英伟达砸40亿押注光芯片，硅光子技术真能让AI算力翻10倍？

导读：数据中心耗电量将在2030年突破全球总用电的4%，而英伟达刚刚用40亿美元赌了一把——用光代替电来传输数据。

2014年，英国南安普顿大学的一个实验室里，几台二手半导体设备被拼凑起来，组成了一个叫CORNERSTONE的开放原型平台。没人想到，这个"学术作坊"会在十年后成为英伟达布局下一代AI芯片的关键拼图。

从电到光：为什么芯片非要"换赛道"

传统芯片用电子传递信息，就像用马车运货——便宜、成熟，但速度和能耗都到了天花板。硅光子技术（Silicon Photonics）的思路很直接：让光来做这件事。

光在光纤里的传输损耗极低，带宽是铜线的数百倍，而且几乎不产生热量。CORNERSTONE的负责人Graham Reed教授打了个比方：「电信号在长距离传输时会像漏水的水管一样衰减，而光信号几乎不会。」

这个差异在AI时代被放大了。训练一个大模型，GPU之间需要每秒交换数TB的数据，电互连的功耗和延迟让工程师头疼。英伟达的DGX系统里，光是用于GPU间通信的NVLink电缆，功耗就占了整机的15%以上。

用光互连替代电互连，理论上能把能效提升10倍，延迟降到纳秒级。这不是优化，是换了一条路。

开源工厂：一个英国学术项目的"反商业"逻辑

CORNERSTONE的运营模式在半导体行业显得很"叛逆"。它不追求专利墙，而是提供免许可的开放工艺平台，任何人都能提交设计、制造原型。

创始人Reed的解释很直白：「光子芯片的制造设备太贵了，一套电子束光刻机就要几千万英镑。如果我们不让更多人用上，这个行业永远长不大。」

这种模式借鉴了开源软件的经验。过去十年，CORNERSTONE支撑了超过200个研究项目，孵化了十几家初创公司。它的工艺库被全球50多个机构调用，包括一些后来加入英伟达供应链的企业。

英伟达2024年对硅光子领域的40亿美元投资，部分流向了与CORNERSTONE有技术渊源的团队。钱流向哪里，往往说明技术路线已经跑通了。

从实验室到数据中心：光芯片的落地时间表

硅光子不是新概念。英特尔在2000年代初就开始布局，但商业化一直卡在成本和封装环节。光子器件和电子电路的集成难度，远高于纯电子芯片。

转折点出现在2023年。ChatGPT引爆的算力需求，让"能耗"从可选项变成了生死线。谷歌、亚马逊的数据中心PUE（能源使用效率）已经逼近理论极限，再往下挖，必须从芯片层面动刀。

CORNERSTONE的合作伙伴、光计算公司Finchetto的CEO说得很具体：「我们用光来控制光，省去了光电转换的环节。在特定计算任务上，能效可以比传统方案高100倍。」

英伟达的动作更快。它的下一代AI芯片架构中，光互连被设计为标配而非选配。40亿美元的投资里，收购和自建产线各占一半，目标是在2026年前实现量产。

谁还在牌桌上

除了英伟达，英特尔、台积电、三星都在加码硅光子。但技术路线有分歧：英特尔押注硅基激光器的单片集成，台积电则倾向于将光子芯片和电子芯片封装在一起。

CORNERSTONE的开放模式提供了一条中间道路——不站队，让市场自己选。它的工艺平台同时支持多种集成方案，相当于给行业提供了一个"沙盒"。

英国政府2024年追加的2.5亿英镑半导体投资，有相当部分流向了这类基础设施。在全球芯片竞赛中，英国没有最先进的制程，但试图用开放创新卡住生态位。

这个策略能走多远？一个信号是：CORNERSTONE的年度用户申请量在2023年增长了47%，其中企业占比首次超过学术机构。

光芯片从实验室到机房的距离，可能比电芯片短得多。当英伟达把硅光子写进下一代产品的必选项时，这个行业的基础设施才算真正成熟。问题是，你的数据中心准备好换"光纤"了吗？