光计算芯片走到量产门口了吗？

在摩尔定律逼近物理极限的背景下，传统 GPU 面临功耗墙、内存墙、带宽墙三座大山，单纯靠堆叠晶体管已难以满足大模型对算力的指数级需求。用光子替代电子做计算，正成为业界最受关注的破局路径。2026 年世界人工智能大会（WAIC）上，光计算赛道集体刷屏：光本位科技宣布首次成功流片 256×256 矩阵规模的光子存内计算芯片，号称目前全球算力密度与精度最高的光计算芯片，主攻 AI 推理等高算力场景；曦智科技推出基于自研 PACE 2 加速卡的全球首款光电混合计算一体化计算盒——天枢·光立方；每刻深思则联合合作伙伴展出「空间光计算芯片 + 大模型应用」全栈融合解决方案。一波密集亮相之后，外界最关心的问题是：光计算真的能走完从实验室到量产的「最后一公里」吗？

「光芯片」并非一个概念

在产业语境中，「光芯片」是一个被过度泛化的统称，至少包含三类功能迥异的产品。

• 光通信芯片：负责公里级长距离信号传输，是光纤骨干网与 5G 前传/回传的核心器件，典型形态包括 DFB/VCSEL 激光器、PIN/APD 探测器等；
• 光互连芯片：负责厘米至米级的芯片间、板卡间互联，代表形态为硅光收发引擎与微环调制器阵列；
• 光计算芯片：以光子为信息载体，通过传输、调制、干涉等物理过程完成数据运算，具备天然并行、超低延迟、高能效等优势，是真正意义上与 GPU 同台竞争的「计算核心」。

三类芯片的使命完全不同，市场往往将它们混为一谈，是光计算赛道对外传播中最需要厘清的基本概念。

不是替代 GPU，而是为 GPU「卸担子」

光计算的真正定位并非取代 GPU，而是与之分工。在 Transformer 主导的 AI 时代，矩阵乘法占据总算量七成以上，而这恰好是光计算的核心优势场景：输入光信号经分束后多路并行传播，各路经由可调马赫-曾德尔干涉仪（MZI）赋予权重，在输出端自然汇聚完成累加，整个过程近乎光速、几乎不产生焦耳热。

业界已基本形成共识：训练阶段依赖 GPU（逻辑复杂、精度要求高），推理阶段可采用光电混合方案。因此，光计算芯片的「第一桶金」主要掘自 AI 推理端，典型场景包括图像识别、语音识别、气象监测、金融投资等。

多条技术路线并进，光电混合最接近落地

当前国内光计算赛道呈现出明显的路径分化：

• 曦智科技：选择硅基 MZI 相干光电混合路线，2021 年推出第二代光子计算处理器 PACE，2024—2025 年光计算芯片出货量连续两年位居全球第一，已与商汤科技、阶跃星辰、申万宏源、中科天算、东方空间等达成战略合作；
• 光本位科技：押注光子存内计算，将权重存储与光学计算单元融合，理论上可缓解「存储墙」，在持续推理场景具备能效潜力；
• 每刻深思：主攻自由空间光计算，依托空间光调制器实现高并行光学运算，更适合端侧、车载、工业感知等对集成尺寸约束宽松的场景；
• 海外代表 Lightmatter：其 Envise 平台采用混合光电异构架构，每个处理器集成 256 个 RISC 内核，提供 400 Gbps 芯片间互连，支持 PCIe 4.0，兼容成熟 CMOS 工艺。

高校方面，清华大学 2024 年首创分布式广度智能光计算架构，研制出全球首款大规模干涉衍射异构集成芯片「太极」，实现 160 TOPS/W 的通用智能计算；2025 年中科院上海光机所发布超高并行光计算集成芯片「流星一号」，并行度大于 100。

相比之下，全光计算仍受制于高性能可集成非线性器件与光存储的瓶颈，目前仅停留在实验室验证阶段，例如上海交大 2025 年推出的支持大规模语义媒体生成的全光计算芯片 LightGen。

量产之路：四大短板仍未跨越

尽管光计算赛道成果不断、玩家扎堆，但整体仍处于小规模试点商用阶段，距离大规模量产尚有距离，核心瓶颈集中在四方面：

• 工艺良率低、生产成本高，整体性价比暂不及成熟 GPU；
• 光电反复转换带来额外功耗，部分抵消光子计算的能效优势；
• 软件生态零散，适配难度大、落地成本高；
• 核心产业链配套不完善，产能与技术不足以支撑规模化交付。

从真空管到晶体管、从单核电子芯片到多核 GPU，每一次算力革命都伴随着底层物理载体的迭代。如今，光子正在叩响下一代算力的大门，但要真正推开它，仍需在良率、生态与成本之间完成关键一跃。