استفاده از نوع برای رایانش و ارتباطات درون چیپ، حرارت تولیدی را کاهش می‌دهد که نتیجه چنین رویکردی کمتر شدن مصرف انرژی و همچنین بهبود سرعت است. به گفته این شرکت از سال ۲۰۱۰ تا به امروز، حجم قدرت محاسباتی مورد نیاز برای آموزش الگوریتم هوش مصنوعی ۵ برابر نرخ قانون مور افزایش پیدا کرده که تقریبا ۲ برابر افزایش به ازای هر سه ماه و نیم محسوب می‌شود.
پردازنده Lightmatter نیاز رو به افزایش برای محاسبات نسل آینده الگوریتم‌های هوش مصنوعی را برطرف خواهد کرد. پکیج تراشه استک سه بعدی حاوی بیش از یک میلیارد ترانزیستور FinFET، ده‌ها هزار واحد محاسباتی فوتونیک و صدها مبدل ثبت تنظیمات داده است. پردازنده فوتونیک این شرکت از فریمورک‌های یادگیری ماشینی استاندارد شامل «PyTorch» و «TensorFlow» پشتیبانی می‌کند.
معماری جدید پردازنده اپیتکال Lightmatter یک پیشرفت بزرگ در توسعه پردازنده‌های فوتونیک محسوب می‌شود و عملکرد بالای آن نشان می‌دهد که این کمپانی با رویکرد خود می‌تواند سرعت و بهره‌وری انرژی را نسبت به رایانش الکترونیکی کنونی افزایش دهد.
به گفته وزارت انرژی ایالات متحده آمریکا، تا سال ۲۰۳۰ فناوری‌های حوزه رایانش و ارتباطات بیش از ۸ درصد انرژی جهان را مصرف خواهند کرد. به اعتقاد Lightmatter، ترانزیستورهای پردازنده‌های سنتی بهبود پیدا نمی‌کنند و بلکه به راحتی دمای آن‌ها افزایش می‌یابد.
به اعتقاد مدیرعامل و موسس Lightmatter، «نیکولاس هریس» ایجاد دیتاسنترهای بزرگ به همراه پیشرفت در حوزه رایانش به بن بست می‌رسد. به گفته هریس، ما به پارادایم رایانش جدیدی نیاز داریم و پردازنده اپتیکال این کمپانی بسیار سریعتر و کم‌مصرفتر از پردازنده‌های سنتی است. این شرکت می‌خواهد همزمان با افزایش قدرت محاسبات، با کاهش مصرف انرژی تاثیر این فناوری‌ها روی کره زمین را کاهش دهد.