未来的时代是人工智能时代，而在人工智能领域，卷积神经网络有着非常广泛的应用。
所谓“卷积神经网络”(Convolutional Neural Network,简称CNN)是一种广泛应用于计算机视觉、自然语言处理等领域的深度学习模型。它通过学习图像或文本中的局部特征来实现对整体数据的识别和理解。具有训练方法简单、计算结构统一的特点。但是卷积神经网络存储计算量都很大。在一个完整的卷积神经网络中，卷积运算的运算量通常占整个网络运算量的80%以上。
这就对用于卷积神经网络的卷积芯片提出了很高的运算要求。传统的卷积神经网络主要基于冯·诺依曼架构的电学硬件实现，存储单元和处理单元是分立的，导致数据交换速度和能耗之间的固有矛盾。随着数据量和网络复杂度的增加，电子计算方案越来越难以满足海量数据实时处理对高速、低能耗的计算硬件的需求。
近日，中国科学院半导体研究所集成光电子学国家重点实验室微波光电子课题组李明研究员-祝宁华院士团队研制出一款超高集成度光学卷积处理器。
光计算是一种利用光波作为载体进行信息处理的技术，具有大带宽、低延时、低功耗等优点，提供了一种“传输即计算，结构即功能”的计算架构，有望避免冯·诺依曼计算范式中存在的数据潮汐传输问题。
李明-祝宁华团队提出的光学卷积处理单元具有的优势在于：1、准确度高，对来自MNIST手写数字数据库的手写数字进行分类，准确率达92.17%；2、高算力密度，算力密度达到12.74-T；3、线性扩展性强，具有大规模集成潜力。
在Ai芯片领域，一直是英伟达占据领先优势，中国科学院半导体所推出的光计算卷积芯片，等于是开辟了一个新的赛道为我们未来的换道超车，奠定了良好的基础，为中国的科学家点赞！