MIT专利US 12,688,407：光速运算的射频光子神经网络

💡 MIT于2026年7月21日获授专利US 12,688,407 B2，专利名称为"用于深度神经网络、信号处理与计算的射频光子架构"。由MIT电子学研究实验室的Dirk Englund和Ronald Davis发明，该系统利用经射频调制的光脉冲执行矩阵乘法，完全无需数字转换，这一运算正是所有AI模型的计算核心。全球AI数据中心2025年电力消耗已达约155 TWh（国际能源署，2025年），预计到2030年将增至三倍。一种比电子硬件快达670倍的光子方案，可能从根本上重塑AI硬件竞争格局。

AI数据中心，2025年155 TWh

全部数据中心，2025年485 TWh

AI数据中心，2030年（预测）465 TWh

全部数据中心，2030年（预测）945 TWh

MIT究竟申请了什么专利，用光做乘法

从核心来看，专利US 12,688,407 B2描述了MAFT-ONN，即乘法模拟频率变换光学神经网络。其核心思路：将神经网络的输入向量和权重矩阵编码为不同射频频率上的光学信号，令这些信号在光电探测器上发生干涉。探测器的输出信号中已包含每对元素的乘积，这正是驱动深度神经网络逐层推理所需的矩阵-向量乘法。

无需模数转换，无需内存总线，无需产生大量热量的算术逻辑单元。乘法运算以光速在光子域中被动完成，结果以射频信号形式输出，可直接进入下一处理阶段。

2022年3月1日的优先权日表明，这项工作早于当前光子AI初创公司浪潮多年。从临时申请到正式授权的四年历程，反映了背后研究的深度。20条权利要求为MIT提供了对射频频率编码光子神经计算方法的广泛专利保护。

它解决的问题，AI的能源之墙

据国际能源署统计，AI数据中心2025年消耗约155 TWh电力，约占全球用电量的0.5%，增速超过全球用电需求增速的16倍。预测到2030年这一数字将达465 TWh，是目前的三倍。在美国部分州，数据中心已吸收当地10%至25%的用电量。

问题的结构性根源：传统硅基AI加速器通过高能耗内存总线移动数字信号，而冷却这些芯片还需额外消耗数据中心40%的电力预算。随着神经网络模型持续扩大，硅基路线正在逼近物理能耗极限。

光子计算消除了这一核心瓶颈。光穿越玻璃时不会加热导线。光学干涉被动完成乘法运算，仅在激光源、调制器和探测器处耗能。MIT当前原型机的运算速度约为每秒38.5亿次，理论上在完整光子带宽下性能还可提升数个量级。正是因此，DARPA、美国陆军研究实验室和空军联合资助了这项研究。但一个有说服力的原型仍需要用实际数据证明其价值，而发表的研究正好做到了这一点。

这项技术的实际工作原理

外差探测是这项专利的物理核心机制。当两束频率略有不同的光束在光电探测器上合并时，探测器输出信号以两束光的频率差振荡，振幅编码了两个输入信号振幅的乘积。这就是用光，不借助晶体管，完成两个数相乘的方式。

MIT团队将权重矩阵的每一行和输入向量的每个元素分配到光载波上的特定射频频率，从而将这一原理扩展到完整的矩阵乘法。当所有频率编码信号在探测器阵列上干涉时，输出中的每个频率分量对应一个特定的逐元素乘积。对一行求和即得一个点积，即一次光学拍摄中的一个神经元输出。

射频域这一特性是与其他光子AI方案的主要区别。通过在射频频率下工作，系统可以直接接受来自真实传感器的原始射频输入：雷达回波、卫星信号、无线基站流量。演示原型在原始射频信号调制分类任务上实现85%的单次拍摄准确率，通过五次拍摄多数投票可提升至95%。延迟基准测试显示，在15 GHz带宽下比数字硬件快7至11倍，在1000 GHz下快达670倍。速度和效率只有在能够融入更广泛技术体系时才真正有意义，而这正是该专利的系统性影响所在。

这项专利依赖什么，又能释放什么

MAFT-ONN依赖三个成熟的技术流：窄线宽激光器（电信领域的成熟商品）、宽带电光调制器（受数据中心互连需求驱动快速扩展）以及光子集成电路制造（多个前沿晶圆厂已具备量产能力）。这些都不是新奇技术，都是光纤网络行业数十年来持续打磨的成果。

这项专利可能释放的价值：

• 雷达与6G的传感器端推理：在天线前端以纳秒级速度完成原始射频信号分类，无需数字往返至服务器。与自动驾驶、下一代基站和电子战直接相关。
• 大规模节能AI推理：若哪怕一小部分推理工作负载迁移至光子加速器，数据中心用电增长曲线便会弯折。Q.ANT等公司正在将能效提升30倍的相邻架构商业化。
• 边缘与卫星AI：不需要GPU即可运行神经网络的紧凑型光子芯片，是卫星、无人机、物联网设备等功耗受限平台的理想方案。
• 基础IP地位：20条权利要求广泛覆盖射频频率编码方法。该领域任何商业产品均需与这一专利组合打交道。

谁在背后，谁受到威胁

Dirk Englund教授是MIT电气工程与计算机科学系Jamieson职业发展讲席教授，是全球量子光子学与光子计算领域的领军研究者之一。其实验室自2019年起持续发表光子神经网络相关论文。共同发明人Ronald Davis主导了2025年发表于Nature Communications的实验实现工作。

光子AI计算的竞争格局包括：Q.ANT（通快集团子公司，2026年初已开始发货）、Lightmatter、Luminous Computing和Lightelligence。这些公司大多聚焦数据中心矩阵乘法。MIT的射频域方案在传感器-推理边界处开辟了独特细分市场，这一细分市场受到国防机构大力资助。

对现有参与者而言，长期威胁具有结构性。Nvidia的GPU主导地位建立在AI推理保持电子问题这一假设之上。若光子架构在延迟敏感的传感器推理领域被证实可行，并进而扩展至更广泛工作负载，AI运算位置的逻辑将随之改变。Intel和Nvidia均已通过共封装光学等工作对此趋势表示重视。要理解为何如此，需要从更宏观的创新体系来看这项专利的位置。

这项专利在更广泛创新体系中的位置

光子神经网络处于多条汇聚曲线的交汇处。它们依赖铌酸锂薄膜、氮化硅波导等电光材料，这些材料正因数据中心互连需求的投资拉动而进入大规模生产。它们依赖台积电硅光子线和IMEC等机构已可量产的光子集成电路。

反过来，光子AI为更快的调制器创造需求，这同时也推进了6G太赫兹通信，并验证了集成光子芯片设计，加速了量子光子学进展。这就是为什么一项处于这样交汇点的基础专利，其重要性远超单一技术领域的专利：它不是孤立地改变一件事，而是锁定了多条汇聚曲线的交叉口位置。这正是我们最后要思考的意义所在。

这对我们意味着什么？

MIT光子专利是一条多年来悄然积聚的技术轨迹上的精确里程碑。AI模型约每18个月规模翻倍，数据中心用电量到2030年将翻倍，硅基计算正在逼近晶体管缩小的物理极限。光子计算为计算功耗约束提供了一条局部绕行路径。

最近期的实际影响可能率先在国防和电信领域显现，射频原生方案的价值主张在这里最为清晰。更广泛的数据中心部署将取决于光子IC晶圆厂能否扩产，以及光子与数字推理之间的精度差距能否缩小。20条专利权利要求为MIT提供了塑造这一进程的强势筹码。

还有一个维度：专利US 12,688,407这类文件通常同步在多个司法管辖区提交。要在非英语市场获得法律保护并实现商业部署，每条权利要求都必须经过高精度的专利翻译处理。AI硬件领域的技术翻译绝非普通语言任务，而是技术精准性的较量：一个术语的误译可能导致整个司法管辖区的保护范围无效。

关键信息：MIT专利US 12,688,407 B2一览

字段	详情
专利号	US 12,688,407 B2
标题	用于深度神经网络、信号处理与计算的射频光子架构
权利人	麻省理工学院（MIT），美国马萨诸塞州剑桥
发明人	Ronald A. Davis；Dirk Robert Englund
申请号	18/149,249
优先权日	2022年3月1日
申请日	2023年1月3日
授权日	2026年7月21日
管辖区	美国（USPTO）
CPC分类	G06N 3/0675，H04B 10/04
权利要求数	20
资助方	DARPA、美国陆军研究实验室、美国空军、NSF

常见问题

来源

• USPTO官方公报 - US 12,688,407（2026年）
• 基于Shannon极限数据移动的射频光子深度学习处理器 - PMC / Nature Communications（2025年）
• 数据中心和AI消耗多少能源？ - Our World in Data（2025年，引用IEA）
• Q.ANT发布面向AI与HPC的新型光子处理器 - The Quantum Insider（2025年）

关于作者

Dao Huy（Lucas）是一位拥有7年以上经验的专业翻译，专注于技术翻译、专利翻译及知识产权文档，工作语言覆盖英语、中文和法语译入越南语。其工作涉及前沿领域：AI硬件专利、半导体文档及科技本地化。随着光子AI计算在多个司法管辖区形成专业性极强的新知识产权层，准确翻译专利权利要求，从外差探测到电光调制，对于跨市场权利执行至关重要。

如需在光子计算、AI硬件或任何深科技领域提交、许可或执行专利，并寻求精准的英越技术翻译或IP本地化服务，欢迎联系Lucas获取报价，访问 daohuy.com。