最近光子芯片相关新闻频上热搜,不少声音称其速度是英伟达A100的1000倍,无需光刻机就能打破技术封锁。但真实情况是,这些科研成果确实存在,却并非营销号渲染的“通用算力突破”——它们多是实验室在特定任务下的性能优势,距离替代电子芯片还有很长距离。
![]()
光子芯片的核心逻辑是用光波替代电信号传输与计算。它利用光的高速、并行特性处理线性计算,比如AI大模型中占比90%的矩阵乘法,光信号通过波导干涉就能完成运算,速度快且能耗低。比如清华与中科院发表在Nature上的XAI芯片,在图像识别等特定任务下,运算速度是A100的几千倍,能耗仅为后者的几百万分之一。但这种优势仅限于“模拟计算”——光信号的损耗、噪声会导致精度误差,无法处理复杂逻辑判断,比如运行Windows系统或训练ChatGPT,这些需要精确数字计算的场景,光子芯片根本无法胜任。
![]()
更关键的是,光子芯片无法独立工作。光信号的产生需要激光器,结果读取需要探测器转回电信号,这些环节仍需电子芯片控制。即使光子芯片本身不需要EUV光刻机,其配套的电子部分仍依赖传统半导体工艺,只是工艺精度要求更低(几百纳米甚至微米级)。就像磁悬浮列车再快,两端的车站仍需水泥建筑——光子是“高速传输的载体”,电子是“控制与转换的核心”,两者必须协同。
![]()
全球范围内,光子芯片的研究正从实验室走向产业化。美国Light Matter推出通用光子AI加速器Envise,国内企业也在加速布局:源杰科技的100G EML芯片通过客户验证,200G EML推进推广;仕佳光子的CW激光器芯片实现量产,覆盖75mW-1000mW序列;光迅科技的800G硅光芯片批量供应,1.6T硅光芯片流片突破。但行业仍面临三大挑战:一是高速光芯片(如200G EML)产能集中在海外,国内良率与产能不足,供需缺口显著;二是光器件集成度要求高,上万个器件的控制与稳定性仍是工艺难题;三是生态不完善,光子计算的软件框架需重新适配,开发者学习成本高。
![]()
从商业化路径看,“光电混合”是当前最现实的选择——不改变现有算力架构,用光子芯片替代部分线性计算核,比如数据中心的光模块。硅光芯片因兼容半导体工艺、成本更低,成为重要方向,800G/1.6T硅光模块需求增长迅速,国内企业正加速提升自给率。但从实验室原型到量产商品,还要跨过良率、稳定性与生态的“死亡谷”,预计2026年左右能在数据中心看到光子协处理器,2030年后才可能普及。
光子芯片不是电子芯片的“替代品”,而是“互补品”——它能解决电子芯片在高算力、低能耗上的瓶颈,却无法覆盖所有场景。科研突破值得欢呼,但产业落地需要尊重规律:承认差距、打磨工艺、完善生态,才能让光子芯片真正成为算力升级的新引擎。
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.