作者：苏打

出品：明亮公司

以不足微软 1/3、不足苹果 1/6 的年度营收，近期却一度收获超越两者的市值——疯狂的英伟达背后，是 AI" 卖铲人 " 的十足风光，亦是电芯片行业依旧 " 密不透风 " 的另一个注解。

而万物皆有裂缝，那是光照进来的地方。当光纤代替铜缆为通信行业带来剧变后，以光计算为方向的芯片，或许将成为打破电芯片铁板一块局面的下一个解决方案。近日，国内光计算芯片公司光本位科技正式官宣流回首颗 " 跨越商业化门槛 " 的芯片，成为光计算芯片领域的一次标志性突破。

"光子算力的计算范式对电子算力的超越是全方位的。性能方面，光计算芯片功耗仅为电芯片的 1/10，算力却可达 100 倍，且与已经接近极限的电芯片摩尔定律相比，光摩尔定律的天花板却依旧很高；制作方面，光芯片可以不必卷制程，真正实现全产业链国产化，目前看来是逐步打开电芯片当前‘大一统’缺口的最佳方案之一。"

近日，「明亮公司」前往光本位科技位于上海浦东的办公地点，与公司创始人熊胤江就光计算芯片的优势、产业链配套、技术和商业化前景等问题进行深度探讨。

公开资料显示，光本位科技成立于 2022 年 4 月，同年 8 月便拿到来自奇绩创坛的种子轮融资，2023 年 7 月和今年 3 月，公司相继完成天使轮和天使 + 两笔融资，累计超 1 亿元。峰瑞资本、小苗朗程两次参投，中赢创投领投天使 + 轮，老股东超额追投。

「明亮公司」获悉，目前光本位新一轮融资已开启，计划融资金额超亿元，" 以期令公司保持较为舒适的研发节奏"。

目前，公司 90% 以上的员工为研发人员。研发团队由来自牛津大学、清华大学、英国帝国理工大学、复旦大学、芝加哥大学等世界顶尖研究院所的科研人员，以及光计算芯片、光通信、电芯片等领域的资深专家组成。两位联合创始人，其中熊胤江为芝加哥大学硕士，程唐盛为牛津大学博士 ( Harish Bhaskaran 院士组 ) ，读博期间成功实现光计算芯片的人工智能应用开发。

作为一名另辟蹊径的 AI" 卖铲人 "，被问及 " 创立这家公司希望为行业和产业解决什么问题 " 时，熊胤江的表达和指向十分清晰，"我们要解决的问题，最终会落在‘大算力环境下的能效比’这个点上。" 他坦言，解决算力问题的本质，也是在解决 AI 引发的大算力需求下日益紧迫的能源问题。

如今，公司已开始产生短期规划阶段的营收。按照规划，2025 年将是光本位 POC（Proof of Concept）的市场适配阶段，至 2026 年产品量产时，商业化的爆发点将随之涌现。" 目前市场是 ready 的，只要产品完成适配，马上可以投入规模应用。" 熊胤江透露。

看向未来，" 成为光计算芯片时代的英伟达 "，或许是潜藏于这位年仅 28 岁的创业者和他所在团队心中的，另一道光。

以下为明亮公司与熊胤江的对话（有删节）

Q   : 明亮公司

A   : 熊胤江 光本位科技创始人兼董事长

熊胤江（来源：受访人提供）

「一次流片成本仅为电芯片的零头」

Q：最近我们新流回一颗谓之 " 算力最大、精度最高 " 的光计算芯片。具体来看，这颗芯片有什么特点和优势？

A：这里有个背景。矩阵规模（算力密度）和单节点光辨识度（算力精度）是衡量光计算芯片性能的两个关键指标，目前业内公认的达到商用标准的矩阵规模是 128 ╳ 128。2021 年全球范围内有两家企业完成了 64 ╳ 64 的光计算芯片流片，但此后多年内这个瓶颈一直没有被突破。

我们这颗芯片首先在制程上突破了 128 ╳ 128 的算力规模，峰值算力超 1700tops，这意味着其算力密度已经超过先进制程的电芯片，甚至可比肩英伟达旗舰产品的算力；其次，虽然绝对精度尚无法媲美当前顶尖的电芯片，但其当前的精度标准已经越过商业化的门槛，是光计算芯片领域的一次突破。

Q：从启动设计到此次流片成功，这颗芯片的落地周期大约多久？

A：从 2023 年年初到现在一年半时间，期间我们已经流片 4 次，平均每次流片时间不足半年。未来我们也会继续保持这个节奏，大约每年流片 3-4 次，平均每个季度有一次流片。

Q：通常电芯片一次流片的成本会非常昂贵。

A：的确，但光计算芯片的流片成本相对低很多，一次流片的成本可以控制在百万元人民币量级，这个成本相当于先进制程电芯片的几十分之一。

因为光计算芯片采用的硅光工艺的制程一般在 180nm、130nm、90nm 左右，不会太小。这种差异是由于光的物理特性决定其制程无法做到太小，所以芯片研发公司需要在较大的制程上将算力密度做大，这就包括提升矩阵规模、提升主频频率和引入波分复用等光学特性。

Q：与电芯片相比，光计算芯片主要优势在哪里？

A：首先，面对 AI 发展产生的巨大算力需求，光子算力的计算范式对电子算力的超越是全方位的。光子芯片功耗仅为电子芯片的 1/10，延迟为电子芯片的 1%，而算力可达电子芯片的 100 倍。电芯片囿于电阻，能耗非常明显。

其次，相较于电子芯片已逐渐接近极限的 " 摩尔定律 "，" 光摩尔定律 " 的天花板仍旧极高。比如，目前以光通讯产品为例的光芯片主频，已经从 1GHz 提高到超过 50GHz，并且还有 50-100 倍的提高空间；同时，光子芯片可以运用多个波段的光同时进行并行运算，不会彼此干扰，从而成倍提升算力。

再次，与电 AI 芯片的先进制程节点要求相比，光 AI 芯片制程节点需求不高，因为我们可以通过精确调制光在某个节点的传输，通过使用不同的光束叠加相应的计算，实现与电芯片几乎相同的能力。这意味着，未来我们的算力提升可以不必卷制程，也不必依赖进口技术和光刻工艺的发展，并真正实现全产业链国产化。

Q：所以从效率角度讲，光芯片能够实现 " 低输入高输出 " 的效果。

A：可以这样理解。而且因为光作为一种玻色子，具备波的特性，其不同波段互不干扰，所以可以做到多个波段同步运算。目前光通信领域已经完成了数十个波段的并行，如此一来，计算密度便能大大增加，而这是电芯片所无法比拟的。

Q：按照光摩尔定律的原理，我们对自己产品的迭代节奏是否有大致的规划？

A：我们内部有做过一个规划，就是按照每年 4 到 8 倍的性能进行提升，通过提升主频、增加波段、提升单颗芯片矩阵规模等方式实现。

Q：预计何时实现量产？

A：预计在 3 年内。

成为光计算芯片时代的「英伟达」

Q：目前电计算芯片的一个主要卡点是代工，光计算芯片的代工环节是否也有类似的困境？

A：从大的产业链分布来看，我们交付给客户的光子计算板卡包括光芯片和电芯片两部分。

光芯片部分，目前是由我们设计、代工厂完成流片和封测等环节。去年底，我们已经与重庆联合微电子（CUMEC）达成战略合作，他们拥有目前国内领先的硅光中试产线；电芯片部分，目前我们的合作方是国内领军企业。

Q：从设计和生产的角度看，目前最大的挑战主要落在哪些环节？

A：基于较强的芯片研发和迭代能力，我们觉得芯片设计方面的挑战已经不是特别大。目前看来，整体挑战还是在工程化产业链上，比如未来要进行封装、要走向量产，产业链能不能跟得上。

Q：这也是我们比较关心的问题。一个新事物能走多远可能与技术先进性有关，但能走多快很大程度上还要看配套环境。目前国内光计算芯片的产业链成熟度如何？

A：首先，硅光流片的代工厂，目前中国处于世界领先梯队，与国际领先的厂商差别不是特别大，不像电芯片领域存在着代际差异。

同时，在封测层面，国内已经有几家比较领先的封测厂，在国际上也能排到 Top3 之内，所以产业链方面的封测能力也已经具备。而且由于我们采用光芯片 + 电芯片的运行模式，目前也正在和这些大型封测厂联手推进光电合封的相关研发——这是一种比较前沿的封装方式。

Q：目前产业链合作的探索是否有一些进展？

A：最近我们正在与产业链上下游企业探讨如何构建一个有组织的创新形式，帮助光计算更好更快落地。一个可能的载体是创新联合体，这个联合体将以商业化公司的方式呈现，其中会引入我们产业链的上下游。未来，各方将以共同持股的方式构建一个从研发、生产到应用的光计算平台。

光芯片解决算力问题，本质是在解决能源问题

Q：放到全球范围内看，光计算芯片目前的进展如何？

A：以真正做出产品的标准看，目前比较知名的光计算芯片公司全世界大约有三家，一家（Lightmatter）在国外，两家在国内——包括光本位科技和一家 MIT 背景的创业公司。三家创业公司中，另外两家已是估值在 10 亿美金上下的独角兽企业。从这个角度看，我们对公司的发展前景是非常乐观的。

Q：为什么讲我们是为 AI 新世代而生的？

A：主要还是由于 AI 迅速发展产生的巨大算力需求，一方面深度神经网络的计算量以指数级速度增长，远超集成电路摩尔定律的增长速率，另一方面，功耗问题也变得愈加尖锐。

光子计算板卡由于其具备超大算力、超低功耗、响应极快、可大规模量产等特点，最大应用场景便是人工智能，并天然适配于大模型、自动驾驶、具身智能等细分领域，在推理和训练两侧都能提供助力。

Q：算力目前紧缺到什么程度？

A：几家代表性大模型公司以及互联网大厂的大模型崛起后，AI 相关的算力需求猛增。

目前供给端的状态是，大部分大厂还在使用之前遗留下的英伟达的卡，而新兴的大模型公司更多则采用租算力的模式。目前国内能够提供算力的厂商中，第一梯队可以解决一小部分算力问题，但也面临软件适配等问题。

所以，我们首先试图改变的，就是大家只能用英伟达的卡这个格局，比如让互联网厂商尝试使用光计算芯片，因为性能和成本都有优势。其次，我们也希望跟国产的算力集群一起打造光电融合的生态。

Q：所以光计算芯片起量之后，是否也能缓解由 AI 算力急剧增长带来的能源问题？

A：肯定会。有一种观点认为，当光计算芯片发展到一定程度，对能源价格与市场需求错配进行调整的模式可能就不太需要了。因为算力问题背后是能源问题，而光计算本身便是解决算力问题的一个铆点。

如果要用一句话来总结我们未来的一个长期目标，就是以超低功耗提供超高算力，解决大算力需求的同时，以可持续的方式解决能源安全问题。

Q：能否用一句话总结一下，我们希望通过目前在做的事情为行业和产业解决一个什么根本问题？

A：我认为，我们要解决的问题最终会落在 " 大算力环境下的能效比 " 这个点上。其中关系到产业关注的两个核心点。

一是 AI 催生的大模型起势之后，算力的需求变得空前巨大，所以提供充足的算力是燃眉之急；二是要怎么解决算力问题？当然也可以通过堆卡暂时维持，但堆卡是有限度的，达到一定量之后能耗也会迅速增大，届时如何消解能耗成本又将是一个巨大的挑战。

所以我们提出的解决方案是，在提供超大算力的同时，就尽可能把能耗降到最低。在这一点上，我们有清晰的优势。

2026 年将是商业化首个「爆发点」

Q：商业化方面，光本位在行业客户类型上是如何计划的？

A：大模型、AI 算力硬件、智算中心、具身智能等都是我们要赋能的产业。

以 AI 算力硬件为例。比如 GPU、CPU 等国内做电芯片的一系列公司，都会是我们的合作伙伴。拉长时间线来看，未来一定是一个光电融合的解决方案。

从创立第一天起，我们都在寻找一个 " 一边手拿锤子，一边手拿钉子 "，然后左右手不断往中间靠的平衡态。

Q：所以其实从此刻开始，我们就已经在为未来赋能产业进行前期铺垫。

A：是的，其实我们已经做了不少工作。截至目前，我们已经与上述各个产业的头部企业都建立了合作关系，有些是已经签订战略合作协议，有些是已经开始进行技术和商务的对接。

另外，我们的很多研发方向都是市场导向，均来自下游厂商的反馈。我们也非常关心这些针对性的反馈。

Q：据你们预计，何时会是光计算芯片商业化的爆发点？

A：目前我们商业化的前期铺垫已经在进行中，计划 2025 年开始做 POC（Proof of Concept）。所以按照目前的发展节奏，预计至 2026 年我们的产品量产时，将会出现一个商业化的爆发点。

# 数店

瑞幸｜｜｜｜｜｜｜｜｜｜｜｜

# 关于咖啡的一切

｜｜｜｜｜｜｜｜｜｜｜｜ ｜｜｜｜｜｜｜

# 技术驱动

｜｜｜｜｜｜｜｜｜｜

# 投资机构 Q&A

｜｜｜｜｜｜｜

# 附近商业研究所 & 城市样本

｜保山｜｜｜｜｜｜｜小红书｜

# 生活方式与文化

|｜｜｜｜｜｜｜｜｜｜｜

# 从纺织到服装

｜｜｜｜｜｜｜Surpine 访谈｜｜｜｜｜｜｜｜｜｜