计算机科学实验室。
光子计算机组。
实验室。
马兆和光子计算机组组长等人，将杨学斌迎进了实验室，走到了放置光子计算机的办公桌前。
与量子计算机一样，光子计算机体积很小。
整个主机，跟普通台式电脑的主机差不多大，连接了特制的显示器和键盘、鼠标。
同量子计算机一样，与传统计算机不同。
传统计算机可以通过叠加芯片，建造成超级计算机来获得算力的极限攀升。
决定光子计算机性能的不是芯片数量，而是光子芯片的性能。
在同一芯片空间内，通过增加波长、偏振、模式、轨道角动量等光学维度来并行处理更多信息，而且能效极高，几乎不怎么发热，所以体积可以做到很小。
因此光子计算机的性能指标，也不再是传统计算机的算力，而是处理通量和计算密度。
处理通量，就是单位时间内能处理的光学数据流总量。
这属于光子计算机的‘算力’。
哪怕是初代机，处理通量也是每秒千万亿计的。
即一个集成了百万通道的系统，每通道以100GHz速率处理数据，那么总通量就是106×1011=1017samples/s。
计算密度，就是单位芯片面积（或体积）上可同时进行的独立计算任务数。
计算密度越高，光子计算机越小。
利用波长、偏振、模式等多维复用，单点可实现>1000个并行计算通道，集成密度比电子芯片高多个数量级。
因为光的传播速度极快，光子计算机的延迟可以降到皮秒级。
传统计算机，基本上都是毫秒级。
至于能耗，由于计算过程几乎不发热，其能效是目前顶级GPU的百万倍以上。
那该如何理解光子计算机的性能？
传统计算机计算是逐次的逻辑运算，一次只能处理一个任务，但因为它的速度实在是太快了，动辄每秒几万亿次，因此给人感觉在一秒内它能够并行处理很多任务。
而光子计算机，则是真正的超并行处理。
它这个超并行处理，并非处理任务，而是数据样本本身。
我们举个例子。
比如说：实时识别超高速摄像机拍摄的视频中的物体。
传统架构：CPU/GPU需要一帧帧读取图片数据，调用算法程序逐像素计算。
全光架构：摄像机产生的光信号直接进入全光芯片。
光在芯片的纳米结构中以光速传播，其物理过程本身就是卷积神经网络的一层或多层计算，光从另一端输出时，已是处理后的结果。
是零延迟的‘感算一体’。
每秒千万亿样本的通量，意味着它能同时处理千万亿个数据。
这是传统计算机无法比拟的，同样也是量子计算机无法比拟的，在这个领域光子计算机拥有指数级的优势。
它就像是一个拥有千万亿个输入和输出的特殊函数，每秒钟这个函数可以被计算一次。
但一次计算，就处理了千万亿个数据点。
正因为光子计算机的这些特殊性能，让它在人工智能与机器学习，实时信号处理与通信，特定科学计算与模拟等方面拥有绝对的优势。