3. 性能评估指标体系总览

评估一颗硅光计算芯片，不能只看“算得快不快”。硅光计算把光域传输的低损耗、高带宽优势与电域计算的灵活性结合在一起，其性能往往同时受光学链路、光电转换、电学驱动与数字控制多个环节制约。因此，建立一套统一的指标体系，是后续基准测试、横向对比和设计迭代的前提。本节先给出面向硅光计算芯片的评估指标框架，明确每个指标的定义、单位、测量口径以及它们之间的耦合关系。

一、六类核心指标的定义与单位

硅光计算芯片的评估指标可归纳为六类：算力、能效、延迟、带宽、精度、面积。它们分别回答“能算多少”“每焦耳能算多少”“多久出结果”“数据能多快喂进来”“算得准不准”“占多大地方”六个问题。

需要特别强调“口径”问题。同一颗芯片，若算力只统计光域乘累加，数值会明显高于把调制器驱动、跨阻放大器（TIA）、模数转换器（ADC）全部计入的端到端算力。因此任何指标都必须附带测量边界，否则横向对比没有意义。

二、指标之间的相互关系

这六类指标并非彼此独立，而是通过物理约束相互牵制。理解这些耦合关系，比记住单个数字更重要。

• 算力与带宽：算力上限受数据供给能力约束。若光链路带宽为 B，每个数据样本位宽为 w，则理论峰值算力不可能超过 B/w 对应的运算速率。带宽不足时，算力再高的计算阵列也会“饿死”。
• 能效与精度：提高精度通常意味着更多位数、更高调制线性度或更强纠错，直接推高功耗。能效与精度往往呈此消彼长关系，评估时应给出“精度—能效”曲线而非单点值。
• 延迟与面积：为降低延迟常采用并行展开或流水线，这会增加器件数量与面积；反之，面积受限时可能被迫串行复用，延迟上升。
• 带宽与能效：高速调制器与探测器通常需要更大驱动电压或更高偏置，带宽提升往往伴随单位比特能耗上升。
• 精度与面积：高位数ADC/DAC面积随位数近似指数增长，是硅光计算芯片面积与功耗的重要来源。

因此，硅光计算芯片的评估不应追求单一指标的极值，而应寻找满足应用约束的帕累托最优点。

三、面向硅光计算的评估指标框架

把上述关系组织成一个可操作的框架，可以按“输入—计算—输出—约束”四个层面展开：输入层关注带宽与数据格式；计算层关注算力、精度与能效；输出层关注延迟与结果质量；约束层关注面积、功耗与工艺良率。下图给出该框架的结构与主要耦合路径。

四、如何用这套框架做一次快速评估

假设某硅光计算芯片用于矩阵向量乘法，光链路带宽为 200 Gbps，输入数据位宽 8 bit，光域乘累加阵列规模为 64×64，调制器与探测器总功耗 2.5 W，激光器功耗 1.2 W，ADC 与数字控制功耗 1.8 W，端到端延迟约 15 ns，芯片面积 25 mm²。按框架逐项计算：

理论带宽约束算力上限 = 200 Gbps / 8 bit ≈ 25 G MAC/s
阵列单周期MAC数 = 64 × 64 = 4096 MAC
若时钟频率 1 GHz，光域峰值算力 ≈ 4096 × 1e9 = 4.096 T MAC/s
端到端能效 = 4.096 T MAC/s / (2.5 + 1.2 + 1.8) W ≈ 0.744 T MAC/s/W
换算为 pJ/MAC：1 / 0.744e12 × 1e12 ≈ 1.34 pJ/MAC

这里出现一个关键矛盾：光域峰值算力 4.096 T MAC/s 远高于带宽约束的 25 G MAC/s。这说明该芯片在给定带宽下无法持续满负荷运行，实际有效算力受输入带宽限制。评估结论应是“计算阵列算力充足，但接口带宽是瓶颈”，而非简单报告 4.096 T MAC/s。这正是指标体系框架的价值——它迫使评估者暴露瓶颈，而不是只展示最好看的数字。

五、指标框架的使用原则

第一，先定应用场景，再选主导指标。推理任务通常更看重能效与延迟，训练任务更看重算力与精度，光互连场景则带宽优先。第二，所有指标必须可测量、可复现，避免使用“理论峰值”代替“可持续值”。第三，关注指标间的权衡曲线而非单点，例如绘制“精度—能效”曲线或“带宽—算力”曲线，才能判断设计是否处于合理工作区间。第四，面积与功耗作为约束层指标，应始终参与评估，因为它们直接决定芯片能否封装、散热和量产。