2017年6月，Google發(fā)表了一篇名為《Attention Is All You Need》的論文，論文提出的Transformer架構(gòu)讓人工智能的進(jìn)程大幅加速，是當(dāng)代人工智能產(chǎn)業(yè)的里程碑。

一個(gè)月后，《自然·光子學(xué)》封面刊登了一篇名為《Deep Learning with Coherent Nanophotonic Circuits》的博士論文，論文的學(xué)術(shù)意義遠(yuǎn)遠(yuǎn)超過了同期的Transformer，但在工業(yè)界并未泛起太多漣漪。

兩篇論文打開的兩個(gè)世界，多年后會以一種意料之外的方式交匯。

2017年，《Deep Learning with Coherent Nanophotonic Circuits》刊發(fā)

論文的主要作者是兩位MIT在讀博士生，一作沈亦晨、二作Nicholas Harris，初出茅廬，名不見經(jīng)傳，倒是共同導(dǎo)師Marin Solja?i?名聲在外，因開發(fā)磁耦合共振無線充電技術(shù)享譽(yù)業(yè)界，是納米光子領(lǐng)域的學(xué)術(shù)扛把子。

沈亦晨和Nicholas Harris提出并驗(yàn)證了一種新的算力架構(gòu)：利用相干納米光子電路（光計(jì)算芯片）加速深度學(xué)習(xí)中的核心運(yùn)算——矩陣乘法，由此突破傳統(tǒng)算力芯片（如GPU）的性能瓶頸。

論文直接打開了光計(jì)算產(chǎn)業(yè)化的大門，發(fā)出后引起學(xué)術(shù)界轟動。兩位作者也沒閑著，分別成立了兩家光計(jì)算公司——曦智科技（Lightelligence）與Lightmatter，為光計(jì)算的產(chǎn)業(yè)化鑿開了第一個(gè)口子。

從歷史的后見之明看，2017年是一個(gè)“計(jì)算”的大年，OpenAI開始以Transformer為基石訓(xùn)練GPT模型；英偉達(dá)9月正式宣布轉(zhuǎn)型為“AI計(jì)算公司”，發(fā)布了首個(gè)專為深度學(xué)習(xí)設(shè)計(jì)的Tesla V100架構(gòu)，向統(tǒng)治算力世界邁出了第一步。

明面上，圍繞人工智能的軍備競賽徐徐展開，暗地里，一場與光有關(guān)的賽跑開始了。

光的年代

21世紀(jì)未必是生物的世紀(jì)，但21世紀(jì)20年代大概率是光的年代。

從80年代的大型機(jī)、到90年代的PC、再到智能手機(jī)開辟的移動互聯(lián)網(wǎng)時(shí)代，“計(jì)算”這件事的主角都是電芯片。英特爾的CPU、英偉達(dá)的顯卡、高通的手機(jī)芯片，都屬于電芯片。

光與電都是信息的載體，集成電路（電芯片）以電子為載體，通過金屬導(dǎo)線傳遞信息；集成光路（光芯片）以光子為載體，通過光波導(dǎo)傳遞信息。

與電子相比，光子無質(zhì)量、不帶電、彼此不相互作用，傳遞信號時(shí)幾乎不會互相干擾，也不產(chǎn)生熱損耗，在追求低延遲、低功耗的領(lǐng)域有著無可比擬的優(yōu)勢。

但在過去的半個(gè)多世紀(jì)里，“計(jì)算”這件事的主流是電芯片，伴隨摩爾定律持續(xù)微縮，晶體管密度指數(shù)級提高，電芯片以一己之力構(gòu)筑了現(xiàn)代社會。光芯片的產(chǎn)業(yè)化一直不溫不火，直到生成式AI的爆發(fā)。

人工智能催生了人類有史以來規(guī)模最壯觀的“計(jì)算”，并呈現(xiàn)兩個(gè)與眾不同的特點(diǎn)：一是對算力規(guī)模近乎無限的汲取；二是對通信效率近乎極端的追求。

這種特征又催生了兩個(gè)與光芯片有關(guān)的市場：光互連和光計(jì)算。

這兩年大賺特賺的光模塊，就是典型的光互連產(chǎn)品。簡單來說，光互連解決的是芯片、機(jī)柜之間的通信效率問題，被AI數(shù)據(jù)中心的建設(shè)熱潮迅速催熟。

在業(yè)內(nèi)，光模塊被劃分在Scale-out（橫向擴(kuò)展）應(yīng)用，主要針對數(shù)據(jù)中心中獨(dú)立服務(wù)器或機(jī)柜之間的互連，是光互連目前發(fā)展最成熟、規(guī)模最大的細(xì)分市場。

與Scale-out對應(yīng)的是Scale-up（縱向擴(kuò)展），即通過高速光電互連將GPU、存儲器等組件高度集成。英偉達(dá)AI數(shù)據(jù)中心每個(gè)計(jì)算節(jié)點(diǎn)的多個(gè)GPU就采用NVLink互連技術(shù)，目前被炒得火熱的CPO，未來也有望被用來解決芯片之間的互連問題。

與光互連商業(yè)化遍地開花相比，光計(jì)算的商業(yè)化進(jìn)程只能算剛剛“抬了個(gè)頭”，但其勾勒出的潛在市場空間，已經(jīng)足夠吸引人投資。

光互連讓數(shù)據(jù)搬運(yùn)得更快，光計(jì)算直接對準(zhǔn)了靶心：算得更快。

電芯片（如GPU）的長處是“矩陣運(yùn)算”，計(jì)算一個(gè)N×N矩陣和N維向量的乘法，需要大約N2次乘加操作。GPU算得比CPU快，靠的是“人多力量大”，用大量的運(yùn)算器分擔(dān)計(jì)算量，通過并行計(jì)算提高效率、壓縮時(shí)間。

CPU和GPU運(yùn)算器數(shù)量之間的差距，注定了GPU當(dāng)下的統(tǒng)治地位，但它的王權(quán)并非固若金湯。

CPU和GPU運(yùn)算器數(shù)量之間的差距；圖源：tecadmin.net

大模型時(shí)代，推理對應(yīng)的“N”可以達(dá)到10?-1012，計(jì)算量不可同日而語。GPU雖然是主流方案，但瑕疵已經(jīng)開始顯現(xiàn)。

GPU雖然可以暴力增加“人手”提高效率，但晶體管微縮接近極限，“招工”的瓶頸肉眼可見。加上GPU運(yùn)算原理的天然缺陷，每個(gè)運(yùn)算器執(zhí)行計(jì)算都需要從內(nèi)存讀取數(shù)據(jù)、運(yùn)回?cái)?shù)據(jù)，一來一回，不可避免地導(dǎo)致延遲。

如果說GPU是懸梁刺股的學(xué)霸，光芯片就是典型的天賦型選手。

一束光線穿越眼鏡鏡片的過程，其實(shí)就是一系列復(fù)雜的計(jì)算（即波函數(shù)的傅立葉變換），這種自然而然的“加權(quán)求和”過程，恰好就是矩陣運(yùn)算所需要的操作。

把這個(gè)邏輯套在光芯片上，輸入光進(jìn)入MZI（光芯片的基礎(chǔ)計(jì)算單元，相當(dāng)于GPU的晶體管）被分成兩個(gè)部分，每個(gè)部分發(fā)生不同的相位調(diào)整，可被視為一次乘法操作，當(dāng)兩束光從MZI中穿出相遇被疊加在一起，就完成了一次乘加累計(jì)的操作。

MZI實(shí)現(xiàn)一次乘加累計(jì)的過程；圖片來源：曦智科技

整個(gè)過程只需要光在芯片上“走”一遍，在光穿過芯片的瞬間完成計(jì)算，過程縮短到幾十皮秒。

把光學(xué)器件微縮并集成在一顆芯片上的設(shè)想，60年代就在大名鼎鼎的貝爾實(shí)驗(yàn)室提出，但受制于光學(xué)器件體積，再加上電芯片有蘋果這個(gè)大甲方，其制程進(jìn)步實(shí)在驚人，光芯片長期被束之高閣。

人工智能創(chuàng)造了一個(gè)令人望而生畏的算力市場，也讓光計(jì)算迎來曙光。

這個(gè)市場有多大？2017年至今，英偉達(dá)的游戲業(yè)務(wù)年收入從40億美元增長到113億美元，數(shù)據(jù)中心業(yè)務(wù)從3.2億美元暴增到1150億美元。即便如此，英偉達(dá)的GPU依然處于供應(yīng)緊張的狀態(tài)。

當(dāng)一個(gè)市場足夠大，看上去再不可能的想法，都能找到愿意冒險(xiǎn)的資本推動。這就是光計(jì)算萌芽的空間：哪怕英偉達(dá)吃下99%的算力市場，剩下1%的份額也足夠一個(gè)新的算力架構(gòu)生存。

遲到了半個(gè)世紀(jì)，產(chǎn)業(yè)界的目光重新落在了光計(jì)算上。

工程問題

一項(xiàng)技術(shù)從論文走向落地，往往要經(jīng)歷三個(gè)階段、解決三個(gè)問題：一是科學(xué)問題，二是工程問題，三是商業(yè)問題。

科學(xué)問題解決得好，可以拿諾貝爾獎(jiǎng)；工程問題解決得好，可以拿大把投資；商業(yè)問題解決得好，可以創(chuàng)造偉大的公司。

2017年的《Deep Learning with Coherent Nanophotonic Circuits》，基本完成了光計(jì)算的理論大廈建設(shè)，讓光計(jì)算從科學(xué)問題變成了工程問題。

科學(xué)解決的是可行性問題，工程解決的是實(shí)現(xiàn)路徑。2019年4月，曦智科技發(fā)布全球首款光子計(jì)算原型板卡，讓產(chǎn)業(yè)化向前邁了一大步。當(dāng)時(shí)，光計(jì)算的狀況可以借用開爾文男爵的那句名言來概括：

光計(jì)算的大廈已經(jīng)基本建成了，只不過在陽光燦爛的天空下，漂浮著三朵小烏云。

第一朵“烏云”是生產(chǎn)制造。

電芯片是在芯片上集成數(shù)量龐大的晶體管，光芯片則是集成各類光學(xué)元件。早年由于光學(xué)元件體積龐大且缺乏非線性材料，連處于人才技術(shù)儲備巔峰時(shí)期的貝爾實(shí)驗(yàn)室都無從下手。

2000年后，歸功于光互連技術(shù)的推進(jìn)和光模塊產(chǎn)業(yè)的鋪路嘗試，原本用于電芯片生產(chǎn)的CMOS技術(shù)得以被運(yùn)用至光芯片，意味著后者能夠像電芯片一樣被大規(guī)模且低成本地制造出來。

2021年，曦智科技發(fā)布了高性能光子計(jì)算處理器——PACE，在單片上集成超過10000個(gè)光子器件，并驗(yàn)證了光子矩陣計(jì)算在處理特定高度復(fù)雜的數(shù)學(xué)模型（如伊辛問題、最大割問題）時(shí)，相較于傳統(tǒng)高端GPU具有幾百倍的運(yùn)算速度優(yōu)勢和極低的計(jì)算延遲。

到2025年3月推出的PACE 2，集成的光子器件已經(jīng)超過了40000個(gè)，支持光128 X 128矩陣，是上一代的4倍。

第二朵“烏云”是遷移成本。

要讓光計(jì)算芯片“好用”，核心在于讓開發(fā)者對光物理過程徹底無感，實(shí)現(xiàn)從傳統(tǒng)GPU到光芯片的平滑遷移，即插即用。

曦智科技在開發(fā)硬件的同時(shí)，投入了大量資源開發(fā)專用的軟件開發(fā)工具包（SDK）和編譯器，到發(fā)布PACE 2時(shí)，已經(jīng)能夠提供全面可配置的光學(xué)矩陣，軟件棧無縫對接PyTorch、ONNX等主流深度學(xué)習(xí)框架。

類似地，LightMatter也為其光計(jì)算芯片專門開發(fā)了Idiom編譯器軟件棧。

Lightmatters的光子AI加速器Envise

兩邊達(dá)成的效果是一致的，即讓開發(fā)者對光物理過程徹底無感，無需懂得光學(xué)干涉原理，繼續(xù)使用他們熟悉的PyTorch、TensorFlow編寫模型，編譯器就會自動在底層完成算子映射、圖優(yōu)化，并將其轉(zhuǎn)化為控制光路相位的指令。

第三朵“烏云”是通用性。

不只是光計(jì)算芯片，這其實(shí)是所有剛剛嶄露頭角的計(jì)算芯片共同面對的大山，是最著急、也最急不來的難題。

光計(jì)算芯片天生帶著偏科的基因，雖然精通矩陣運(yùn)算，但并不是所有算法的核心都基于矩陣運(yùn)算，再加上當(dāng)前主流的通用大模型都是基于電芯片的內(nèi)存結(jié)構(gòu)和算力特點(diǎn)被設(shè)計(jì)出來的，想要“什么都能算”，就需要各個(gè)場景逐一打通。

曦智科技第一代PACE更像是為了解決極其特定的數(shù)學(xué)難題（如伊辛模型、組合優(yōu)化問題）而定制的ASIC（專用集成電路），到第二代PACE已經(jīng)可以做到根據(jù)不同AI模型執(zhí)行任意形式的線性矩陣乘法，初步具備向更多場景拓展的潛能。

就目前而言，最重要的是找到一個(gè)能夠?qū)崿F(xiàn)商業(yè)閉環(huán)的場景、一個(gè)專用的市場——就像當(dāng)年AlexNet證明了GPU在圖像識別上無人能出其右的能力。

這個(gè)市場可以不那么大，但得足夠開啟需求－>投資－>研發(fā)－>應(yīng)用的閉環(huán)，讓一家創(chuàng)業(yè)公司能夠自給自足，在長期可持續(xù)地發(fā)展中積累起人才、技術(shù)和經(jīng)驗(yàn)，才能向更多應(yīng)用拓展。

GPU誕生超過三十年，最早只是在CPU身邊“打輔助”、負(fù)責(zé)圖形計(jì)算，然后從AlexNet出發(fā)，從圖像識別到自動駕駛，再到通用大模型訓(xùn)練，面對過數(shù)不清的corner case和代碼屎山，通過對真實(shí)場景的實(shí)際問題摸排、將問題標(biāo)準(zhǔn)化、建立方法論。

所謂“魔改”，本質(zhì)上是每一類計(jì)算芯片從專有到通用的一條必經(jīng)之路。

如今的光計(jì)算芯片站在了和當(dāng)年GPU相似的位置上，等待一個(gè)屬于自己的“AlexNet時(shí)刻”。

奇點(diǎn)前夜

光計(jì)算等待著“AlexNet時(shí)刻”，中國芯片產(chǎn)業(yè)也在期待著一條重新劃定的起跑線。

放在十年前，芯片產(chǎn)業(yè)在中國都還是冷板凳坐穿的冷門賽道。

一方面，英特爾、AMD、英偉達(dá)幾座大山把持著高利潤處理器市場，國產(chǎn)芯片在先進(jìn)制造上欠賬太多，想要追趕，要補(bǔ)的課太多太貴，一顆高性能芯片從設(shè)計(jì)到流片就要上億元人民幣，大把資金砸進(jìn)水里，都不一定能聽到一聲響。

另一方面，全球供應(yīng)鏈一度暢通無阻，芯片在美國完成設(shè)計(jì)，隔天就能被空運(yùn)到中國臺灣的臺積電進(jìn)行生產(chǎn)制造，然后被運(yùn)送到深圳的組裝廠，被組裝進(jìn)手機(jī)、PC。

即便只掌握供應(yīng)鏈末端，也能以龐大的出貨量換取養(yǎng)活整個(gè)電子產(chǎn)業(yè)的利潤。

但這種“沒能力、沒動力”的局面，被2018年一紙“實(shí)體清單”打破，芯片自主化被迫加速。

與此同時(shí)，Transformer引發(fā)的模型預(yù)訓(xùn)練熱潮催化了數(shù)據(jù)中心建設(shè)浪潮，進(jìn)一步凸顯了國產(chǎn)高性能計(jì)算芯片的缺位。

2018年-2022年，國內(nèi)芯片設(shè)計(jì)公司從1698家翻倍到3243家[1]，但其中涉足高性能計(jì)算芯片者寥寥，而與巨額投資難以匹配的出貨量和收入，更露骨地揭示了國產(chǎn)高端芯片與國外巨頭的恐怖差距。資本寒冬隨之而來，開啟了一波大浪淘沙。

光計(jì)算商業(yè)化和中國芯片自主化，兩條原本平行的軌跡，由此產(chǎn)生更加深刻的交集。

在外部環(huán)境瞬息萬變的這幾年，曦智科技的經(jīng)營從未被動搖，其獨(dú)特價(jià)值反倒被一再凸顯。

一方面，曦智科技形成了“光互連+光計(jì)算”的業(yè)務(wù)組合，兩者技術(shù)同源又相互補(bǔ)充。

比如Photowave兼容英偉達(dá)GPU以及PCIe/CXL協(xié)議，既可外供也可為自家光計(jì)算產(chǎn)品所用。光互連業(yè)務(wù)收入從2023年的3800萬元躍升至1.06億元，開始成為穩(wěn)定的現(xiàn)金牛。

另一方面，由于光計(jì)算芯片從原理到制造工藝與傳統(tǒng)電芯片全然不同，反而擺脫了國內(nèi)芯片制造在先進(jìn)制程上的“欠賬”，相當(dāng)于另開了一條賽道、在新的起跑線上重新起跑。

與GPU/CPU卷到7nm以下相比，光計(jì)算芯片不依賴先進(jìn)制程，國內(nèi)晶圓廠一條45/65nm成熟CMOS產(chǎn)線即可滿足要求，性能提升不靠增加晶體管密度，而在于形貌控制，比如提升波導(dǎo)側(cè)壁的光滑度、采用特殊的刻蝕和沉積工藝等等。

由各類光元件組成的光芯片；圖源：Santec

隨著LightMatter逐漸在商業(yè)化壓力下將發(fā)展重心騰挪至光互連，某種意義上，曦智科技已經(jīng)是光計(jì)算芯片“全村的希望”。

對比國內(nèi)外芯片產(chǎn)業(yè)競爭業(yè)態(tài)，雖然國內(nèi)因?yàn)樽灾餍缘募逼群透蟮氖袌觯瑢τ谛酒瑒?chuàng)業(yè)公司來說機(jī)會更大，但也意味著成熟生態(tài)的缺失，需要從0到1、一磚一瓦地建立，是對技術(shù)底蘊(yùn)和工程能力的雙重考驗(yàn)，道阻且長，唯有咬牙深耕。

4月28日，曦智科技正式登陸港交所，成為“全球AI光算力第一股”。上市首日收盤價(jià)為886港元，較183.2港元發(fā)行價(jià)上漲383.62%。

4月28日，曦智科技在港交所上市

公開信息顯示，曦智科技國際發(fā)售及公開發(fā)售超額認(rèn)購倍數(shù)接近5800倍；基石投資者陣容強(qiáng)大，匯集阿里巴巴、GIC、貝萊德（BlackRock）、富達(dá)國際等20家全球頂級機(jī)構(gòu)。

根據(jù)曦智科技招股書，當(dāng)前其光計(jì)算產(chǎn)品正在從技術(shù)突破與研發(fā)階段向生態(tài)構(gòu)建及市場滲透階段過渡，應(yīng)用場景從科研機(jī)構(gòu)和高校實(shí)驗(yàn)室向更多專業(yè)領(lǐng)域擴(kuò)展。

預(yù)計(jì)2030年后，隨著硬件成本進(jìn)一步下降和性能躍升，應(yīng)用范圍將拓展至汽車、量子計(jì)算等更廣泛的領(lǐng)域，并在訓(xùn)練、超算以及通信領(lǐng)域成為電芯片的主流替代方案。

某種程度上，曦智科技并不只是光計(jì)算的參與者，更是技術(shù)與生態(tài)的定義者，領(lǐng)跑的優(yōu)勢是能夠獲得更多的矚目和資源的傾斜，但更要背負(fù)拓荒者的使命，無前路可循，每一塊通向商業(yè)化的基石，都需要親自去摸索、鋪墊。

尾聲

高科技產(chǎn)業(yè)的一切必然，其實(shí)都是一種后見之明。

人們總是習(xí)慣用今日的輝煌去推導(dǎo)昨日的英明，但面對未知，大多數(shù)時(shí)候沒有萬全之法。歷史的轉(zhuǎn)折點(diǎn)總是在誕生的時(shí)候無人問津，在往后的日子里被反復(fù)傳唱。

當(dāng)年如果沒有黃仁勛向世嘉求來的500萬美元“救命錢”、苦熬到Riva 128問世，就沒有當(dāng)下英偉達(dá)的所向披靡；如果沒有2019年上海超級工廠的光速落地和中國供應(yīng)鏈的救火，特斯拉很可能早已被產(chǎn)能地獄拖向真正的破產(chǎn)地獄。

偉大始于無名，這就是高科技產(chǎn)業(yè)不斷重復(fù)的故事：每一個(gè)成功者都沒有先驗(yàn)?zāi)菞l必然的道路，而是那條崎嶇的道路被成功的腳步丈量出了某種必然。

曦智科技正走在一條崎嶇道路上，摸索著用光改寫計(jì)算的可能。

[1] 技術(shù)創(chuàng)新驅(qū)動設(shè)計(jì)產(chǎn)業(yè)升級，魏少軍

[2] 光子計(jì)算領(lǐng)域雙雄出現(xiàn)！一篇頂刊論文，兩位麻省理工學(xué)院天才的故事，MIT科技評論

[3] “納米光學(xué)先驅(qū)”師生檔詳解光計(jì)算，全球首款商用光子芯片將問世，DeepTech

[4] 上帝說：要有光！硅光子技術(shù)的前世今生，雷鋒網(wǎng)

[5] 硅光芯片的春天又要來了？EET-China

[6] 曦智科技招股書