每秒都有数十亿封电子邮件、TikTok 视频以及人工智能请求所产生的数据，以光脉冲的形式在全球光纤网络中穿梭。沿途，这些光信号会经过微型光子芯片组件，它们不仅负责传输，还负责引导、分配和组合光信号，确保信息在庞大而复杂的网络中高效流动。

然而，现有光子芯片仍面临关键限制：在执行某些核心光学处理操作时能力不足。像信号转换、放大这类任务，往往需要依赖额外的外部组件来完成，而这些组件通常体积较大、能耗高、发热多，不利于系统进一步集成和扩展。

人工智能带来的新压力

目前，这些光学辅助组件在数据中心整体能耗中只占几个百分点，看似影响有限。但随着生成式人工智能的兴起，情况正在迅速变化。

与传统的简单搜索不同，生成式 AI 系统依赖大量、频繁的处理器间交互。每一次交互都意味着信号需要被多次转换、重塑和路由。过去可以忽略不计的能耗和延迟，如今正在演变为结构性瓶颈，直接影响 AI 系统的扩展上限。

如果技术路径不发生改变，这一趋势可能会推动数字基础设施的能耗快速攀升，甚至变得难以持续。而目前数字基础设施已经消耗了全球约 2% 的电力。

由蒙特利尔理工学院工程物理学教授 Stéphane Kéna-Cohen 领导的团队认为，他们找到了一条可能的解决方案。相关成果已发表在《科学进展》（Science Advances）期刊上。

让光在芯片上“自己干活”

该团队开发出一种可直接集成在硅基平台上的新型材料，使光子芯片能够在芯片内部执行更复杂的光学功能。借助这种材料，光信号可以在不频繁转换为电信号的情况下，直接在光域中被处理。

这一突破依托于一种专门设计、与光强烈相互作用的有机分子：三苯胺-二氰基喹喔啉（triphenylamine-dicyanovinyl-quinodimethane），简称 TPA-QCN。该材料展现出显著的二阶光学非线性响应，使得通过材料的光束可以彼此“作用”，从而在芯片上实现直接放大、调制等功能。

研究人员通过真空蒸发将 TPA-QCN 沉积成薄膜后发现，分子层并非随机取向，而是呈现出优选的自发对准排列。

“这种自发对准听起来像是一个细节，但在物理层面意义重大。”Kéna-Cohen 解释说，“正是这种取向，使材料具备了目前硅光子芯片所不具备的光操控能力。”

同样关键的是，这种有机材料与现有光子学产业的制造工艺兼容。

“我们现在可以切实设想，把这些新功能直接做进光子芯片里。”论文第一作者 Pierre-Luc Thériault 表示，“而且可以在低温、低成本条件下，利用行业中已经标准化的工艺来实现。”

为验证这一概念，团队设计并制造了一种集成器件，能够在芯片上直接将电信波段的红外光转换为可见红光。这一器件目前是原理性验证，但结果已经相当令人鼓舞。

“我们已经在使用性能更优的自对准分子变体时，看到了进一步的性能提升。”Kéna-Cohen 补充道。

这一方法为新一代光学组件打开了大门，包括用于信息编码的高速调制器、用于增强信号的片上放大器，以及为量子技术提供定制光场的专用光源等。

“如果能把这些功能都集成在同一块芯片上，系统设计会大大简化。”Kéna-Cohen 说，“转换步骤更少、发热更低，整体架构也更符合未来的需求。”

面向下一代 AI 数据中心

谷歌最新的 TPU 8t 和 8i 等 AI 专用芯片，已经展示了计算架构正在快速演进。通过显著提升处理器之间的数据交换，这类系统让信息传输——其中大部分以光的形式承载——成为现代数据中心日益突出的能耗瓶颈。

在这样的背景下，蒙特利尔理工学院团队在集成光子学上的进展，可能发挥关键作用。它并非要取代电子技术，而是让光在数据处理链条中承担更多任务，减轻电-光-电频繁转换带来的负担，从而为下一波大规模人工智能的发展提供更高效、更节能的基础设施。