光计算芯片，走到量产门口了吗？

文 | 半导体产业纵横

半个多世纪以来，摩尔定律一直是全球算力迭代的底层逻辑：制程越做越小、晶体管越堆越多、芯片算力越来越强。但现在，这套玩法快走到头了。

如今大模型的参数规模正以近乎失控的速度膨胀，算力需求的攀升周期被不断压缩，可电子芯片的物理天花板已经肉眼可见。功耗墙、内存墙、带宽墙，三座大山死死卡住了传统GPU的进化节奏。越高端的算力芯片，功耗越高、散热越难、数据搬运的无效损耗越严重。

简单说：靠堆晶体管提升算力的路，走不通了。行业亟需一套全新解法，而用光代替电做计算，成了目前最颠覆、也最被寄予厚望的答案。

前不久落幕的2026 WAIC大会上，光计算赛道直接火力全开，三家国内头部企业集中亮出底牌：

光本位科技宣布，首次成功流片256*256矩阵规模的光子存内计算芯片。该芯片为目前全球算力密度最大和算力精度最高的光计算芯片，主要面向人工智能推理等高算力场景。

曦智科技推出全球首款光电混合计算一体化计算盒——天枢·光立方。这款创新产品基于其自主研发的PACE 2加速卡打造。

每刻深思则联合合作伙伴展出“空间光计算芯片+大模型应用”全栈融合解决方案。

一波密集刷屏后，所有人都在问同一个问题：光计算火成这样，是真的要量产落地、颠覆算力行业了吗？

三种“光芯片”，使命截然不同

“光芯片”是一个被过度泛化的统称。在产业语境中，至少存在三个功能迥异的类别，分别为光通信芯片、光互连芯片和光计算芯片。

其中光通信芯片负责长距离（公里级）信号传输，是光纤骨干网、5G前传/回传的核心器件。典型代表包括激光器芯片（DFB、VCSEL）、探测器芯片（APD、PIN）及调制器驱动芯片。其核心使命是提升传输距离与信号完整性。

光互连芯片负责短距离（厘米至米级）的芯片间、板卡间或服务器间互联，解决数据搬运效率问题。典型形态为硅光收发引擎、微环调制器阵列等。其核心使命是提升带宽密度并降低每比特传输能耗。

与前两者不同，光计算芯片的定位并非传输通道，而是计算核心。光计算芯片是一种以光子为信息载体的新型处理器，通过光信号的传输、调制、干涉等物理过程完成数据计算，与传统电子芯片相比，具备天然并行性（可利用波长、相位、偏振等多维度信息）、超低延迟（接近光速传输）和高能效（几乎无电阻损耗）等优势。

由于它专注于数据处理，因此也常常被拿来与GPU相提并论。

光计算芯片，第一桶金在哪里？

随着光计算产业迎来关键拐点，而一个核心认知亟需确立：光计算的目标从来不是取代GPU，而是为GPU“卸担子”。

GPU的优势毋庸置疑——通用并行计算架构使其在训练、推理、渲染、科学计算等多元场景中游刃有余。但这种通用性是有代价的：功耗密度持续攀升，散热系统成本逐年走高，片间互连带宽增速远落后于算力提升速率，导致大规模集群中有效算力利用率被严重制约。换言之，通用性换来了广度，却也锁死了效率天花板。

为突破这一瓶颈，业界已形成两条创新路径：一是存算一体技术，通过近存或存内计算，将存储与计算深度融合，缓解“存储墙”与数据搬运带来的延迟与功耗；二是非GPU架构创新，如Sambanova的流式计算和谷歌TPU的ASIC路线，通过晶体管级微架构重构，提升计算单元的峰值利用率。然而，这两条路径终究未能跳出数字集成电路的根本制约。

正因如此，光电混合计算才被视为下一代算力基础设施的“关键变量”。它的颠覆性不在于替代，而在于分工：将最适合光学的计算任务交给光，将复杂逻辑与通用控制留给电。

在Transformer主导的AI时代，矩阵乘法占据总计算量的七成以上，而这恰好是光计算芯片的核心优势场景。其原理简洁而高效：输入光信号被分束为多路并行传播，每一路经由可调马赫-曾德尔干涉仪（MZI）赋予相应权重，各路信号在输出端自然汇聚，累加操作在光域内瞬时完成。整个计算过程的时延取决于光在波导中的传播速度——近乎物理极限的即时性，而光传输过程几乎不产生焦耳热，功耗远低于传统电芯片。

目前产业界已基本形成共识：训练阶段依赖GPU（因逻辑复杂、精度要求高），推理阶段可采用光电混合方案。从这个意义上说，光计算芯片的商业化第一桶金，主要掘自AI推理端。比如计算容量更大、速率要求更高的人工智能领域，图像识别、语音识别等初级人工智能任务。除此之外，气象监测、金融投资等也是潜在应用目标。

多条技术路线狂奔，谁离量产最近？

目前国内光计算赛道百花齐放，不同企业押注不同技术路线，落地进度也拉开了明显差距，但主要集中在光电混合计算而非全光计算。

光电混合计算以电子电路负责控制、存储与非线性运算，光器件仅承担矩阵乘加这类线性加速任务，信号在芯片边界或计算层之间需反复进行电光、光电转换。该方案能够有效利用成熟CMOS生态，是当下能够落地商用的主流方案。

在产业化实践中，走光电混合路线的公司已经取得显著突破。曦智科技便选择硅基 MZI 相干光电混合计算路线。该公司在2021年12月就推出了第二代高性能光子计算处理器PACE，开创性地实现了光芯片与电芯片的融合，首次提出“光电混合算力新范式”。2024年至2025年，该公司光计算芯片出货量连续两年位居全球第一。据悉，曦智科技已与商汤科技、阶跃星辰、申万宏源、中科天算、东方空间达成战略合作，覆盖多AI应用场景，目标从底层技术到上层方案全链路协同。

美国公司Lightmatter的产品分为光子计算平台（Envise），芯片互连产品（ Passage）和适配软件（Idiom）三部分。Envise是世界首个光子计算平台，每个Envise处理器拥有256个RISC内核，提供400Gbps的芯片间互连带宽，而且支持PCI-E 4.0标准接口，具有不错的兼容性。Envise处理器的原理是光通过波导进行计算，而每增加一种颜色的光源，就能相应增加运算速度。例如，如果用红色激光源能进行每秒/100万次的计算，那么增加另一种颜色的激光源就可以将速度加倍，达到200万次，以此类推；而增加光源几乎不需要进行硬件修改。

值得注意的是，Envise平台并非纯粹的光子处理器，而是一个混合光电异构系统 ，结合了成熟CMOS工艺与先进硅光集成技术，旨在平衡灵活性、可编程性与极致性能。

上文提到的光本位是当前公开信息中矩阵规模领先的光子存内计算方案。区别于传统 MZI 架构，光子存内计算将权重存储与光学计算单元融合，理论上缓解 “存储墙”，减少权重反复刷新带来的功耗开销，在持续推理场景具备能效潜力。

不同于片上集成硅光路线，每刻深思主攻自由空间光计算，依托空间光调制器实现高并行光学运算。技术路线或许更适合端侧、车载、工业感知等对芯片集成尺寸约束相对宽松、追求超低静态功耗的场景，不需要高度复杂的硅光晶圆异质集成。

高校科研成果方面，早在2024年清华团队便首创分布式广度智能光计算架构，研制全球首款大规模干涉衍射异构集成芯片太极(Taichi)，实现160 TOPS/W的通用智能计算。2025年6月，中国科学院上海光学精密机械研究所团队创新性地解决了“光芯片上高密度信息并行处理”的难题，融合自主研制的多波长光源芯片、大带宽光交互芯片、可重构光计算芯片、高精度光学矩阵驱动芯片及并行光电混合计算算法，成功研发超高并行光计算集成芯片——“流星一号”，实现了并行度大于100的光计算原型验证系统。

全光计算则追求运算链路全程保留光信号，试图摆脱光电转换损耗，在光域直接实现线性运算与非线性变换。但受制于缺少高性能可集成的全光非线性器件、光存储难以规模化等难题，目前仅处于实验室验证阶段。

去年12月，上海交通大学集成电路学院团队在新一代算力芯片领域取得重大突破，首次实现了支持大规模语义媒体生成模型的全光计算芯片LightGen。据介绍，LightGen可完整实现“输入—理解—语义操控—生成”的闭环，完成高分辨率（≥512×512）图像语义生成、3D生成（NeRF）、高清视频生成及语义调控，同时支持去噪、局部与全局特征迁移等多项大规模生成式任务。

虽然光计算赛道成果不断、玩家扎堆，但目前仅停留在小规模试点商用阶段，远未达到大规模量产水平，核心受制于四大短板。一是工艺良率低、生产成本高，整体性价比不如成熟GPU；二是光电反复转换带来额外功耗，抵消了光子计算的能效优势；三是软件生态零散，适配难度大、落地成本高；四是核心产业链配套不完善，产能和技术不足以支撑规模化落地。

回望算力产业发展史，每一次算力革命的突破，都是底层物理载体的迭代升级。从真空管到晶体管，从单核电子芯片到多核GPU，如今，光子正在开启下一代算力的全新篇章。