人工智能的蓬勃发展推动了其在各个领域的广泛应用，在机器视觉、自动驾驶、棋盘游戏和临床诊断等各个领域取得了巨大的成功，但数据量的飞速增长使智能实现面临速度慢、能耗高的问题。冯·诺依曼架构的摩尔定律逐渐不再有效，集成电子电路算力也慢慢无法应对未来数据量爆炸性的增长，海量数据洪流的时代渐渐淘汰旧的芯片规则约束，正催生芯片架构进行一次巨大的革新。

　　光学计算利用光场仿真人工智能的实现过程，相较于电子计算，具有高速、高宽带、低功耗的优点，为解决这一瓶颈问题提供了一种独特的方式。比如通过光频梳对不同波长的数据或权重进行编码，单个时间步长的操作可以自然而然地同时应用于数千甚至数百万个不同信道。得益于现代图形处理器（GPU）强大的运算和并行计算能力以及广泛开源的数据集，模拟人工智能的光学计算成为可能。

　　在即将到来的第五代移动通信技术(5G)时代，大量的传感器和互联网连接设备每秒都会产生大量的数据，这些数据需要由人工智能以尽可能快的速度处理。神经网络是由成千上万个甚至数百万个相互连接的多层神经元组成的典型的人工智能模型，可以学习具有多层次抽象特征的数据，结构也在变得越来越复杂。