算力市場新變量：光計算迎來“Roadster時刻”

盡管DeepSeek的爆火讓科技界看到了算力降價的可能性，但科技巨頭對人工智能算力的投資并未停下腳步。在剛結束的財報會中，諸多巨頭都宣布對AI算力的巨額投資計劃。

"英偉達的真正對手，可能會出現在光計算領域。"一位資深芯片研究人員、芯片連續創業者說，因為光計算，指向的是一種速度更快、成本更低的計算方式。然而多位業內人員表示，光計算距離商業化落地，還需要時間。

在沈亦晨看來，硅光技術正在迎來迄今為止最大的機遇。他是曦智科技的創始人、CEO，這是一家提供光電混合算力解決方案的前沿科技公司。

2017年，沈亦晨以第一作者的身份在Nature子刊封面的一篇論文中提出了一種新的深度學習硬件實現方式，他發現了一種基于光子的神經網絡可以在計算速度和能效方面實現顯著提升。[1]這篇論文便是當下大熱的光計算賽道的技術源頭之一。

沈亦晨直言，在創業之初，并未想到大模型會給光芯片帶來全新的機會，一開始只是看到了光子芯片在人工智能方向上有應用潛力。但隨后出現的大模型，以及訓練大模型對算力的巨大需求，算是第一次為將光子芯片的商業應用提供了一個似乎已經能夠觸及的商業化路徑。大模型爆發對算力的需求，一方面使得傳統電芯片的計算密度和互連的速度不匹配，導致光子和電子的共同封裝或深度集成成為短期內的必然選擇；另一方面是摩爾定律即將走到盡頭，光計算作為全新的架構，能夠補充電芯片的局限性。

機遇熱潮之下，往往是公眾和一些"隔行"人士對光計算的夸大和誤解。有媒體稱，如今的光芯片性能能夠比傳統電芯片能效提升數百萬倍，甚至有文章稱依靠光芯片未來可以完全取代GPU。

沈亦晨表示，這樣的說法并不準確，從科研到產業，根本區別在于光芯片的技術特性是否能夠匹配到可持續的商業模式。"一味追求極致的技術指標，沒有太大價值；研發出能用、且真正為用戶創造價值的產品，才是我想做的事情。"沈亦晨表示。

本文訪談了芯片行業的多位專業人士，試圖回答光計算——這一被視為后摩爾時代的技術范式，其與傳統電芯片的關系是什么？光計算如今在商業化的過程中走到了哪一步？光計算能夠實現什么？要實現光計算的產業化，還有哪些關鍵挑戰？

一個古老想法的實踐

光學計算的核心，來自一個古老的設想——發明于19世紀90年代的馬赫-曾德爾干涉儀（Mach-Zehnder Interferometer）。這一設備將一束光一分為二，成為兩條路徑。分束后的光，沿著不同路徑傳播，當光遇到路徑末端的反射鏡，會返回分束器，此時兩束光合二為一，輸出光束的強度由輸入光束的強度與分裂光束之間的相位差決定。一方面，輸入的光越強，輸出的光就越強；另一方面，當一束光被分成兩束之后，這兩束光合并，如果波峰和波谷對齊（即相位相同），則輸出的光更強，如果波峰和波谷錯開（相位不同），輸出光越弱。

光學加速器具有以網格形式布局的馬赫-曾德爾陣列。這些陣列內的計算以光速進行，并且光通過芯片時能量消耗較低。

與電子不同，光子可以相互交叉但不產生相互作用。電阻會產生熱量、消耗能量，但光子通過透明介質時沒有阻力，從而可以降低功耗。

那么，從一百多年前的古老想法再到經過數年實踐，光計算芯片如今是否真能如一些文章中所說，速度快千倍，能效提升數百萬倍？

在沈亦晨看來，今天我們所說的"光計算"，其實都是光電混合計算——電仍然需要做存儲和非線性計算的工作。如果僅就這其中純光子計算的部分，也就是光的干涉過程所需的時間來看，光子芯片的確能夠比電芯片快差不多1000倍。但如果算上整個光子計算機系統所需要的時間，還有光電轉換、數模轉換以及內存、數字電路所花費的時間，那肯定無法達到1000倍的速度，也無法達到數百萬倍的能效提升。"光子計算比電子計算在相同節點下，能效領先5倍到10倍是一個合理的數字。"

光計算還有一個“缺點”，就是模擬計算的精度有限。正如習慣了開燃油車（以及其背后的工業體系和服務設施）的人剛接觸電動車時可能認為電動車的電池續航能力是一個缺陷，如今的主流軟件開發都是基于電芯片的硬件來開發高精度的算法，在這種高度依賴高精度算法的生態環境下，光計算的精度常常成為約束。“但很多人不一定意識到的是，今天世界上最強大的人工智能還沒有辦法媲美人腦。而人腦就是一個典型的低精度模擬計算系統。所以精度低這個特點本身并不意味著模擬計算比數字計算要差，只能說各自適合不同的任務”，沈亦晨說。

加州光子芯片初創公司 Lightmatter 的創始人兼CEO尼克·哈里斯（Nick Harris）指出，光學計算機不適用于邏輯運算。但他表示，盡管它們"永遠不會運行Windows，但它們是運行神經網絡的絕佳替代品"。[2]

因為，如果在低精度算法之下，光計算的低功耗、低時延的優勢就顯現出來。正如在加速性能領域，電動車的表現可以遠超同價位的燃油車。[3]

人工智能深度學習網絡的不斷發展，是光計算商業化的主要推動力。最初的神經網絡只有一兩層，節點幾千個，如今的深度學習網絡能達到一百多層，數十億節點，對算力需求巨大。此外，成本問題也不容小覷，畢竟處理愈加復雜的神經網絡和數據，電力消耗指數級上升。

光計算按照物理實現的方式可分為基于經典光學的計算和基于量子光學的計算，經典光計算可利用光的波動特性如干涉、衍射等規律來實現計算功能。量子計算包括超導、半導體、離子阱、光學等多種技術方案，光量子計算是以光子作為量子比特進行計算，通過對光子進行量子操控及測量來完成計算。[4]

不過，光計算的玩家并沒有打算完全放棄電芯片。對他們來說，光芯片和電芯片是一種互補，而不是替代。"這種互補在于，光芯片可以幫助電芯片在特定算法中提升算力。"一位光計算從業者表示。并且，光芯片制造工藝對制程不敏感，這樣一來，不依賴先進制程就能達到提升整體算力效能的目的。

基于業界的這一共識，當前的光計算技術路線以光電融合為主，如今已實現產品形態的光計算芯片架構都包含光芯片和電芯片。

在全球范圍內，風投、政府、初創公司和高校共同推動了這一古老研究的商業化。

2019年，美國國防部高級研究計劃局（DARPA）啟動了LUMOS項目，以研究具備深度學習能力、高算力和低功耗的集成光子芯片；歐盟"地平線2020計劃"資助建立了PhotonHub Europe，通過全方位服務的一站式光子創新中心加快歐洲工業對光子技術的采用和部署。此外，歐盟通過電子元件和系統聯合承諾等年度戰略計劃，進一步支持光子技術的發展；荷蘭方面，2022年4 月，荷蘭政府通過國家基金并聯合私營企業向光子集成電路產業投入11億歐元，以加速光子芯片技術創新研究。

英特爾在光芯片的道路上走得很早，其研究硅光技術20多年，并成立了互連集成光子學研究中心；IBM、谷歌、思科、NTT等國際公司也投入資源。全球也涌現出數十家光電混合算力初創企業，大多孵化于高校，如麻省理工學院團隊創辦的Lightmatter和從劍橋大學走出來的光計算公司Optalysys。今年10月，Lightmatter完成了4億美元的D輪融資，估值達到44億美元。這意味著國際資本對光芯片的認可。

不過，根據第三方研究機構中國信通院的統計和研究，盡管全球光計算公司已有數十家，但已出現了截然不同的狀態。一類公司的光計算業務幾乎停滯，遲遲無法商用；一類公司的重點從光計算轉向了光互連；一直在光計算上堅持的公司并不多，因為光計算的技術壁壘更高，商業化的路線更長，不過，能夠在這條路上堅持下來，并具備產品化能力的，依然是市場熱捧的對象，例如Lightmatter和曦智科技，兩家公司目前分居全球光計算公司估值前兩名。

2025年3月，曦智科技發布的新一代光電混合計算卡曦智天樞，其核心是包含了128*128的光子矩陣的光學處理單元（OPU）和電學專用集成電路（ACIS），采用了大規模光電集成技術，通過TSV+Flipchip先進封裝技術將光電芯片集成和封裝，具有高性能、可編程性和通用性的性能優勢。[5]

對光計算來說，矩陣相當于電芯片中制程的概念，矩陣需要不斷做大以提升性能。矩陣擴大帶來算力的提升，相應的單位算力功耗也會越低。

沈亦晨透露，曦智科技已經在開發下一代256*256矩陣的光計算產品，曦智科技的光計算技術路線規劃仍然在穩步推進。

光計算進入"Roadster時刻"

光計算如今處于什么階段？其第一批應用場景可能會在哪里？

對更多產業人士而言，論文中的指標只能作為參考，從實驗室到商業化之間，存在著"死亡之谷"，有許多工程化問題需要解決。

以曦智科技的天樞計算卡為例，隨著光計算矩陣的規模不斷擴大，光電芯片的超大規模集成將面臨重大挑戰。為了應對這些問題，TSV垂直封裝技術變得尤為重要。同時，溫度波動對計算精度的影響也會變成一個亟待解決的難題。曦智科技的硅光設計工程師華士躍表示，天樞的工程化問題，花了三年到四年的時間才解決，工程實現周期很長。曦智科技更坦言，公司在天樞開發上投入的研發成本，比之前所有的研發投入都要多。

光計算的商業化進程如何？沈亦晨打了一個比方——從曦智科技的角度看，天樞的發布，意味著光計算進入了特斯拉的Roadster階段。

2006年特斯拉的第一款電動跑車Roadster在加利福尼亞州圣莫尼卡機場巴克機庫首次亮相，彼時，世人對于電動汽車這個概念，都還覺得是"天方夜譚"——首款Roadster由一個用了6831個獨立的鋰離子電池的巨大電池組驅動，這被視為是特斯拉在電動汽車技術上的首次商業化嘗試。[9]

多年后馬斯克回憶Roadster從設計到商業化的過程，稱"這基本上是一場瘋狂的噩夢。我們犯了各種各樣的錯誤，錯誤如此之多，令人尷尬。"

Roadster是特斯拉首款使用鋰離子電池的量產全電動跑車，也是首款續航里程達到200英里（320千米）的純電動車。Roadster當年的首批客戶，以科技極客群體為主。2006年7月，馬斯克在硅谷一場邀請制的線下聚會中向大眾展示了紅黑兩輛Roadster原型車，并邀請了眾多科技富豪前來試駕。試駕現場，獲得了30份訂單。

Roadster創造的歷史并不止于此，2018年，Roadster成為了有史以來第一輛穿越大氣層前往太空的汽車。

沈亦晨對這樣的科技故事娓娓道來，Roadster這種寫滿叛逆的開創性，將不可能變為可能的經歷，是沈亦晨對于曦智產品的投射。沈亦晨笑稱，2021年發布的PACE是不能轉彎的電動車，只能在一些比賽上面跑，而今天的天樞則是一輛可以上路的電動車，具備了商業通用性，其商業化進展目前就在Roadster當初的小范圍百臺訂單階段。

與曦智的上一代光計算產品PACE相比，曦智剛剛發布的天樞計算卡，除了繼續支持光計算在部分應用場景中跑出相較于純電芯片的速度優勢外，最大提升來自于可編程性和通用性的提升。這款光計算處理器上甚至已經可以跑大模型算法——盡管受限于存儲帶寬，速度還很有限。

光計算今天走到了一個非常關鍵的時刻。

清華大學經濟管理學院教授楊斌、朱恒源在其《戰略節奏》一書中提及了市場發展的S曲線，隨著行業的增長，市場會出現四個發展階段。

第一個階段是小眾市場，用戶為發燒友，規模小且零散，成長速度慢，需求差異高；第二階段的用戶為大眾市場，用戶為大眾，規模大、成長速度快、需求差異低；分眾市場為挑剔客，規模大、增速平穩、需求差異高；雜合市場的用戶高度碎片化，規模趨于穩定，成長速度低，需求差異性高。[10]

如今光計算芯片正處于從小眾市場向大眾市場轉變的關鍵節點，需要快速建立生態、拓展用戶和市場。

在交流中，沈亦晨與曦智科技首席運營官王瀧都不斷強調生態的重要性。造芯片難，但建立生態的難度可能是造芯片的幾百倍，這考驗的不光是技術的領先與否，還有建立在芯片之上的整個軟件棧。"需要讓原本習慣吃西餐的人習慣吃中餐。"一位芯片研究人員做了如此比喻。

生態需要越來越多開發者加入，也需要時間的耕耘。英偉達就是最好的例子。對這家公司而言，芯片僅是其戰略布局中的一環，關鍵的是軟件生態。"給沒有實力做軟件開發的公司提供軟件服務。"前述研究人員表示。當大家習慣了用CUDA寫程序，就很難適應別的生態。

1999年，英偉達推出了首款GPU，此后，英偉達啟動了超級CUDA計算平臺的開發。黃仁勛的設想是要在每一顆顯卡上都運行CUDA。2006年，英偉達發布CUDA時，并沒有在科技界掀起太大風浪。英偉達選擇從高校入手——與全球頂尖研究機構和大學合作，逐步擴充應用場景。這種看似難以獲得短期回報的途徑，是很多新技術商業化探索的路線。因為高校的產品對穩定性和量產的要求不高，還能成為最前沿的研究的試驗場，或許能夠押中體現技術優勢的應用場景，從而實現商業化起飛，迅速從小眾市場上升到大眾市場。

2009年，多倫多大學教授杰弗里·辛頓（Geoffrey Hinton，2024年諾貝爾物理學獎得主）的團隊利用英偉達的CUDA平臺訓練了一個神經網絡模型，用來進行語音識別。2012年，辛頓的學生Alex Krizhevsky和Ilya Sutskever用了兩個英偉達的GPU，在CUDA平臺上訓練一個視覺識別神經網絡。與之相比，谷歌研究員訓練一個識別貓的神經網絡，需要大概一萬六千個CPU。[11]

在沈亦晨看來，要建立一個光計算的生態，選擇從高校入手也是目前看來最理想的商業化路徑。曦智科技與學校大量合作，提供光計算芯片給高校研究者們嘗試新場景應用。

曾經，一位多年芯片創業者與筆者交流時提及，芯片客戶分為三類，互聯網客戶、傳統行業客戶和新基建類客戶。互聯網客戶的生態依賴性最高，落地難度最大，而后兩者對國產化的需求更為迫切，這是中國芯片公司的機會，也是光計算企業的機會。反觀美國，因為電計算的勢頭太強，以英偉達為首的企業占據了過多風頭，使得電計算之外的技術路線難以有嶄露頭角的機會。

"如果能夠把模型的精度要求降下來，通過1-2年時間進行算法的量化開發，或許三年之后，就能夠看到有一代光計算產品的各方面性能明顯優于中國大陸用戶所使用的電計算方案。"——我們的這段對話發生在2024年底。一個多月之后，DeepSeek橫空出世，模型的精度要求下降，沈亦晨的預測已經實現了一半。

參考資料

[1] Deep learning with coherent nanophotonic circuits, Nature Photonics

[2] Photonic Supercomputer For AI: 10X Faster, 90% Less Energy, Plus Runway For 100X Speed Boost, Forbes

[3] 燃油車不香了！實測零百加速榜Top10出爐，電動車狂占8款，優視汽車

[4] 《光計算技術與產業發展研究報告（2023）》，中國信通院

[5] 曦智科技全球首發新一代光電混合計算卡，曦智科技

[6] 讓內存干CPU的活兒 這項技術將芯片運行速度提升百倍，科技日報

[7] Optics & Photonics Global Industry Report 2024，SPIE

[8] 曦智科技發布全新光互連產品，曦智科技

[9] Tesla Roadster unveiled in Santa Monica, AutoBlog

[10] 企業走好S線，戰略節奏才不亂，界面

[11] 2012，改變人類命運的180天，遠川研究所

作者：陳伊凡

編輯：黃主任

責任編輯：李墨天

封面圖片來自Shotdeck