光计算爆发前夜：替代GPU？

你相信“光”吗？1979年，钱学森在论文中提到，光子技术的一个肯定要推进的方面是光子计算机，从原理上估计，光子计算机的运算能力可以为电子计算机的百倍、千倍以至万倍。

今年4月12日，曦智科技顺利通过港交所上市聆讯，拟于港交所主板上市，引发了市场对于“光计算”的关注。

招股书显示，曦智科技专注于光电混合算力领域，是全球首家实现光电混合算力大规模部署的公司，也是中国境内唯一实现Scale-up光互连解决方案大规模商业化落地的独立供应商。如顺利登陆资本市场，曦智科技有望成为“全球AI硅光芯片第一股”。

那么，光计算到底是啥？既然有如此强大的算力，它会替代GPU吗？今天EEWorld就来就这些问题进行盘点。

电计算长期以来遵循摩尔定律，但如今已面临显著的物理极限，限制了单芯片性能的提升。随着单芯片制程的快速进步，晶体管缩放正逼近物理极限，摩尔定律显现放缓迹象，从而制约单芯片算力的增长。

带宽及功率限制进一步制约了单芯片的计算效率，当下电子芯片面前有两堵墙——“功耗墙”和“存储墙”。为了突破这两堵墙，目前有三种方法：

• 一是通过先进制程继续缩小电子逻辑器件，包括光刻、封装、材料多方面，如极紫外（EUV）光刻机、GAAFET、CFET、二维材料晶体管等；

• 二是通过3D封装互连和Chiplet实现多芯片异质集成；

• 三是直接舍弃传统路线，走一条完全不同的路，如碳基计算、量子计算（光量子也属于其中一环）、光计算，其中，光计算或光电混合计算是当前距离产业最近的路线，光计算作为非冯·诺伊曼结构代表，具有可扩展、低功耗、超高速、宽带宽、高并行度的天然优势。

正因如此，行业里流行这样一句说法：“当电子芯片还在2nm悬崖边徘徊时，光计算芯片已点燃新的火炬。”

光具有波粒二象性，利用波动性可以实现光经典计算，利用粒子性可以实现光量子计算。细分到光计算，有许多分支路线，包括数字路线和模拟路线。

近年来，多种光计算架构已展现出高算力和高能效比的潜力。这些架构主要分为两类：

第一类是基于电子计算机架构，发挥光学优势，完成光学晶体管设计、基于光互连的光电融合计算等数字光计算任务。这类数字光计算体系仍然需要高精度的电子体系来提供控制和输入输出，才能充分发挥其优势。

第二类是从光学角度出发，基于光子的多维度信息加载能力完成特定计算任务，包括矩阵乘法-累加运算、全光逻辑运算、光学卷积、全光微分等，以模拟光学计算为主。模拟光计算可以利用光的多维度信息，不仅能实现单一功能的光信息处理，未来还可能发展出高误差容忍度的模糊计算架构，如光学神经网络（ONN）等，为AI发展提供新的计算平台。

目前商业化上走得很快，受关注度比较高的技术路线是光学神经网络（ONN），这一技术也包括许多分支路线（如下图）。

模拟光计算发展迅速，当前大多数探索方向集中在光电融合的计算架构上。由于存算体系尚不完善、光学非线性实现方式有限等原因，光计算目前还无法完全替代电子计算体系。

现阶段的最佳方案是优化人工智能训练中算力需求最大的集成电路模块，从而提高大规模矩阵乘法和卷积的计算速度。在这类任务中，光计算架构避免了串行计算过程中的低速率和高开销，能够同时计算所有矩阵元，这种优势随着矩阵运算规模的扩大而愈发明显。

换句话说，当前光计算产品主要以“光电融合”方式实现，芯片内部包含光芯片、电芯片及其他外围器件，光芯片进行整数运算，电芯片负责浮点运算。而光电融合计算的优化将在很长一段时间内成为研究重点。

那么，为什么非得给电芯片加个光芯片，用别的方法不行吗？目前，突破算力限制还有两条创新路线：第一条是存算一体路线，本质有近存计算和存内计算两类方式，通过将存储单元放在计算逻辑芯片上，解决存储与计算之间带宽和数据搬运的问题；第二是通过非GPU架构，如美国Sambanova的流式计算架构、谷歌TPU专用的ASIC架构，通过将芯片上的晶体管重新排列，提高晶体管在计算时的利用率。

但两种路线都不能解决数字芯片最根本的晶体管数量问题。并不是说两条路线不好，而是未来两条路线最终一定还会绕回晶体管密度这个问题上。

所以，通过将光子和电子混合在一起，就能解决这根本性的问题。与此同时，近存计算或流式架构同样适用于光电混合计算芯片上，从而实现更大的底层突破。

之所以晶体管很难进一步提高单位面积的绝对计算密度，是因为登纳德缩放比例失效，如果把晶体管继续做小会产生量子极限的隧穿效应，而如果以两倍的主频运行会同时带来两倍的热量，单位面积芯片如果不能把这些热量散发出去就会导致芯片融化。这两个问题的本质都在于铜导线存在电阻，晶体管收放电都会产生热量，而光则不会产生热量，因此可以通过提高其主频或复用波长数量进一步增加单位面积的绝对算力。

目前，光计算领域初创企业都聚焦在ONN，全球范围内，中国和欧美在光计算领域基本处于并跑状态。

国内方面：

上海曦智科技：成立于2018年，是中国最早进行光计算产业化的公司之一，其技术源于麻省理工学院，公司创始人沈亦晨博士是MZI干涉方案代表性论文的第一作者。其围绕光子矩阵计算（oMAC）、片上光网络（oNOC）和片间光网络（oNET）三大核心技术开发产品，目前最新推出的曦智天枢光子矩阵规模达到128x128，采用“OPU光学处理单元+ASIC光电混合处理器”，是曦智上一代产品等效光算力的4倍，是一个当下即可落地，实现单位算力能耗快速提升的实用解决方案。软件层面，曦智科技同样构建了完整的开发工具链以实现光计算芯片的实用化。智规划明年底完成的256x256光子矩阵产品样片，2027年正式发布。

苏州光本位科技：成立于2022年，其技术源于牛津大学，采用MRR波分系统与相变材料（PCM）结合的方案，公司称之为“PCM+Crossbar方案”，光本位科技则在光芯片的技术路线中选择了一条特殊路线——光本位采用硅光+相变材料的异质集成以及独有的Crossbar光子矩阵计算结构，成为首家实现光计算芯片存算一体的商业化公司。主要产品是光计算板卡，目前正在调试矩阵规模为128×128的光计算板卡，预期峰值算力可超过1000 TOPS，算力密度已超越先进工艺的电芯片，预计在今年推出商业化光计算板卡产品。

北京芯算科技：成立于2023年，技术源于麻省理工学院，采用MRR波分系统与相变材料（PCM）结合的方案，创始人杨文强毕业于中国科学院光所，2023年推出高维光计算芯片和光电混合计算原型板卡，该板卡集成了片上多波长光源芯片、光子矩阵运算芯片、波分复用模组和光电转换模组等，算力已突破100 TOPS。

北京光子芯力：成立于2024年，技术源于清华大学，采用亚波长衍射结构方案。“光子芯力”的产品是一款光电融合计算芯片，团队开创性地采用全波计算技术路径，第一代光芯片已经流片完成，目前正与多家客户合作开发落地方案。

国外企业：

Lightmatter：成立于2017年，总部位于美国加利福尼亚州，技术源于麻省理工学院。创始人尼古拉斯·哈里斯是MZI干涉方案代表性论文的共同作者。产品线包括光子计算平台（Envise）、芯片互连产品（Passage）、适配软件（Idiom。

Luminous Computing：成立于2018年，总部位于美国加利福尼亚州，CTO Mitchell Nahmias博士期间专注于光学AI芯片研究，技术源于普林斯顿大学Paul Prucnal课题组的MRR方案。2023年，公司展示了O波段TRX光子链路芯片，该芯片使用45nm工艺，具有16个通道，能在112Gbps下工作，功耗约为4.3pJ/bit（不含激光器功耗）。

Optalysys：成立于2013年，总部位于英国利兹，技术源于剑桥大学，2019年推出了商用分立光学处理系统FT:X2000，该产品基于空间光传输可等效于卷积操作的原理，通过集成微透镜实现器件小型化，可用于处理高分辨图像和视频。目前，Optalysys的产品聚焦在光计算安全加密领域。

Lighton：成立于2016年，总部位于法国巴黎。2020年推出了基于离轴光全息技术的空间光学计算系统，主要应用于机器学习、卫星图像分析和自然语言处理等智能计算领域。2021年，成功将“Appliance”光学处理单元（OPU）集成到法国Jean Zay超级计算机上，能够在超大规模上加速随机算法，并可与标准硅处理器和NVIDIA的A100 GPU技术协同工作。

Fathom Computing：成立于2014年，总部位于美国加利福尼亚州，其光子原型计算机在2014年时识别手写数字的准确率约为30%，到2018年已超过90%。然而，该公司近年来并未公开更多进展。

在多数媒体宣传中，普遍将光计算描绘为比GPU高1000倍以上的一种技术。光子作为信息载体确实具有独特的优势，有实现千倍算力提升的潜力，但显然目前肯定实现不了这样的效果。当前光计算的发展进度还是太早了，可能能有几倍或者十几倍的提升，但千倍是绝对不可能的。

所以，在现阶段，光计算的发展目标就不是替换GPU了，也不是彻底替代电子系统，而是作为GPU的补充，充当加速器。

光计算的核心优势在于能够在光域内高速执行矩阵乘法及其他线性代数运算，这些运算为大

语言模型、神经网络及科学计算中使用的关键计算。

根据曦智科技招股书，早期客户利用产品探索此类应用，包括对新型计算架构、人工智能算法及系统设计的研究。已实现试点部署但尚未产生大规模收入的潜在应用场景包括金融科技、新材料开发及视觉检测。

曦智坦言，随着其向PACE 3的商业化迈进，面临若干行业内普遍存在的挑战。光计算作为一项新兴技术，目前仍存在软件栈有限、开发者对该技术熟悉度不足的问题，此外，工艺集成及良率管理也是问题。目前，曦智正在开发软件开发工具包和编译器，同时相当一部分将审慎分配用于PACE 3的工程设计、封装及可靠性验证。

当然，客户用不用也是一个大问题，这只能通过更多的实际应用案例来说服客户。

根据弗若斯特沙利文的资料，中国光计算产品市场规模预计将从2025年的6370万元人民币增长至2030年的14.616亿元人民币，复合年增长率达87.2%。在2031年至2036年的更长时间内，中国光计算产品市场预计将进一步从25.463亿元人民币扩张至347.589亿元人民币，复合年增长率为68.7%。预计大约在2035年之后，光计算与电计算产品及解决方案有望实现大规模共存。

截至2025年，光计算芯片在中国AI推理芯片中的市场渗透率不足0.5%，预计到2040年将达到20%。而从目前来看，国内厂商在光计算领域走得的确更快，这样来看，光计算市场未来的确有很大发展空间。

光计算还是个初出茅庐的新人，在这种情况下，如何利用现有能力，突破现有算力生态的瓶颈，真正把光的“能量”带到产业中去，才是企业当下需要考虑的问题。

从曦智科技等初创企业的动向来看，它们大多也在推出性能数倍乃至十余倍于现有电子芯片的产品。虽然性能提升幅度或许并不惊人，但这种光计算技术确实有望真正进入行业应用。