2017年6月，Google發表了一篇名為《Attention Is All You Need》的論文，論文提出的Transformer架構讓人工智能的進程大幅加速，是當代人工智能產業的里程碑。

一個月后，《自然·光子學》封面刊登了一篇名為《Deep Learning with Coherent Nanophotonic Circuits》的博士論文，論文的學術意義遠遠超過了同期的Transformer，但在工業界并未泛起太多漣漪。

兩篇論文打開的兩個世界，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

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，名不見經傳，倒是共同導師Marin Solja?i?名聲在外，因開發磁耦合共振無線充電技術享譽業界，是納米光子領域的學術扛把子。

沈亦晨和Nicholas Harris提出并驗證了一種新的算力架構：利用相干納米光子電路（光計算芯片）加速深度學習中的核心運算——矩陣乘法，由此突破傳統算力芯片（如GPU）的性能瓶頸。

論文直接打開了光計算產業化的大門，發出后引起學術界轟動。兩位作者也沒閑著，分別成立了兩家光計算公司——曦智科技（Lightelligence）與Lightmatter，為光計算的產業化鑿開了第一個口子。

從歷史的后見之明看，2017年是一個“計算”的大年，OpenAI開始以Transformer為基石訓練GPT模型；英偉達9月正式宣布轉型為“AI計算公司”，發布了首個專為深度學習設計的Tesla V100架構，向統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，一場與光有關的賽跑開始了。

光的年代

21世紀未必是生物的世紀，但21世紀20年代大概率是光的年代。

從80年代的大型機、到90年代的PC、再到智能手機開辟的移動互聯網時代，“計算”這件事的主角都是電芯片。英特爾的CPU、英偉達的顯卡、高通的手機芯片，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，通過金屬導線傳遞信息；集成光路（光芯片）以光子為載體，通過光波導傳遞信息。

與電子相比，光子無質量、不帶電、彼此不相互作用，傳遞信號時幾乎不會互相干擾，也不產生熱損耗，在追求低延遲、低功耗的領域有著無可比擬的優勢。

但在過去的半個多世紀里，“計算”這件事的主流是電芯片，伴隨摩爾定律持續微縮，晶體管密度指數級提高，電芯片以一己之力構筑了現代社會。光芯片的產業化一直不溫不火，直到生成式AI的爆發。

人工智能催生了人類有史以來規模最壯觀的“計算”，并呈現兩個與眾不同的特點：一是對算力規模近乎無限的汲取；二是對通信效率近乎極端的追求。

這種特征又催生了兩個與光芯片有關的市場：光互連和光計算。

這兩年大賺特賺的光模塊，就是典型的光互連產品。簡單來說，光互連解決的是芯片、機柜之間的通信效率問題，被AI數據中心的建設熱潮迅速催熟。

在業內，光模塊被劃分在Scale-out（橫向擴展）應用，主要針對數據中心中獨立服務器或機柜之間的互連，是光互連目前發展最成熟、規模最大的細分市場。

與Scale-out對應的是Scale-up（縱向擴展），即通過高速光電互連將GPU、存儲器等組件高度集成。英偉達AI數據中心每個計算節點的多個GPU就采用NVLink互連技術，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。

與光互連商業化遍地開花相比，光計算的商業化進程只能算剛剛“抬了個頭”，但其勾勒出的潛在市場空間，已經足夠吸引人投資。

光互連讓數據搬運得更快，光計算直接對準了靶心：算得更快。

電芯片（如GPU）的長處是“矩陣運算”，計算一個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”，用大量的運算器分擔計算量，通過并行計算提高效率、壓縮時間。

CPU和GPU運算器數量之間的差距，注定了GPU當下的統治地位，但它的王權并非固若金湯。

CPU和GPU運算器數量之間的差距；圖源：tecadmin.net

大模型時代，推理對應的“N”可以達到10?-1012，計算量不可同日而語。GPU雖然是主流方案，但瑕疵已經開始顯現。

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運算原理的天然缺陷，每個運算器執行計算都需要從內存讀取數據、運回數據，一來一回，不可避免地導致延遲。

如果說GPU是懸梁刺股的學霸，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，其實就是一系列復雜的計算（即波函數的傅立葉變換），這種自然而然的“加權求和”過程，恰好就是矩陣運算所需要的操作。

把這個邏輯套在光芯片上，輸入光進入MZI（光芯片的基礎計算單元，相當于GPU的晶體管）被分成兩個部分，每個部分發生不同的相位調整，可被視為一次乘法操作，當兩束光從MZI中穿出相遇被疊加在一起，就完成了一次乘加累計的操作。

MZI實現一次乘加累計的過程；圖片來源：曦智科技

整個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算，過程縮短到幾十皮秒。

把光學器件微縮并集成在一顆芯片上的設想，60年代就在大名鼎鼎的貝爾實驗室提出，但受制于光學器件體積，再加上電芯片有蘋果這個大甲方，其制程進步實在驚人，光芯片長期被束之高閣。

人工智能創造了一個令人望而生畏的算力市場，也讓光計算迎來曙光。

這個市場有多大？2017年至今，英偉達的游戲業務年收入從40億美元增長到113億美元，數據中心業務從3.2億美元暴增到1150億美元。即便如此，英偉達的GPU依然處于供應緊張的狀態。

當一個市場足夠大，看上去再不可能的想法，都能找到愿意冒險的資本推動。這就是光計算萌芽的空間：哪怕英偉達吃下99%的算力市場，剩下1%的份額也足夠一個新的算力架構生存。

遲到了半個世紀，產業界的目光重新落在了光計算上。

工程問題

一項技術從論文走向落地，往往要經歷三個階段、解決三個問題：一是科學問題，二是工程問題，三是商業問題。

科學問題解決得好，可以拿諾貝爾獎；工程問題解決得好，可以拿大把投資；商業問題解決得好，可以創造偉大的公司。

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

科學解決的是可行性問題，工程解決的是實現路徑。2019年4月，曦智科技發布全球首款光子計算原型板卡，讓產業化向前邁了一大步。當時，光計算的狀況可以借用開爾文男爵的那句名言來概括：

光計算的大廈已經基本建成了，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”是生產制造。

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

2000年后，歸功于光互連技術的推進和光模塊產業的鋪路嘗試，原本用于電芯片生產的CMOS技術得以被運用至光芯片，意味著后者能夠像電芯片一樣被大規模且低成本地制造出來。

2021年，曦智科技發布了高性能光子計算處理器——PACE，在單片上集成超過10000個光子器件，并驗證了光子矩陣計算在處理特定高度復雜的數學模型（如伊辛問題、最大割問題）時，相較于傳統高端GPU具有幾百倍的運算速度優勢和極低的計算延遲。

到2025年3月推出的PACE 2，集成的光子器件已經超過了40000個，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。

要讓光計算芯片“好用”，核心在于讓開發者對光物理過程徹底無感，實現從傳統GPU到光芯片的平滑遷移，即插即用。

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

類似地，LightMatter也為其光計算芯片專門開發了Idiom編譯器軟件棧。

Lightmatters的光子AI加速器Envise

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

第三朵“烏云”是通用性。

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

光計算芯片天生帶著偏科的基因，雖然精通矩陣運算，但并不是所有算法的核心都基于矩陣運算，再加上當前主流的通用大模型都是基于電芯片的內存結構和算力特點被設計出來的，想要“什么都能算”，就需要各個場景逐一打通。

曦智科技第一代PACE更像是為了解決極其特定的數學難題（如伊辛模型、組合優化問題）而定制的ASIC（專用集成電路），到第二代PACE已經可以做到根據不同AI模型執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能夠實現商業閉環的場景、一個專用的市場——就像當年AlexNet證明了GPU在圖像識別上無人能出其右的能力。

這個市場可以不那么大，但得足夠開啟需求－>投資－>研發－>應用的閉環，讓一家創業公司能夠自給自足，在長期可持續地發展中積累起人才、技術和經驗，才能向更多應用拓展。

GPU誕生超過三十年，最早只是在CPU身邊“打輔助”、負責圖形計算，然后從AlexNet出發，從圖像識別到自動駕駛，再到通用大模型訓練，面對過數不清的corner case和代碼屎山，通過對真實場景的實際問題摸排、將問題標準化、建立方法論。

所謂“魔改”，本質上是每一類計算芯片從專有到通用的一條必經之路。

如今的光計算芯片站在了和當年GPU相似的位置上，等待一個屬于自己的“AlexNet時刻”。

奇點前夜

光計算等待著“AlexNet時刻”，中國芯片產業也在期待著一條重新劃定的起跑線。

放在十年前，芯片產業在中國都還是冷板凳坐穿的冷門賽道。

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

另一方面，全球供應鏈一度暢通無阻，芯片在美國完成設計，隔天就能被空運到中國臺灣的臺積電進行生產制造，然后被運送到深圳的組裝廠，被組裝進手機、PC。

即便只掌握供應鏈末端，也能以龐大的出貨量換取養活整個電子產業的利潤。

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

與此同時，Transformer引發的模型預訓練熱潮催化了數據中心建設浪潮，進一步凸顯了國產高性能計算芯片的缺位。

2018年-2022年，國內芯片設計公司從1698家翻倍到3243家[1]，但其中涉足高性能計算芯片者寥寥，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。

光計算商業化和中國芯片自主化，兩條原本平行的軌跡，由此產生更加深刻的交集。

在外部環境瞬息萬變的這幾年，曦智科技的經營從未被動搖，其獨特價值反倒被一再凸顯。

一方面，曦智科技形成了“光互連+光計算”的業務組合，兩者技術同源又相互補充。

比如Photowave兼容英偉達GPU以及PCIe/CXL協議，既可外供也可為自家光計算產品所用。光互連業務收入從2023年的3800萬元躍升至1.06億元，開始成為穩定的現金牛。

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

與GPU/CPU卷到7nm以下相比，光計算芯片不依賴先進制程，國內晶圓廠一條45/65nm成熟CMOS產線即可滿足要求，性能提升不靠增加晶體管密度，而在于形貌控制，比如提升波導側壁的光滑度、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逐漸在商業化壓力下將發展重心騰挪至光互連，某種意義上，曦智科技已經是光計算芯片“全村的希望”。

對比國內外芯片產業競爭業態，雖然國內因為自主性的急迫和更大的市場，對于芯片創業公司來說機會更大，但也意味著成熟生態的缺失，需要從0到1、一磚一瓦地建立，是對技術底蘊和工程能力的雙重考驗，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”。上市首日收盤價為886港元，較183.2港元發行價上漲383.62%。

4月28日，曦智科技在港交所上市

公開信息顯示，曦智科技國際發售及公開發售超額認購倍數接近5800倍；基石投資者陣容強大，匯集阿里巴巴、GIC、貝萊德（BlackRock）、富達國際等20家全球頂級機構。

根據曦智科技招股書，當前其光計算產品正在從技術突破與研發階段向生態構建及市場滲透階段過渡，應用場景從科研機構和高校實驗室向更多專業領域擴展。

預計2030年后，隨著硬件成本進一步下降和性能躍升，應用范圍將拓展至汽車、量子計算等更廣泛的領域，并在訓練、超算以及通信領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算的參與者，更是技術與生態的定義者，領跑的優勢是能夠獲得更多的矚目和資源的傾斜，但更要背負拓荒者的使命，無前路可循，每一塊通向商業化的基石，都需要親自去摸索、鋪墊。

尾聲

高科技產業的一切必然，其實都是一種后見之明。

人們總是習慣用今日的輝煌去推導昨日的英明，但面對未知，大多數時候沒有萬全之法。歷史的轉折點總是在誕生的時候無人問津，在往后的日子里被反復傳唱。

當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，就沒有當下英偉達的所向披靡；如果沒有2019年上海超級工廠的光速落地和中國供應鏈的救火，特斯拉很可能早已被產能地獄拖向真正的破產地獄。

偉大始于無名，這就是高科技產業不斷重復的故事：每一個成功者都沒有先驗那條必然的道路，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，摸索著用光改寫計算的可能。

[1] 技術創新驅動設計產業升級，魏少軍

[2] 光子計算領域雙雄出現！一篇頂刊論文，兩位麻省理工學院天才的故事，MIT科技評論

[3] “納米光學先驅”師生檔詳解光計算，全球首款商用光子芯片將問世，DeepTech

[4] 上帝說：要有光！硅光子技術的前世今生，雷鋒網

[5] 硅光芯片的春天又要來了？EET-China

[6] 曦智科技招股書