光计算商业化验证关键期：曦智科技落地AI推理与航天场景

在近期闭幕的行业顶级AI盛会上，光计算的行业讨论焦点已经从单纯的技术突破转向了商业落地的现实问题，不再像往年那样侧重展示实验室成果。这场盛会上，国内光电混合算力领域的头部企业举办了行业首个完整聚焦AI光算力的专题论坛，围绕光计算的落地场景、核心需求行业以及规模化推广路径展开了深入探讨。

论坛之外，该企业首次展示了全球首款光电智算一体机“天枢·光立方”，并基于这款产品打造了实时视觉感知系统，在展会现场向观众开放体验。这套系统此前已经在企业自身办公楼完成了实际压力测试：“天枢·光立方”被用于驱动园区门禁系统，每天要完成数百次目标检测任务，能够在毫秒级的时间内准确完成图像识别工作。这也是光计算首次进入高频民用场景并实现长期稳定运行，标志着光计算拥有了可持续落地、可验证效果、可复制推广的真实商业案例。

值得关注的是，该企业创始人透露，最新一代PACE 3光计算芯片已于今年6月成功回片。这款芯片的光子矩阵规模超过256×256，主要面向低延迟大模型推理场景设计，有望解锁更多丰富的应用可能。从最初探讨“光计算能否实现”，到如今思考“光计算该优先落地在哪里”，这场盛会释放出清晰信号：光计算正从技术可行性验证阶段，迈向商业可行性验证的关键节点，产业化窗口已经正式开启。

光计算的技术潜力与商业化卡点

过去几年，随着硅光技术逐渐成熟，加上全球AI算力需求持续爆发，光计算再次成为全球算力领域的重要发展方向。光子本身具备带宽高、传输损耗低、天然支持并行计算等核心优势，理论上能够突破传统芯片的功耗和带宽瓶颈，被认为是后摩尔时代最具潜力的新型计算架构之一。

当前全球光计算的创新生态正在加速成型：全球范围内初创企业不断涌现，学术研究成果持续增长，多条技术路线并行推进，多个地区也围绕硅光芯片、光互连与光计算器件展开了长期系统性布局。国内该企业是最早布局光计算产业化的企业之一，早在2017年就完成了光计算可行性的首次学术验证，并同步成立公司，围绕光计算、光互连、光交换持续投入研发，成为全球首家实现光电混合算力大规模部署的企业，也是首家光计算上市公司。

但与行业的升温形成鲜明反差的是，光计算的规模化商业部署进度仍然相对滞后。这种困境主要来自两个层面：技术层面和商业层面。

技术层面的瓶颈来自软硬件两端。硬件上，光学器件的协同复杂度较高，温漂、噪声以及制造一致性问题都会影响计算稳定性；而光电混合架构无法脱离电子系统独立运行，进一步放大了设计与集成的难度。软件层面，光计算目前缺少统一的软件栈和标准化框架，不同架构之间的迁移成本居高不下，完整的开发者生态尚未形成。

商业层面则陷入了“先有鸡还是先有蛋”的冷启动困境：下游客户没有动力为一套尚未经过验证的硬件体系重构现有算法和软件流程，而上游产业链又缺乏足够的市场需求来摊薄光学器件的制造成本。这种双向制约的局面，让光计算的商业化进程比技术本身的成熟度还要缓慢。

该企业高管曾以英伟达和特斯拉的发展路径来解释这种落差：早期的GPU企业落地速度比光计算更快是正常的，就像二十年前满街都是燃油车时，新成立的燃油车企落地速度会比特斯拉更快，因为它完全兼容现有的一整套生态链。而该企业联合创始人补充道，当前大模型和英伟达的关系更像是“锁和钥匙”，两者相辅相成、共生共荣。光计算目前需要做的，不是为已经成型的现有生态适配更好的硬件，而是让芯片和算法在全新的分支上共同形成正向飞轮，建立完整的新生态，才能真正实现更大的增长空间。

回顾英伟达的发展历程，其显卡最初仅服务于游戏渲染场景，正是通过与学界的长期合作，研究者发现卷积神经网络可以在这类硬件上高效运行，让深度学习算法找到了物理落地的基础，最终催生了今天的大模型产业。算法和应用实际上是基于GPU硬件自然生长出来的。该企业创始人认为，光计算很有可能重演这一过程，目前团队正与高校、科研院所合作，将光子计算模拟器、光子计算评估板等教具送入课堂和实验室，让下一代算法能够从光计算的硬件上自然生长出来。

从实验室技术到商用产品的落地路径

如果说神经网络拿到了英伟达在二十年前创造的“硬件彩票”，实现了飞速发展，那么该企业如今正在做的，就是为那些尚未诞生或仍处于萌芽期的应用，提前打造光计算的“硬件彩票”。GPU最初是为图形计算设计的，天然擅长大规模并行执行规则化、重复性的数值运算，而神经网络训练恰好可以转化为大规模矩阵乘法、卷积和向量运算，两者高度匹配，让神经网络获得了远超其他算法的可扩展算力。在此之后，资金、人才、软件和新硬件继续围绕神经网络产业建设，形成了正向反馈循环。

但需要明确的是，神经网络能够兑现这张“彩票”，靠的不只是GPU芯片本身，而是随后十几年围绕它建立起来的一整套软硬件生态体系。光计算同样如此，造出硬件产品和让硬件真正实现商用落地，是两件完全不同的事情。

在完成光计算的可行性验证后，该企业一直走在推动光电混合计算从实验室走向产业化落地的前沿。一方面，团队不断迭代光电混合计算产品，提升芯片集成度；另一方面，也围绕电子芯片设计、先进封装、软件生态和系统部署等环节补齐工程能力。

值得注意的是，在行业内卷参数竞赛愈演愈烈的当下，该企业主动“降温”。创始人认为，单纯以矩阵规模衡量光计算能力是一种误导。大模型计算需要的是不同规模矩阵的高效协同，而非一味追求参数做大。例如，10000×10000的光子计算矩阵在真实AI任务中根本无法被充分利用，实际商用场景往往需要拆分成多个小矩阵并行计算。英伟达的Tensor Core矩阵仅64×64，谷歌TPU的矩阵规模也长期停留在256×256，都印证了这一“性能甜点区”。PACE 3的光子矩阵规模超过256×256，并非单纯追求参数，而是围绕真实AI负载寻找平衡点。

这种思路同样体现在该企业对性能竞争的重新思考上。过去行业热衷于比较光计算相比电子计算快100倍、1000倍，将各种理论指标作为竞争成绩单；但近年来，团队淡化了这类“打榜式”竞争，将关注点转向了“能不能真正用起来”。

做出一颗芯片只是开始，更难的是做出能够稳定运行高频AI商用算法、可批量交付的整机产品。去年4月发布PACE 2芯片后，该企业经历了大半年才推出一体机产品，中间大量的软件和算法优化工作外界并不直观可见，在光交换领域的研发过程中也遇到了同样的挑战。创始人曾表示：“从做出硬件到交付稳定的商用集群，工作量可能是做出单颗芯片的10倍以上。”

在产品成型后，该企业并没有急于向客户推广，而是选择自己率先使用，成为第一个“吃螃蟹”的人。“天枢·光立方”最早的商用场景就是企业自身大楼的门禁系统。这套由光计算驱动的门禁系统上线首日曾因识别不稳定造成园区拥堵——当时创始人要求所有员工必须从正门刷脸进入，倒逼团队快速优化。经过一两个月的打磨，这套系统最终实现了流畅的使用体验，让人几乎感受不到这是一套全新的黑科技生态产品。下一步，该企业还打算将公司自身的芯片设计流程也运行在光计算平台上，正如创始人所说：“只有自己敢用、效果很好，才有资格让客户跟着使用。”

光计算的核心应用场景

当前光计算产业对于落地路径已经形成了更多共识。在行业顶级盛会的圆桌讨论中，该企业创始人与多位光计算初创企业创始人一致认为，相比追求覆盖所有计算场景，当下更重要的是结合不同技术路线的优势，在大模型推理、科学计算、边缘智能、通信等细分领域率先跑通真实应用，完成产品闭环和客户验证。

围绕这一思路，该企业正在推动光计算与产业生态的深度协同，目前已经与商汤科技、阶跃星辰、晶泰科技、申万宏源、中科天算、东方空间等多家企业启动战略合作，围绕视觉智能、大模型、AI for Science、金融量化、太空算力等多个方向探索落地。

从当前的产业探索来看，低延迟AI推理和商业航天是光计算最具代表性的两个应用方向。在AI推理过程中，推理时延是影响用户体验和商业价值的核心因素之一。尤其是在Agent、具身智能等新兴应用场景，以及金融量化、实时风控等典型低时延场景中，推理速度已经逐渐成为决定系统整体价值的关键指标。

以金融行业为例，实时风控、量化投资等业务本质上都在争夺毫秒级甚至微秒级的响应时间；具身智能对时延的要求同样严苛，机器人需要持续完成视觉感知、环境理解、路径规划和运动控制，整个系统必须形成实时闭环，一旦推理延迟过高，就可能导致动作迟缓、控制误差累积，甚至影响系统运行安全。相比传统电子计算架构，光计算天然适合矩阵运算，具备高速并行处理优势，如果能够将神经网络中的大量矩阵计算放到光域完成，再结合电子控制系统，就有望进一步降低端到端的推理时延。

另一个备受关注的应用方向是商业航天。随着遥感卫星、通信卫星和星座建设的加速推进，越来越多的AI计算开始从地面走向太空。该企业的合作伙伴反馈，对于星载计算平台而言，系统关注的重点不仅仅是算力本身，而是功耗、重量和环境适应性等综合能力。每增加一瓦的功耗，都会提高供电和散热的压力；每增加一公斤的重量，都意味着更高的发射成本，因此提升能效、降低整体重量比单纯提升芯片性能更具现实意义。

光计算天然适合与光互连协同设计，相比传统大规模铜缆互联，光互联能够减少高速连接所需的铜缆和连接器，在系统层面具备轻量化潜力。此外，光信号理论上具备更好的抗电磁干扰能力，在空间环境中也具备一定的抗辐射潜力。不过目前光计算仍以光电混合架构为主，整机的可靠性仍需要经过更多的工程验证。

对于任何新型计算架构而言，产业化都不是一步到位的过程，而是一个由点及面、逐步扩大的过程。随着光计算底层技术的持续成熟，产业链上下游的协同不断加强，其应用探索也有望从少数实验性项目，逐渐延伸到更多具备商业价值的行业方向。

结语：光计算进入价值验证阶段

当前光计算正在从“证明可行性”迈向“验证商业价值”的关键阶段，未来2至3年将是商业化验证的重要窗口期。在这一过程中，以该企业为代表的一批行业先锋，正选择从具体场景切入，将光计算能力融入真实的业务环境中。

随着应用场景不断积累真实反馈，上游芯片、器件、封装、软件等环节也将持续迭代优化，下游开发者、行业客户和合作伙伴的参与度也会不断提升，逐步形成技术演进与产业落地相互促进的正向循环。

更值得关注的是，光计算正在成为中国少数具备全球领先优势的新兴计算赛道。与光互连、光交换等领域相比，国内企业在光计算的技术研发、产品成熟度和产业探索方面已经走在了全球前列。过去几年，国内企业持续投入光电混合计算架构、芯片设计和系统工程，而海外市场由于传统电子计算路线仍保持领先，产业转向的动力相对有限，这也为中国光计算企业创造了宝贵的发展窗口。

正如该企业创始人总结的那样，创始团队始终相信，硅光技术的潜力远不止于当前光模块市场所展现的价值，未来也不会局限于光互连这单一的场景，而是有望成为新一代AI基础设施的重要组成部分，在整个算力体系中释放更大的产业价值。