当GPU集群的功耗和散热逼近物理极限，当摩尔定律的放缓让“堆更多晶体管”的旧逻辑越来越昂贵，AI算力的下一程增长，需要一条全新的技术路线。光计算，正是被寄予厚望的答案之一——它让光在传播中直接完成矩阵运算，速度和能效潜力远超电子方案。但过去几年，光计算始终面临一个核心质疑：能在实验室跑出惊人数据，却难以像GPU一样灵活适配不同模型和任务。上海一家名为智子光垣的初创公司，正在正面回应这个质疑。其团队打造的光计算芯片能实现150 TOPS算力，并即将推出面向服务器端和边缘端的两款可部署产品。更关键的是，智子光垣的目标不是做一颗“算得快的专用芯片”，而是构建一个可重构、可扩展的通用光计算平台——如果这条路走通，它颠覆的将不只是芯片架构，而是整个AI算力的供给方式。

      电芯片正在逼近物理和能耗极限

      AI越强，算力的代价就越高。更大的模型、更密集的推理，正在把芯片、供电、散热乃至整个数据中心推向新的极限。今天的问题已经不只是“还能造多少GPU”，而是现有计算方式还能不能支撑下一轮AI增长。

      国际能源署预计，2025年至2030年，全球数据中心用电量将从485 TWh增至约950 TWh；其中，面向AI的数据中心用电量将增至约3倍，将导致严肃的AI能源问题。

AI数据中心用电量

      AI扩张带来的压力，正在从模型Token成本一路传导至算力基础设施紧缺以及电子芯片摩尔定律失效。

      当电子计算越来越接近能效边界，一条新的路线正在加速走向产业化——光计算。

      电的瓶颈，为什么光计算会是答案？

      光的优势，不只在“快”。它可以蕴含海量信息，多路多维度并行，更重要的是，传播本身，就可以成为计算。

      光天然存在干涉与衍射等物理效应。通过设计光路，调控不同光束之间的相互作用，完成光的振幅相位等信息叠加，矩阵运算便可以被写入光的传播过程中。而矩阵乘法，正是AI计算中最基础，也最密集的运算之一。

      电子芯片需要晶体管不断开关、数据反复搬运，才能完成一次次乘加；而在光计算中，几束光从芯片的一端抵达另一端，大量乘加便可在光速传播中并行完成。

      在大规模矩阵运算中，光子方案的速度潜力可达到电子方案的十万倍以上，单次运算能耗可降低一千倍以上，而所需要的芯片制程要求仅为电子的十分之一。

      光计算芯片的价值，也正在于此。

      但光能算，还不够

      真正走向应用，还要回答另一个问题：

      光能不能把一次运算中的优势，转化为真实系统可以调用的算力？

      今天，光计算已经在特定运算中展现出速度与能效潜力。但从一次验证走向真实应用，面对的不再是单一、确定的计算条件：模型与任务会变化，计算规模需要扩展，芯片也要进入更加复杂的系统与运行环境。

      真正的难题，是让光的优势在这些变化中依然成立。

      从“能计算的光”，到“通用光计算”

      面对这道问题，智子光垣选择了一条最贴近实际需求的路：推动光计算从“专用”走向“通用”。

      所谓“通用”，并非让光包办所有计算，而是在光所擅长的范围内，让同一套硬件不被单一用途永久定义。

      这套能力的起点，在计算核心的可重构。

      智子光垣从芯片底层构建时空重构架构，使计算关系能够在空间与时间上完成同步调制。计算需求发生变化时，无需重新设计芯片，写进光路的计算关系即可随之重组。

      当计算能够灵活重构，“通用”的下一步，是让算力随需求扩展。

      干涉计算兼具高精度与灵活性，衍射计算擅长大规模并行。智子光垣通过chiplet将两者融入同一架构，单芯片级联多个光计算核心，使计算规模与可重构性持续提升。

可重构：干涉*衍射*chiplet

      同时，为了最大限度发挥光的优势，智子光垣推进“光传光算”，让通信光直接参与运算，并将关键的非线性处理留在光域，实现真正意义上光电转换～0的“全光”计算芯片。

全光：光传光算*非线性

      当然，真正的“通用”，不只存在于单颗样片，还要在批量生产的芯片上稳定复现。

      为此，智子光垣通过软硬件补偿模块的协同设计，实现噪声温漂等纳秒级工程化校准，显著提升量产芯片的精度一致性。

工程化：软硬件协同校准

      从技术验证，到产品落地

      基于前期芯片研发与工程验证成果，智子光垣计划在未来半年内陆续推出“烛龙”与“玄鉴”两款可部署的光计算产品。目前，相关芯片均已送流片。

      其中，“烛龙 OPU-08”面向服务器端计算加速，聚焦AI推理中的大规模矩阵运算，以256×256计算核心、150 TOPS算力，为大模型云端部署提供“光子Token”；

服务器光电加速卡-烛龙 OPU-08

      “玄鉴 TOCU-07”面向边缘端低功耗智能设备，在真实物理世界完成大规模光电计算，同时其可摆脱光电编码，收集微弱自然环境光直接运算，以128×128计算核心、100 TOPS算力，完成端侧AI Infra的光子方案。

端侧光计算芯片-玄鉴 TOCU-07

      未来，智子光垣还将进一步构建训推一体的光子“GPGPU”——把通用光计算能力集成为一套可扩展、可部署、能够承接不同模型与任务的光计算平台。

      智子光垣：为下一代AI计算而来

      智子光垣名字，承载着公司对下一代计算的构想。

      “智子”取意于科幻作品《三体》中的高维科技，寓意承载高级智能的基本单元；“光垣”则寓意以光构建的算力疆垣。智子光垣，致力于突破传统计算边界，以可重构全光计算技术构建下一代通用算力基础设施。

      要让这份愿景成为现实，既需要探索底层原理的研究能力，也需要把技术落地产品的工程能力。

      智子光垣的技术路线发端于上海交通大学。发起人程远长期从事光子芯片与边缘智能研究，同时拥有大量芯片到产品的产业化经验。此前，他曾任端侧AI Infra领军企业辛米尔科技联创/CTO，主导搭建从芯片、模组到系统的全栈产品体系，并在多家世界500强企业实现大规模批量部署。

智子光垣发起人/上海交通大学 人工智能学院副教授 程远

      公司团队多项光计算成果发表于Nature、Science系列封面文章等，累计完成数十款光芯片的设计、流片与验证。核心高管均为连续创业者，组建了一支覆盖AI模型、硅光芯片、集成电路、封装测试、系统工程的全链路产业化团队，致力于将光芯片的落地应用进程加快至少3年。

      智子光垣自成立以来，已推动连续多轮融资，估值达数十亿，获主流资本市场认可，成为光计算芯片最头部的企业之一。这不仅体现了市场对通用光计算方向的信心，也意味着智子光垣成为这一赛道的核心玩家。

      让计算，迎来下一束光

      专用，是光计算走向应用的第一步；通用，是光计算成为算力基础设施的下一步。

      智子光垣要做的，不是在某一次测试中把光算得更快，而是建立一种可重构、可扩展、可量产、可长期运行的通用光计算能力，让AI能够更方便地“调用”光。

      当光真正成为通用算力，计算，也将迎来下一束光。

推荐阅读：