合提供了关键工具，未来或将成为6G和边缘智能的核心技术之一。