GPU之后，AI计算的下一代范式会是光吗？

21世纪经济报道记者 彭新

“现在可以说已经真正到了空间光计算商业化的元年。”每刻深思创始人、董事长邹天琦近日在接受21世纪经济报道记者专访时表示。

随着物理极限逼近，全球半导体行业正面临下一代制程放缓的严峻挑战，传统摩尔定律趋于失效。与此同时，大模型对AI运算规模与能效提出前所未有的要求，叠加光通信与光电子产业链的快速成熟，光计算正迎来新的商业化契机。

（每刻深思创始人、董事长邹天琦。受访者供图）

近年来，学术界在持续探索光电融合计算。2023年，清华大学戴琼海、乔飞等人的团队研发的全模拟光电计算芯片ACCEL登上《自然》，通过融合模拟光学与模拟电子，展示了光电计算在高速视觉任务中的潜力。

对此，《自然》评述指出：“或许这枚芯片的出现，会让新一代计算架构，比预想中早得多地进入日常生活。”2025年9月，微软英国剑桥研究院团队又在《自然》发表模拟光学计算机（AOC）研究，尝试利用三维光学与模拟电子协同处理AI推理和组合优化任务。

每刻深思的技术团队具有清华背景。邹天琦介绍，团队自2020年起，在戴琼海、乔飞等人的带领下推进空间光计算产业化研究。目前，公司正沿着这条几经沉浮的技术路线持续探索，推动研发空间光计算处理器OPU。

光计算迎产业化曙光

光计算的历史远比当今多数AI芯片公司的历史更为悠久，其理论基础为惠更斯-菲涅耳衍射原理，最早可追溯至17世纪惠更斯提出的波动光学原理，以及19世纪菲涅耳对衍射理论的系统完善，本质上是利用光波的波动性质进行信息处理。

到上世纪八九十年代，贝尔实验室等研究机构曾对数字光计算进行积极探索，但热潮很快消退。此后数十年间，光计算领域曾反复出现乐观预期，但在现实挑战下多次遇冷，未能发展成为主流通用计算技术方向。

资本市场对光子计算路线的关注也在持续升温。2024年10月，美国光子计算公司Lightmatter完成4亿美元D轮融资，估值达到44亿美元；2026年1月，专注光子AI加速器的初创公司Neurophos完成1.1亿美元A轮融资，由比尔·盖茨旗下Gates Frontier领投，微软M12、Aramco Ventures、Bosch Ventures、Carbon Direct Capital等多家机构跟投，累计融资额接近1.2亿美元。

随着大模型规模和调用量的持续增长，数据中心面临的压力已从算力供给扩展至存储、互联、功耗与能源等多个环节，逐渐演变为系统性挑战。目前，大模型参数量已从千亿级跃升至万亿级，头部厂商正加速向万亿规模迈进。邹天琦认为，传统电子芯片通过先进制程提升性能的难度与成本持续攀升，算力行业亟需在架构层面探索新方案。

光计算之所以具备产业化的可能，得益于需求端与供应链两块短板同时补齐。邹天琦将其概括为“木桶效应”：过去，市场既缺少足够大规模的矩阵运算需求，也缺乏成熟、低成本的器件供应链。如今大模型补上了需求端的短板；光通信、光互连以及AR/VR显示产业的发展，进一步为光源、超表面和探测器等光计算核心器件提供了量产基础。

当前，行业主流仍采用“电算光连”架构，即由电子芯片承担计算任务、光互连负责数据传输。英伟达、华为等厂商的光互连布局基本沿袭这一技术路径。实际上，光子在带宽、并行传输和传播速度上具有天然优势，已在光通信和数据中心互联中广泛应用，并被视为突破大模型算力瓶颈的前沿技术。

不过，光运算精度目前仍低于电子数字芯片，且现有光子芯片多为专用型，通用性有限。邹天琦认为，随着光在智算中心中的参与程度提升，光电融合有望成为一种重要发展形态，“光算光连”则是每刻深思长期重点探索的方向。

押注空间光计算

光计算领域目前存在集成光子与空间光计算等多种技术路线。集成光子方案通常让光在芯片平面上的波导中传播和计算；空间光计算则利用光在自由空间中的传播，在三维空间内开展大规模并行运算，在特定矩阵计算场景下具有较高适配性。

谈及每刻深思押注空间光计算路线，邹天琦解释称，阵列光源形成光场，照射到由纳米柱阵列构成的衍射超表面上，使矩阵向量运算在三维空间中并行完成；后端再由CMOS传感器阵列读取信号，在电域完成非线性和可编程操作，并将处理后的信号反馈给光源进行循环迭代，由此构成完整的光电计算回路。

沿着这一技术路线，每刻深思推出了面向大模型推理的空间光计算处理器OPU。邹天琦介绍，第一代OPU单卡的物理超表面阵列规模达到400×400×2，可利用空间光并行完成矩阵-向量乘法等线性运算。

邹天琦表示，现阶段，每刻深思对OPU的定位并非直接替代GPU，而是与GPU分工协作：“我们可以让OPU做专用的decoder（解码），让GPU去做擅长的prefill（预填充）任务。”

他判断，随着AI应用增长，推理在整体算力需求中的占比将持续提升。与训练相比，推理任务更容易针对固定模型和运算结构做专用优化；而GPU面向通用加速计算设计，在承担专用推理任务时，部分功能可能处于冗余状态，进而影响速度、功耗和成本表现，为专用算力架构留下市场空白。英伟达、AMD最近通过与ASIC芯片进行异构集成实现PD分离的落地实践，印证了这一点。

在他看来，当OPU在特定计算环节显著降低能耗、时延和总体成本时，这种架构就会具备商业可行性。现阶段，公司将OPU定位为一种差异化的异构加速方案，主要面向特定计算环节，为现有算力体系提供有效补充。

7月8日，每刻深思与壁仞科技、阶跃星辰签署战略合作协议，并发布光电融合AI智算底座。根据三方披露的合作方案，壁仞科技提供GPU算力底座和超节点系统，阶跃星辰提供大模型及应用场景支持，每刻深思提供空间光计算芯片。三方计划联合打通“大模型+GPU+空间光计算”全栈技术链路，破解传统电子算力的物理约束难题。

在邹天琦看来，光计算商业化的难点不只在硬件，还在于生态。“任何新的计算范式，都要面临生态培育的过程。”他以英伟达为例称，CUDA经过长期积累才形成用户习惯，光计算同样无法跳过这一阶段。每刻深思选择先从大模型推理切入，并与GPU厂商、模型企业合作，通过异构计算降低新架构的使用和迁移门槛。

邹天琦透露，每刻深思正推动相关方案在多地开展试点。除计算中心外，具身智能、自动驾驶等专用算力场景也是公司下一阶段重点探索的方向。未来，若光计算系统承担大模型训练任务，需先解决材料特性、光电共封装等问题，使系统具备可调试、可编程能力。而衍射超表面技术，正是空间光计算路线的关键，随着异构光电智算底座规模化落地，“光算光连”的全光架构或将构筑AI算力的下一代核心范式。