光計算芯片，走到量產門口了嗎？

半個多世紀以來，摩爾定律一直是全球算力迭代的底層邏輯：製程越做越小、晶體管越堆越多、芯片算力越來越強。但現在，這套玩法快走到頭了。

如今大模型的參數規模正以近乎失控的速度膨脹，算力需求的攀升周期被不斷壓縮，可電子芯片的物理天花板已經肉眼可見。功耗牆、內存牆、帶寬牆，三座大山死死卡住了傳統GPU的進化節奏。越高端的算力芯片，功耗越高、散熱越難、數據搬運的無效損耗越嚴重。

簡單説：靠堆晶體管提升算力的路，走不通了。行業亟需一套全新解法，而用光代替電做計算，成了目前最顛覆、也最被寄予厚望的答案。

前不久落幕的2026 WAIC大會上，光計算賽道直接火力全開，三家國內頭部企業集中亮出底牌：

光本位科技宣佈，首次成功流片256*256矩陣規模的光子存內計算芯片。該芯片為目前全球算力密度最大和算力精度最高的光計算芯片，主要面向人工智能推理等高算力場景。

曦智科技推出全球首款光電混合計算一體化計算盒——天樞·光立方。這款創新產品基於其自主研發的PACE 2加速卡打造。

每刻深思則聯合合作伙伴展出「空間光計算芯片+大模型應用」全棧融合解決方案。

一波密集刷屏后，所有人都在問同一個問題：光計算火成這樣，是真的要量產落地、顛覆算力行業了嗎？

三種「光芯片」，使命截然不同

「光芯片」是一個被過度泛化的統稱。在產業語境中，至少存在三個功能迥異的類別，分別為光通信芯片、光互連芯片和光計算芯片。

其中光通信芯片負責長距離（公里級）信號傳輸，是光纖骨干網、5G前傳/回傳的核心器件。典型代表包括激光器芯片（DFB、VCSEL）、探測器芯片（APD、PIN）及調製器驅動芯片。其核心使命是提升傳輸距離與信號完整性。

光互連芯片負責短距離（釐米至米級）的芯片間、板卡間或服務器間互聯，解決數據搬運效率問題。典型形態為硅光收發引擎、微環調製器陣列等。其核心使命是提升帶寬密度並降低每比特傳輸能耗。

與前兩者不同，光計算芯片的定位並非傳輸通道，而是計算核心。光計算芯片是一種以光子為信息載體的新型處理器，通過光信號的傳輸、調製、干涉等物理過程完成數據計算，與傳統電子芯片相比，具備天然並行性（可利用波長、相位、偏振等多維度信息）、超低延迟（接近光速傳輸）和高能效（幾乎無電阻損耗）等優勢。

由於它專注於數據處理，因此也常常被拿來與GPU相提並論。

光計算芯片，第一桶金在哪里？

隨着光計算產業迎來關鍵拐點，而一個核心認知亟需確立：光計算的目標從來不是取代GPU，而是為GPU「卸擔子」。

GPU的優勢毋庸置疑——通用並行計算架構使其在訓練、推理、渲染、科學計算等多元場景中游刃有余。但這種通用性是有代價的：功耗密度持續攀升，散熱系統成本逐年走高，片間互連帶寬增速遠落后於算力提升速率，導致大規模集群中有效算力利用率被嚴重製約。換言之，通用性換來了廣度，卻也鎖死了效率天花板。

為突破這一瓶頸，業界已形成兩條創新路徑：一是存算一體技術，通過近存或存內計算，將存儲與計算深度融合，緩解「存儲牆」與數據搬運帶來的延迟與功耗；二是非GPU架構創新，如Sambanova的流式計算和谷歌TPU的ASIC路線，通過晶體管級微架構重構，提升計算單元的峰值利用率。然而，這兩條路徑終究未能跳出數字集成電路的根本制約。

正因如此，光電混合計算才被視為下一代算力基礎設施的「關鍵變量」。它的顛覆性不在於替代，而在於分工：將最適合光學的計算任務交給光，將複雜邏輯與通用控制留給電。

在Transformer主導的AI時代，矩陣乘法佔據總計算量的七成以上，而這恰好是光計算芯片的核心優勢場景。其原理簡潔而高效：輸入光信號被分束為多路並行傳播，每一路經由可調馬赫-曾德爾干涉儀（MZI）賦予相應權重，各路信號在輸出端自然匯聚，累加操作在光域內瞬時完成。整個計算過程的時延取決於光在波導中的傳播速度——近乎物理極限的即時性，而光傳輸過程幾乎不產生焦耳熱，功耗遠低於傳統電芯片。

目前產業界已基本形成共識：訓練階段依賴GPU（因邏輯複雜、精度要求高），推理階段可採用光電混合方案。從這個意義上説，光計算芯片的商業化第一桶金，主要掘自AI推理端。比如計算容量更大、速率要求更高的人工智能領域，圖像識別、語音識別等初級人工智能任務。除此之外，氣象監測、金融投資等也是潛在應用目標。

多條技術路線狂奔，誰離量產最近？

目前國內光計算賽道百花齊放，不同企業押注不同技術路線，落地進度也拉開了明顯差距，但主要集中在光電混合計算而非全光計算。

光電混合計算以電子電路負責控制、存儲與非線性運算，光器件僅承擔矩陣乘加這類線性加速任務，信號在芯片邊界或計算層之間需反覆進行電光、光電轉換。該方案能夠有效利用成熟CMOS生態，是當下能夠落地商用的主流方案。

在產業化實踐中，走光電混合路線的公司已經取得顯著突破。曦智科技便選擇硅基 MZI 相干光電混合計算路線。該公司在2021年12月就推出了第二代高性能光子計算處理器PACE，開創性地實現了光芯片與電芯片的融合，首次提出「光電混合算力新範式」。2024年至2025年，該公司光計算芯片出貨量連續兩年位居全球第一。據悉，曦智科技已與商湯科技、階躍星辰、申萬宏源、中科天算、東方空間達成戰略合作，覆蓋多AI應用場景，目標從底層技術到上層方案全鏈路協同。

美國公司Lightmatter的產品分為光子計算平臺（Envise），芯片互連產品（ Passage）和適配軟件（Idiom）三部分。Envise是世界首個光子計算平臺，每個Envise處理器擁有256個RISC內核，提供400Gbps的芯片間互連帶寬，而且支持PCI-E 4.0標準接口，具有不錯的兼容性。Envise處理器的原理是光通過波導進行計算，而每增加一種顏色的光源，就能相應增加運算速度。例如，如果用紅色激光源能進行每秒/100萬次的計算，那麼增加另一種顏色的激光源就可以將速度加倍，達到200萬次，以此類推；而增加光源幾乎不需要進行硬件修改。

值得注意的是，Envise平臺並非純粹的光子處理器，而是一個混合光電異構系統，結合了成熟CMOS工藝與先進硅光集成技術，旨在平衡靈活性、可編程性與極致性能。

上文提到的光本位是當前公開信息中矩陣規模領先的光子存內計算方案。區別於傳統 MZI 架構，光子存內計算將權重存儲與光學計算單元融合，理論上緩解 「存儲牆」，減少權重反覆刷新帶來的功耗開銷，在持續推理場景具備能效潛力。

不同於片上集成硅光路線，每刻深思主攻自由空間光計算，依託空間光調製器實現高並行光學運算。技術路線或許更適合端側、車載、工業感知等對芯片集成尺寸約束相對寬松、追求超低靜態功耗的場景，不需要高度複雜的硅光晶圓異質集成。

高校科研成果方面，早在2024年清華團隊便首創分佈式廣度智能光計算架構，研製全球首款大規模干涉衍射異構集成芯片太極(Taichi)，實現160 TOPS/W的通用智能計算。2025年6月，中國科學院上海光學精密機械研究所團隊創新性地解決了「光芯片上高密度信息並行處理」的難題，融合自主研製的多波長光源芯片、大帶寬光交互芯片、可重構光計算芯片、高精度光學矩陣驅動芯片及並行光電混合計算算法，成功研發超高並行光計算集成芯片——「流星一號」，實現了並行度大於100的光計算原型驗證系統。

全光計算則追求運算鏈路全程保留光信號，試圖擺脫光電轉換損耗，在光域直接實現線性運算與非線性變換。但受制於缺少高性能可集成的全光非線性器件、光存儲難以規模化等難題，目前僅處於實驗室驗證階段。

去年12月，上海交通大學集成電路學院團隊在新一代算力芯片領域取得重大突破，首次實現了支持大規模語義媒體生成模型的全光計算芯片LightGen。據介紹，LightGen可完整實現「輸入—理解—語義操控—生成」的閉環，完成高分辨率（≥512×512）圖像語義生成、3D生成（NeRF）、高清視頻生成及語義調控，同時支持去噪、局部與全局特徵遷移等多項大規模生成式任務。

雖然光計算賽道成果不斷、玩家扎堆，但目前僅停留在小規模試點商用階段，遠未達到大規模量產水平，核心受制於四大短板。一是工藝良率低、生產成本高，整體性價比不如成熟GPU；二是光電反覆轉換帶來額外功耗，抵消了光子計算的能效優勢；三是軟件生態零散，適配難度大、落地成本高；四是核心產業鏈配套不完善，產能和技術不足以支撐規模化落地。

回望算力產業發展史，每一次算力革命的突破，都是底層物理載體的迭代升級。從真空管到晶體管，從單核電子芯片到多核GPU，如今，光子正在開啟下一代算力的全新篇章。

本文來自微信公眾號「半導體產業縱橫」（ID：ICViews），作者：豐寧，36氪經授權發佈。