盡管DeepSeek的爆火讓科技界看到了算力降價的可能性，但科技巨頭對人工智能算力的投資并未停下腳步。在剛結(jié)束的財報會中，諸多巨頭都宣布對AI算力的巨額投資計劃。

"英偉達(dá)的真正對手，可能會出現(xiàn)在光計算領(lǐng)域。"一位資深芯片研究人員、芯片連續(xù)創(chuàng)業(yè)者說，因?yàn)楣庥嬎?，指向的是一種速度更快、成本更低的計算方式。然而多位業(yè)內(nèi)人員表示，光計算距離商業(yè)化落地，還需要時間。

在沈亦晨看來，硅光技術(shù)正在迎來迄今為止最大的機(jī)遇。他是曦智科技的創(chuàng)始人、CEO，這是一家提供光電混合算力解決方案的前沿科技公司。

2017年，沈亦晨以第一作者的身份在Nature子刊封面的一篇論文中提出了一種新的深度學(xué)習(xí)硬件實(shí)現(xiàn)方式，他發(fā)現(xiàn)了一種基于光子的神經(jīng)網(wǎng)絡(luò)可以在計算速度和能效方面實(shí)現(xiàn)顯著提升。[1]這篇論文便是當(dāng)下大熱的光計算賽道的技術(shù)源頭之一。

沈亦晨直言，在創(chuàng)業(yè)之初，并未想到大模型會給光芯片帶來全新的機(jī)會，一開始只是看到了光子芯片在人工智能方向上有應(yīng)用潛力。但隨后出現(xiàn)的大模型，以及訓(xùn)練大模型對算力的巨大需求，算是第一次為將光子芯片的商業(yè)應(yīng)用提供了一個似乎已經(jīng)能夠觸及的商業(yè)化路徑。大模型爆發(fā)對算力的需求，一方面使得傳統(tǒng)電芯片的計算密度和互連的速度不匹配，導(dǎo)致光子和電子的共同封裝或深度集成成為短期內(nèi)的必然選擇；另一方面是摩爾定律即將走到盡頭，光計算作為全新的架構(gòu)，能夠補(bǔ)充電芯片的局限性。

機(jī)遇熱潮之下，往往是公眾和一些"隔行"人士對光計算的夸大和誤解。有媒體稱，如今的光芯片性能能夠比傳統(tǒng)電芯片能效提升數(shù)百萬倍，甚至有文章稱依靠光芯片未來可以完全取代GPU。

沈亦晨表示，這樣的說法并不準(zhǔn)確，從科研到產(chǎn)業(yè)，根本區(qū)別在于光芯片的技術(shù)特性是否能夠匹配到可持續(xù)的商業(yè)模式。"一味追求極致的技術(shù)指標(biāo)，沒有太大價值；研發(fā)出能用、且真正為用戶創(chuàng)造價值的產(chǎn)品，才是我想做的事情。"沈亦晨表示。

本文訪談了芯片行業(yè)的多位專業(yè)人士，試圖回答光計算——這一被視為后摩爾時代的技術(shù)范式，其與傳統(tǒng)電芯片的關(guān)系是什么？光計算如今在商業(yè)化的過程中走到了哪一步？光計算能夠?qū)崿F(xiàn)什么？要實(shí)現(xiàn)光計算的產(chǎn)業(yè)化，還有哪些關(guān)鍵挑戰(zhàn)？

一個古老想法的實(shí)踐

光學(xué)計算的核心，來自一個古老的設(shè)想——發(fā)明于19世紀(jì)90年代的馬赫-曾德爾干涉儀（Mach-Zehnder Interferometer）。這一設(shè)備將一束光一分為二，成為兩條路徑。分束后的光，沿著不同路徑傳播，當(dāng)光遇到路徑末端的反射鏡，會返回分束器，此時兩束光合二為一，輸出光束的強(qiáng)度由輸入光束的強(qiáng)度與分裂光束之間的相位差決定。一方面，輸入的光越強(qiáng)，輸出的光就越強(qiáng)；另一方面，當(dāng)一束光被分成兩束之后，這兩束光合并，如果波峰和波谷對齊（即相位相同），則輸出的光更強(qiáng)，如果波峰和波谷錯開（相位不同），輸出光越弱。

光學(xué)加速器具有以網(wǎng)格形式布局的馬赫-曾德爾陣列。這些陣列內(nèi)的計算以光速進(jìn)行，并且光通過芯片時能量消耗較低。

與電子不同，光子可以相互交叉但不產(chǎn)生相互作用。電阻會產(chǎn)生熱量、消耗能量，但光子通過透明介質(zhì)時沒有阻力，從而可以降低功耗。

那么，從一百多年前的古老想法再到經(jīng)過數(shù)年實(shí)踐，光計算芯片如今是否真能如一些文章中所說，速度快千倍，能效提升數(shù)百萬倍？

在沈亦晨看來，今天我們所說的"光計算"，其實(shí)都是光電混合計算——電仍然需要做存儲和非線性計算的工作。如果僅就這其中純光子計算的部分，也就是光的干涉過程所需的時間來看，光子芯片的確能夠比電芯片快差不多1000倍。但如果算上整個光子計算機(jī)系統(tǒng)所需要的時間，還有光電轉(zhuǎn)換、數(shù)模轉(zhuǎn)換以及內(nèi)存、數(shù)字電路所花費(fèi)的時間，那肯定無法達(dá)到1000倍的速度，也無法達(dá)到數(shù)百萬倍的能效提升。"光子計算比電子計算在相同節(jié)點(diǎn)下，能效領(lǐng)先5倍到10倍是一個合理的數(shù)字。"

光計算還有一個“缺點(diǎn)”，就是模擬計算的精度有限。正如習(xí)慣了開燃油車（以及其背后的工業(yè)體系和服務(wù)設(shè)施）的人剛接觸電動車時可能認(rèn)為電動車的電池續(xù)航能力是一個缺陷，如今的主流軟件開發(fā)都是基于電芯片的硬件來開發(fā)高精度的算法，在這種高度依賴高精度算法的生態(tài)環(huán)境下，光計算的精度常常成為約束?！暗芏嗳瞬灰欢ㄒ庾R到的是，今天世界上最強(qiáng)大的人工智能還沒有辦法媲美人腦。而人腦就是一個典型的低精度模擬計算系統(tǒng)。所以精度低這個特點(diǎn)本身并不意味著模擬計算比數(shù)字計算要差，只能說各自適合不同的任務(wù)”，沈亦晨說。

加州光子芯片初創(chuàng)公司 Lightmatter 的創(chuàng)始人兼CEO尼克·哈里斯（Nick Harris）指出，光學(xué)計算機(jī)不適用于邏輯運(yùn)算。但他表示，盡管它們"永遠(yuǎn)不會運(yùn)行Windows，但它們是運(yùn)行神經(jīng)網(wǎng)絡(luò)的絕佳替代品"。[2]

因?yàn)?，如果在低精度算法之下，光計算的低功耗、低時延的優(yōu)勢就顯現(xiàn)出來。正如在加速性能領(lǐng)域，電動車的表現(xiàn)可以遠(yuǎn)超同價位的燃油車。[3]

人工智能深度學(xué)習(xí)網(wǎng)絡(luò)的不斷發(fā)展，是光計算商業(yè)化的主要推動力。最初的神經(jīng)網(wǎng)絡(luò)只有一兩層，節(jié)點(diǎn)幾千個，如今的深度學(xué)習(xí)網(wǎng)絡(luò)能達(dá)到一百多層，數(shù)十億節(jié)點(diǎn)，對算力需求巨大。此外，成本問題也不容小覷，畢竟處理愈加復(fù)雜的神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)，電力消耗指數(shù)級上升。

光計算按照物理實(shí)現(xiàn)的方式可分為基于經(jīng)典光學(xué)的計算和基于量子光學(xué)的計算，經(jīng)典光計算可利用光的波動特性如干涉、衍射等規(guī)律來實(shí)現(xiàn)計算功能。量子計算包括超導(dǎo)、半導(dǎo)體、離子阱、光學(xué)等多種技術(shù)方案，光量子計算是以光子作為量子比特進(jìn)行計算，通過對光子進(jìn)行量子操控及測量來完成計算。[4]

不過，光計算的玩家并沒有打算完全放棄電芯片。對他們來說，光芯片和電芯片是一種互補(bǔ)，而不是替代。"這種互補(bǔ)在于，光芯片可以幫助電芯片在特定算法中提升算力。"一位光計算從業(yè)者表示。并且，光芯片制造工藝對制程不敏感，這樣一來，不依賴先進(jìn)制程就能達(dá)到提升整體算力效能的目的。

基于業(yè)界的這一共識，當(dāng)前的光計算技術(shù)路線以光電融合為主，如今已實(shí)現(xiàn)產(chǎn)品形態(tài)的光計算芯片架構(gòu)都包含光芯片和電芯片。

在全球范圍內(nèi)，風(fēng)投、政府、初創(chuàng)公司和高校共同推動了這一古老研究的商業(yè)化。

2019年，美國國防部高級研究計劃局（DARPA）啟動了LUMOS項(xiàng)目，以研究具備深度學(xué)習(xí)能力、高算力和低功耗的集成光子芯片；歐盟"地平線2020計劃"資助建立了PhotonHub Europe，通過全方位服務(wù)的一站式光子創(chuàng)新中心加快歐洲工業(yè)對光子技術(shù)的采用和部署。此外，歐盟通過電子元件和系統(tǒng)聯(lián)合承諾等年度戰(zhàn)略計劃，進(jìn)一步支持光子技術(shù)的發(fā)展；荷蘭方面，2022年4 月，荷蘭政府通過國家基金并聯(lián)合私營企業(yè)向光子集成電路產(chǎn)業(yè)投入11億歐元，以加速光子芯片技術(shù)創(chuàng)新研究。

英特爾在光芯片的道路上走得很早，其研究硅光技術(shù)20多年，并成立了互連集成光子學(xué)研究中心；IBM、谷歌、思科、NTT等國際公司也投入資源。全球也涌現(xiàn)出數(shù)十家光電混合算力初創(chuàng)企業(yè)，大多孵化于高校，如麻省理工學(xué)院團(tuán)隊創(chuàng)辦的Lightmatter和從劍橋大學(xué)走出來的光計算公司Optalysys。今年10月，Lightmatter完成了4億美元的D輪融資，估值達(dá)到44億美元。這意味著國際資本對光芯片的認(rèn)可。

不過，根據(jù)第三方研究機(jī)構(gòu)中國信通院的統(tǒng)計和研究，盡管全球光計算公司已有數(shù)十家，但已出現(xiàn)了截然不同的狀態(tài)。一類公司的光計算業(yè)務(wù)幾乎停滯，遲遲無法商用；一類公司的重點(diǎn)從光計算轉(zhuǎn)向了光互連；一直在光計算上堅持的公司并不多，因?yàn)楣庥嬎愕募夹g(shù)壁壘更高，商業(yè)化的路線更長，不過，能夠在這條路上堅持下來，并具備產(chǎn)品化能力的，依然是市場熱捧的對象，例如Lightmatter和曦智科技，兩家公司目前分居全球光計算公司估值前兩名。

2025年3月，曦智科技發(fā)布的新一代光電混合計算卡曦智天樞，其核心是包含了128*128的光子矩陣的光學(xué)處理單元（OPU）和電學(xué)專用集成電路（ACIS），采用了大規(guī)模光電集成技術(shù)，通過TSV+Flipchip先進(jìn)封裝技術(shù)將光電芯片集成和封裝，具有高性能、可編程性和通用性的性能優(yōu)勢。[5]

對光計算來說，矩陣相當(dāng)于電芯片中制程的概念，矩陣需要不斷做大以提升性能。矩陣擴(kuò)大帶來算力的提升，相應(yīng)的單位算力功耗也會越低。

沈亦晨透露，曦智科技已經(jīng)在開發(fā)下一代256*256矩陣的光計算產(chǎn)品，曦智科技的光計算技術(shù)路線規(guī)劃仍然在穩(wěn)步推進(jìn)。

光計算進(jìn)入"Roadster時刻"

光計算如今處于什么階段？其第一批應(yīng)用場景可能會在哪里？

對更多產(chǎn)業(yè)人士而言，論文中的指標(biāo)只能作為參考，從實(shí)驗(yàn)室到商業(yè)化之間，存在著"死亡之谷"，有許多工程化問題需要解決。

以曦智科技的天樞計算卡為例，隨著光計算矩陣的規(guī)模不斷擴(kuò)大，光電芯片的超大規(guī)模集成將面臨重大挑戰(zhàn)。為了應(yīng)對這些問題，TSV垂直封裝技術(shù)變得尤為重要。同時，溫度波動對計算精度的影響也會變成一個亟待解決的難題。曦智科技的硅光設(shè)計工程師華士躍表示，天樞的工程化問題，花了三年到四年的時間才解決，工程實(shí)現(xiàn)周期很長。曦智科技更坦言，公司在天樞開發(fā)上投入的研發(fā)成本，比之前所有的研發(fā)投入都要多。

光計算的商業(yè)化進(jìn)程如何？沈亦晨打了一個比方——從曦智科技的角度看，天樞的發(fā)布，意味著光計算進(jìn)入了特斯拉的Roadster階段。

2006年特斯拉的第一款電動跑車Roadster在加利福尼亞州圣莫尼卡機(jī)場巴克機(jī)庫首次亮相，彼時，世人對于電動汽車這個概念，都還覺得是"天方夜譚"——首款Roadster由一個用了6831個獨(dú)立的鋰離子電池的巨大電池組驅(qū)動，這被視為是特斯拉在電動汽車技術(shù)上的首次商業(yè)化嘗試。[9]

多年后馬斯克回憶Roadster從設(shè)計到商業(yè)化的過程，稱"這基本上是一場瘋狂的噩夢。我們犯了各種各樣的錯誤，錯誤如此之多，令人尷尬。"

Roadster是特斯拉首款使用鋰離子電池的量產(chǎn)全電動跑車，也是首款續(xù)航里程達(dá)到200英里（320千米）的純電動車。Roadster當(dāng)年的首批客戶，以科技極客群體為主。2006年7月，馬斯克在硅谷一場邀請制的線下聚會中向大眾展示了紅黑兩輛Roadster原型車，并邀請了眾多科技富豪前來試駕。試駕現(xiàn)場，獲得了30份訂單。

Roadster創(chuàng)造的歷史并不止于此，2018年，Roadster成為了有史以來第一輛穿越大氣層前往太空的汽車。

沈亦晨對這樣的科技故事娓娓道來，Roadster這種寫滿叛逆的開創(chuàng)性，將不可能變?yōu)榭赡艿慕?jīng)歷，是沈亦晨對于曦智產(chǎn)品的投射。沈亦晨笑稱，2021年發(fā)布的PACE是不能轉(zhuǎn)彎的電動車，只能在一些比賽上面跑，而今天的天樞則是一輛可以上路的電動車，具備了商業(yè)通用性，其商業(yè)化進(jìn)展目前就在Roadster當(dāng)初的小范圍百臺訂單階段。

與曦智的上一代光計算產(chǎn)品PACE相比，曦智剛剛發(fā)布的天樞計算卡，除了繼續(xù)支持光計算在部分應(yīng)用場景中跑出相較于純電芯片的速度優(yōu)勢外，最大提升來自于可編程性和通用性的提升。這款光計算處理器上甚至已經(jīng)可以跑大模型算法——盡管受限于存儲帶寬，速度還很有限。

光計算今天走到了一個非常關(guān)鍵的時刻。

清華大學(xué)經(jīng)濟(jì)管理學(xué)院教授楊斌、朱恒源在其《戰(zhàn)略節(jié)奏》一書中提及了市場發(fā)展的S曲線，隨著行業(yè)的增長，市場會出現(xiàn)四個發(fā)展階段。

第一個階段是小眾市場，用戶為發(fā)燒友，規(guī)模小且零散，成長速度慢，需求差異高；第二階段的用戶為大眾市場，用戶為大眾，規(guī)模大、成長速度快、需求差異低；分眾市場為挑剔客，規(guī)模大、增速平穩(wěn)、需求差異高；雜合市場的用戶高度碎片化，規(guī)模趨于穩(wěn)定，成長速度低，需求差異性高。[10]

如今光計算芯片正處于從小眾市場向大眾市場轉(zhuǎn)變的關(guān)鍵節(jié)點(diǎn)，需要快速建立生態(tài)、拓展用戶和市場。

在交流中，沈亦晨與曦智科技首席運(yùn)營官王瀧都不斷強(qiáng)調(diào)生態(tài)的重要性。造芯片難，但建立生態(tài)的難度可能是造芯片的幾百倍，這考驗(yàn)的不光是技術(shù)的領(lǐng)先與否，還有建立在芯片之上的整個軟件棧。"需要讓原本習(xí)慣吃西餐的人習(xí)慣吃中餐。"一位芯片研究人員做了如此比喻。

生態(tài)需要越來越多開發(fā)者加入，也需要時間的耕耘。英偉達(dá)就是最好的例子。對這家公司而言，芯片僅是其戰(zhàn)略布局中的一環(huán)，關(guān)鍵的是軟件生態(tài)。"給沒有實(shí)力做軟件開發(fā)的公司提供軟件服務(wù)。"前述研究人員表示。當(dāng)大家習(xí)慣了用CUDA寫程序，就很難適應(yīng)別的生態(tài)。

1999年，英偉達(dá)推出了首款GPU，此后，英偉達(dá)啟動了超級CUDA計算平臺的開發(fā)。黃仁勛的設(shè)想是要在每一顆顯卡上都運(yùn)行CUDA。2006年，英偉達(dá)發(fā)布CUDA時，并沒有在科技界掀起太大風(fēng)浪。英偉達(dá)選擇從高校入手——與全球頂尖研究機(jī)構(gòu)和大學(xué)合作，逐步擴(kuò)充應(yīng)用場景。這種看似難以獲得短期回報的途徑，是很多新技術(shù)商業(yè)化探索的路線。因?yàn)楦咝５漠a(chǎn)品對穩(wěn)定性和量產(chǎn)的要求不高，還能成為最前沿的研究的試驗(yàn)場，或許能夠押中體現(xiàn)技術(shù)優(yōu)勢的應(yīng)用場景，從而實(shí)現(xiàn)商業(yè)化起飛，迅速從小眾市場上升到大眾市場。

2009年，多倫多大學(xué)教授杰弗里·辛頓（Geoffrey Hinton，2024年諾貝爾物理學(xué)獎得主）的團(tuán)隊利用英偉達(dá)的CUDA平臺訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)模型，用來進(jìn)行語音識別。2012年，辛頓的學(xué)生Alex Krizhevsky和Ilya Sutskever用了兩個英偉達(dá)的GPU，在CUDA平臺上訓(xùn)練一個視覺識別神經(jīng)網(wǎng)絡(luò)。與之相比，谷歌研究員訓(xùn)練一個識別貓的神經(jīng)網(wǎng)絡(luò)，需要大概一萬六千個CPU。[11]

在沈亦晨看來，要建立一個光計算的生態(tài)，選擇從高校入手也是目前看來最理想的商業(yè)化路徑。曦智科技與學(xué)校大量合作，提供光計算芯片給高校研究者們嘗試新場景應(yīng)用。

曾經(jīng)，一位多年芯片創(chuàng)業(yè)者與筆者交流時提及，芯片客戶分為三類，互聯(lián)網(wǎng)客戶、傳統(tǒng)行業(yè)客戶和新基建類客戶。互聯(lián)網(wǎng)客戶的生態(tài)依賴性最高，落地難度最大，而后兩者對國產(chǎn)化的需求更為迫切，這是中國芯片公司的機(jī)會，也是光計算企業(yè)的機(jī)會。反觀美國，因?yàn)殡娪嬎愕膭蓊^太強(qiáng)，以英偉達(dá)為首的企業(yè)占據(jù)了過多風(fēng)頭，使得電計算之外的技術(shù)路線難以有嶄露頭角的機(jī)會。

"如果能夠把模型的精度要求降下來，通過1-2年時間進(jìn)行算法的量化開發(fā)，或許三年之后，就能夠看到有一代光計算產(chǎn)品的各方面性能明顯優(yōu)于中國大陸用戶所使用的電計算方案。"——我們的這段對話發(fā)生在2024年底。一個多月之后，DeepSeek橫空出世，模型的精度要求下降，沈亦晨的預(yù)測已經(jīng)實(shí)現(xiàn)了一半。

參考資料

[1] Deep learning with coherent nanophotonic circuits, Nature Photonics

[2] Photonic Supercomputer For AI: 10X Faster, 90% Less Energy, Plus Runway For 100X Speed Boost, Forbes

[3] 燃油車不香了！實(shí)測零百加速榜Top10出爐，電動車狂占8款，優(yōu)視汽車

[4] 《光計算技術(shù)與產(chǎn)業(yè)發(fā)展研究報告（2023）》，中國信通院

[5] 曦智科技全球首發(fā)新一代光電混合計算卡，曦智科技

[6] 讓內(nèi)存干CPU的活兒 這項(xiàng)技術(shù)將芯片運(yùn)行速度提升百倍，科技日報

[7] Optics & Photonics Global Industry Report 2024，SPIE

[8] 曦智科技發(fā)布全新光互連產(chǎn)品，曦智科技

[9] Tesla Roadster unveiled in Santa Monica, AutoBlog

[10] 企業(yè)走好S線，戰(zhàn)略節(jié)奏才不亂，界面

[11] 2012，改變?nèi)祟惷\(yùn)的180天，遠(yuǎn)川研究所

作者：陳伊凡

編輯：黃主任

責(zé)任編輯：李墨天

封面圖片來自Shotdeck