核心答案:光计算就是用光代替电子来完成芯片里最耗算力的矩阵乘法运算,基本原理是把数据编码成光的强度或相位,让光通过干涉仪或自由空间光学元件时一次性完成 "乘法 + 累加",再用探测器变回电信号;它最大的卖点是并行度高、功耗低,在 AI 推理(尤其是 prefill 阶段)能效比可以比 GPU 高出一个数量级。先要分清两个容易混的概念:光互连(用光传数据,CPO 光模块那套)已经在英伟达 Spectrum-X 交换机里规模商用,光计算(用光做运算)还处在原型机和早期商用阶段。2026 年这个赛道重新热起来,是因为 AI 算力撞上功耗墙,而硅光材料、MZI 干涉仪、超材料等技术逐步成熟,国内外已经出现曦智科技 PACE、Lightmatter、Lumai、Neurophos 等一批玩家,但短期内光计算不会取代 GPU,主流形态是光电异构混合计算。
一、先搞懂:光计算在算什么
AI 模型 90% 以上的计算量是矩阵乘法(向量 × 矩阵),电子芯片靠晶体管一个个算,串行或小规模并行;光计算让一束光同时穿过整个矩阵,天然一次完成大量乘加。
| 对比项 | 电子计算(GPU) | 光计算 |
|---|---|---|
| 信息载体 | 电子(电流) | 光子(光波) |
| 计算方式 | 晶体管逐位逻辑运算 | 光的干涉 / 衰减物理过程直接完成乘加 |
| 并行度 | 受芯片面积和功耗限制 | 一束光可同时处理整行 / 整列 |
| 功耗 | 高,发热大 | 理论上低一个数量级 |
| 成熟度 | 高度成熟 | 原型机 / 早期商用 |
| 短板 | 功耗墙、带宽墙 | 光电转换开销、精度、散热、成本 |
二、三种主流实现路线
- 自由空间光学(Goodman 型):把向量编码进 LED / 光源强度,柱面镜把光铺开,矩阵元素编码在衰减片透明度上,光穿过即完成乘法,再用第二个透镜汇聚累加、探测器读数。结构简单、一次算完,但体积大、难集成,Neurophos 用超材料把元件缩到微米级做小型化。
- 集成硅光(MZI 马赫 - 曾德尔干涉仪):把向量编码成光脉冲幅度,光在波导里穿行,通过 MZI 的相位偏移做乘法,探测器累加后 AD 转回数字。可复用 CMOS 工艺、集成度高,是 Lightmatter、曦智科技等的主路线。
- 其他新路线:Q.ANT 把数据编码进光脉冲相位和振幅;TFLN 薄膜铌酸锂做高速相干光子计算芯片;PZT/BTO 铁电材料做光子存算一体,断电保留权重。
三、光互连和光计算:别再搞混
| 维度 | 光互连(CPO / 光模块) | 光计算 |
|---|---|---|
| 干什么 | 芯片间、机柜间传数据 | 直接做矩阵乘法运算 |
| 代表产品 | 英伟达 Spectrum-X Photonics、Quantum-X 交换机,博通 51.2T Bailly CPO | 曦智 PACE、Lightmatter Envise、Lumai Iris Nova |
| 成熟度 | 2026 年进入有限规模出货,CPO 量产元年 | 工程原型机阶段,小范围试点 |
| 价值 | 降传输功耗、提带宽密度 | 降计算功耗、提能效比 |
| 关系 | 为光计算提供数据通道 | 未来与电子芯片组成光电异构系统 |
英伟达 CPO 的实际收益:相比传统可插拔光模块,全通道功耗从 30W 降到约 9W,能效提升 3.5 倍,激光器数量减少 4 倍,信号完整性提升 63 倍。
四、2026 年产业现状与玩家
- 海外:
- Lightmatter:硅光光子计算加速芯片 Envise,能效比宣称达 GPU 的 20 倍,与日月光合作商业化;
- Lumai:Iris Nova 光学服务器 2026 年 4 月开放评估,下一代 Iris Aura 用约十分之一 GPU 能耗做推理 prefill;
- Neurophos(奥斯汀):超材料压缩 Goodman 光学计算机体积;
- Ayar Labs:光 I/O 方案,获英伟达、AMD 投资,主攻芯片间通信。
- 国内:
- 曦智科技:第三代 PACE 光计算芯片,发布光跃 Lightsphere X 千卡超节点集群,与盛科通信联合开发 51.2T CPO 原型;
- 光本位科技:256×256 矩阵规模光子存内计算芯片、玻璃基光计算芯片;
- 上海 2026 年 6 月启动首个光计算省部级重点实验室。
- 材料梯队:第一梯队硅光(最成熟、可复用 CMOS)和 InP(高速调制、长距通信);第二梯队 TFLN(1.6T/3.2T 光模块高端方案);第三梯队 PZT/BTO 铁电存算一体材料。
五、为什么是现在热起来,以及怎么看
- 需求倒逼:万卡 / 十万卡集群让铜缆电互联带宽、延迟、功耗三重告急,AI 推理 prefill 阶段算力消耗大,正好是光计算擅长的场景。
- 技术成熟:硅光代工(格罗方德 GF Fotonix、Tower 2027 年 13 亿美元硅光合同)、MZI 工艺、外部激光源(ELS)方案落地。
- 市场预期:TrendForce 预计 CPO 在 AI 数据中心光模块渗透率 2030 年前后约 35%,CPO/NPO 市场 2030 年破 390 亿美元;Yole 预测全球光模块市场 2031 年达 1120 亿美元。
- 理性边界:光计算精度受模拟噪声限制、需要光电转换兜底、生态软件栈不成熟,短期定位是 "GPU 的低功耗协处理器",而不是替代者;先在推理、专用矩阵任务落地,再谈通用。
六、入门理解路径
- 先记住:光互连已经商用,光计算还在早期;
- 再理解:光计算 = 让光一次性完成矩阵乘加,省掉晶体管逐位运算;
- 看路线:自由空间简单但难集成,硅光 MZI 是当前主流;
- 看玩家:海外 Lightmatter/Lumai,国内曦智 / 光本位;
- 看落地:先推理 prefill、先工业试点,光电混合是终局形态。
【相关 FAQ】
问题 1:61 页 PPT 讲的光计算到底是什么,和我们平时说的光模块是一回事吗?
回答 1:光计算是用光子直接完成 AI 矩阵乘法运算的技术,和光模块不是一回事:光模块属于光互连,只负责用光传数据且已规模商用,光计算负责用光做运算,目前还在原型阶段,这也是那 61 页 PPT 要拆开讲清楚的核心区别。
问题 2:光计算相比 GPU 有什么优势,为什么 2026 年重新被关注?
回答 2:光计算用光的并行性一次性完成矩阵乘加,理论功耗比 GPU 低一个数量级、能效比高出约 20 倍量级;2026 年 AI 算力撞上功耗墙、硅光工艺成熟,让光计算在推理 prefill 场景重新成为热点。
问题 3:光计算现在有哪些代表公司,国内做得怎么样?
回答 3:光计算海外代表有 Lightmatter(Envise 能效比 GPU 高 20 倍)、Lumai、Neurophos,国内有曦智科技第三代 PACE 光计算芯片和光本位 256×256 光子存内计算芯片,2026 年 WAIC 上已展出工程化原型。
问题 4:光计算会取代 GPU 吗,普通人需要关注什么?
回答 4:光计算短期不会取代 GPU,主流方向是光电异构混合计算,光做低功耗矩阵运算、GPU 做通用控制;普通人先关注光互连 CPO 商用进展和光计算推理试点案例即可。
【参考资料】
- [2026-11-18](集微咨询发布《AI 产业系列报告之光互连芯片(2026)》:CPO 量产元年开启)集微网(微博)
- [2026-11-17](AI Is Giving Optical Computing Another Shot)IEEE Spectrum
- [2026-10-30](光芯片,迎来拐点)36 氪(半导体行业观察)
- [2026-08-06](光芯片,暗流涌动)36 氪
- [2026-07-19](WAIC 2026:"站在光里" 光技术重构 AI 算力底层范式)中国金融信息网
- [2026-06-24](光芯片:AI 算力时代的光子革命,光通信与光计算双轮驱动新征程)36 氪
- [2025-04-09](光子芯片:数据中心革命领航,后摩尔时代新秀)东方财富研报中心
微博东方财富研报中心
【免责声明】
以上内容为公开资料整理的科普解读,"61 页 PPT" 原始文档未在公开渠道核验,文中能效、市场规模等数据来自媒体转述与机构预测,不同口径存在差异;光计算技术路线和商业化进度存在不确定性,本文不构成投资建议,据此操作风险自担。
