光，就像是宇宙中最迅捷的使者，以每秒近 30 萬公里的速度在真空中傳播，不僅照亮了我們的世界，更在現代科技領域發揮越來越重要的作用。

在通信領域，光纖在全球應用已有數十年歷史，光在信號傳輸方面的能耗、時延和通量等都遠優于電子。如今，光纖早已進入千家萬戶，帶來高速穩定的網絡連接。

除了通信，光在計算領域也展現出巨大潛力。早在 2017 年，美國麻省理工學院沈亦晨和團隊開發的可編程光子處理器芯片開創了片上干涉架構的先河。作為一種顛覆性計算范式，光計算近年來發展迅速，正處于從實驗室走向產業化的關鍵階段。

近日，Nature以《超低延遲大規模集成光子加速器》（An integrated large-scale photonic accelerator with ultralow latency）為題刊載了一篇論文，介紹了曦智科技在光電混合計算領域取得的產業化進展。

（來源：Nature）

“這篇論文介紹的其實是我們四年前發布的上一代光子計算處理器‘PACE’，相當于是把這款產品的開發思路進行了一次‘開源’：通過公開‘PACE’光電混合計算（硬件和軟件）的具體架構，我們希望吸引更多人參與到光計算行業中來，促進整個行業的發展和進步。”曦智科技創始人、CEO 沈亦晨告訴 DeepTech。

針對這項研究成果，審稿人認為，“在光子計算領域，通常會通過小規模的演示對大規模系統性能進行樂觀推斷，而本論文中的數據均來自整個‘PACE’計算系統的實測性能，研究團隊工程化的實現了一個超大規模光子矩陣計算系統，可謂是一次‘壯舉’?！?/p>

作為國際頂級學術期刊，Nature發表的研究成果向來以高校、科研機構等學術界基礎研究為主，而此次發表來自產業界的產品化成果，一方面標志著光計算技術已經從理論研究階段跨入實際應用階段；另一方面也反映出學術界對光計算商業前景的認可。

從“0”到“用”的突破：光電混合計算架構首次公開

近年來，隨著硅光子、納米光學、材料科學等學科的發展，全球范圍光計算的熱度不斷攀升。與傳統電子計算技術相比，光計算采用了一種全新的運算方式，利用光子作為信息載體，通過光學硬件而非電子硬件來執行計算任務。

這種新型計算方式尤其擅長處理需要高度并行運算的復雜任務，然而光計算也面臨著一些挑戰，首當其沖的是缺乏合適的商業化應用場景；其次，傳統的光子器件采用分離式設計，對光場的調控手段比較單一并且整個光子系統的體積較為龐大，導致光計算技術長期停留在實驗室理論研究階段。

圖｜光子計算處理器“PACE”（來源：曦智科技）

2021 年，曦智科技發布光子計算處理器“PACE”（Photonic Arithmetic Computing Engine，光子計算引擎），其包含 64x64 光學矩陣，集成 16,000 個光子器件，由一塊集成硅光芯片和一塊 CMOS 微電子芯片以 3D 封裝形式堆疊而成，能夠實現 1GHz 頻率的高速計算和每周期 3 納秒的延遲。

最為關鍵的一點是，“PACE”通過實測驗證了光子計算的優越性，由于光在執行矩陣向量乘法時的時延極低，通過重復矩陣乘法和受控噪聲組成的緊密回環來實現較低延遲，在生成伊辛問題（Ising）和最大割/最小割問題（Max-cut/Min-cut）這類組合優化問題的高質量解決方案，而這代表著光電混合計算從概念驗證到產品化落地的跨越。

技術架構層面，曦智科技聯合創始人、首席技術官孟懷宇表示，“之所以選擇 64×64 的矩陣規模，主要是由于我們在當時的時間節點上有把握能開發成功且規模足夠大的產品形態，在此規模下有海量元器件需要控制，采用 3D 堆疊封裝是最佳選擇。”

“PACE 中的 16,000 個光子器件并不存在光學串擾的問題?！标刂强萍贾魅喂韫夤こ處熑A士躍指出，“至于射頻串擾，由于我們采用的是倒裝芯片（Flip chip），被控器件和控制元器件上下堆疊，是點對點的，因此器件之間的串擾也不明顯，只有在長距離并行金屬線可能會有一些串擾?？偟膩碚f，我們借助先進封裝解決了串擾問題。”

除了技術參數優勢，這一產品化成果能夠被Nature收錄，主要是由于這是一款完全由商業生產線制造的大規模光電集成計算卡，并且還提供了詳盡的實測數據支持，不僅證實了這款計算卡在降低計算延遲方面的卓越表現，也展示出其在提升計算效率和穩定性等方面的一些優勢。

圖｜PACE 系統架構示意（來源：Nature）

任何一項技術，只有從實驗室基礎理論研究走向大眾市場并付諸應用才能算作真正意義上的成功。對于光計算領域，在沈亦晨看來，技術從概念到產品需要經歷幾個步驟。

第一步，新技術（對比現有技術）要體現出優越性。“在這篇論文中，針對伊辛圖形優化算法，我們用光電混合芯片證明比電芯片要快幾個數量級。這是技術從概念變成產品的第一步，即具有優越性。”他補充說。

第二步，新技術要解決實用問題，并且能融入到現有的計算體系生態中。“這也就是我們今年 3 月份發布的新一代光電混合計算產品‘曦智天樞’，首次驗證了用光電混合芯片也能跑通用商用算法，具備了實用性，可以解決一些實際問題，并且在形態上與普通的 GPU 無異，可以直接插入服務器?！彼榻B說。

第三步，相當于是前兩步的融合：既能解決實際問題，而且在解決問題中比現有技術更有優勢，當然還包括成本的下降、穩定性的提升等，這些都是后續產品迭代需要攻克的問題。

“總的來說，這篇論文的一個重要意義在于，我們讓大家看到什么樣的計算結構和算法能夠最大化發揮出光計算的優勢，這大概率是一些 AI for Science 的應用場景?！鄙蛞喑恐赋?，“曦智科技的早期客戶主要面向教科研領域，我們希望與教科研的研究人員一起去探索和發現（除了當前通用商用 AI 算法之外的）新的且比較契合的應用場景。”

值得一提的是，Nature同期還刊載了來自美國 Lightmatter 團隊圍繞光電計算的研究成果：其開發的光電芯片包含四個 128×128 光子矩陣，能夠執行自然語言處理模型 BERT 以及用于圖像識別的神經網絡 ResNet，并且其運算結果的準確性可與傳統的電子芯片相媲美。

8 年追光歷程：從概念驗證到產品落地

回顧沈亦晨的“追光之路”。早在 2017 年，他以第一作者在Nature Photonics上發表了一篇題為《由納米光學回路實現的深度學習》（Deep learning with coherent nanophotonic circuits）的封面論文，首次提出光子計算系統的概念，開發出基于相干納米光子電路進行深度學習計算方法，即光子代替電子來進行 AI 計算。

（來源：Nature Photonics）

這項研究被業界公認為是集成光子領域的開創性進展，在算法創新和硬件革新兩個維度都取得突破：算法層面，開發了一系列既能夠保持模型性能，又能顯著減少深度學習計算需求的算法，這些算法特別針對光子芯片進行了優化；硬件層面，采用光干涉儀來執行基本的矩陣運算任務，替代了傳統的電子晶體管。

彼時，這套光子計算系統并不能稱之為“產品”，它體積過于龐大，幾乎占據了半個實驗室。

同年，沈亦晨創立曦智科技，以這項研究成果為起點致力于將光子計算產品化、商業化。

2019 年，曦智科技發布了首款光子計算原型板卡，成功運行了 Google TensorFlow 自帶的卷積神經網絡模型來處理 MNIST 數據集，驗證了兩年前的這一開創性想法，證明了光子計算的可行性，并且產品的體積也縮小上千倍。

這一幕，就像是上世紀 40 年代誕生的世界第一臺通用計算機“ENIAC”，半個多世紀后，這個重達 30 噸的龐然大物體積已經小到可以放進背包甚至口袋里。

（來源：曦智科技）

2021 年，“PACE”的問世，向業界展示了一款由商業產線生產的大規模光電集成計算卡，標志著光電混合計算從概念驗證完成產品化落地。

時隔四年，曦智科技于今年 3 月推出了新一代光電混合計算卡“曦智天樞”，首次實現了在復雜商業模型中的應用，并在特定算法中體現出了優于商用 GPU 的延遲優勢。

“對比上一代‘PACE’產品：硬件方面，首先是矩陣尺寸擴大了四倍，從 64×64 到 128×128；精度提高到 8bit，可以跑 ResNet50 以及其他 AI 算法；軟件方面，我們開發了一整套開發框架，在易用性方面也有所提升?！泵蠎延罱榻B說。

更為重要的是，“對比上一代‘PACE’（形態上更像是一款實驗儀器），‘曦智天樞’已經進化成為了一款標準的 PCIe 通用板卡，不僅僅是硬件形態，其在芯片層面上支持通過 PCIe 與 CPU 直接互聯，而這意味著‘曦智天樞’可以直接部署在傳統的數據中心服務器中。”他補充說。

創業至今 8 年有余，曦智科技的產品線不斷優化迭代，圍繞光計算開發的側重點也在悄然發生變化。

“早先剛開始做光計算的時候，我們特別專注矩陣乘法部分，如今我們發現遠遠不止矩陣乘法，還包括互聯、存儲、帶寬等等，類似于‘水桶效應’，其整體效能取決于其最薄弱的環節（短板），而非最強項（長板）。所以我們需要把每個‘木板’都補齊，才能實現綜合性能的上限。比如，我們布局了光互聯的產品線，本質上就是來解決計算過程中的數據存儲和搬運問題。“沈亦晨表示。

“隨著時間的推移，我們越來越認識到‘軟件生態’的重要性?！泵蠎延钛a充說，“光計算也好，電計算也罷，計算范式不同，各自的優勢也有所不同，這個時候龐大的軟件生態反而成為制約其進入大規模商業應用的門檻?！?/p>

“光計算開發，遠不止是純硬件方面的事情。一方面，我們要做好自己的軟件；另一方面，我們還需要自己去培育軟件生態?！彼硎?。

談及學術界和產業界對光電混合計算的關注點，曦智科技首席運營官王瀧指出：“學術界更關心的是理論上限，產業界更關心的是可實現性、可落地性，我覺得這是一個本質的區別?！?/p>

“學術界的側重點為創新，他們可能會去探索一些新架構、新應用、新材料等前沿技術。但就我們自身（產業界）而言，對于激進技術的應用會更加收斂，因為我們希望能在中短期內將技術落地成為一款可量產、可應用的產品，還包括一些細分要素，比如成本可控，可編程性，上手難易度等等?！泵蠎延钛a充說。

圖｜曦智科技團隊（來源：受訪者）

對于未來公司發展規劃?！笆紫龋谟布矫?，我們已經在著手開發256×256 矩陣規模的芯片產品，同時在供應鏈方面進一步向國產靠攏?！鄙蛞喑勘硎尽?/p>

其次，對于光計算這個新興計算硬件而言，初期顯然無法與傳統通用 GPU 市場相抗衡?！八?，我們選擇先聚焦一個當量足夠大的專用定制化場景：大模型推理，同時將光互聯融入其中，開發新一代產品?！彼f道。

最后，構建光計算生態。“我們希望帶動產學研一起合作，圍繞光計算本身的硬件優勢來尋找這種‘殺手級’的應用，即大模型推理等現有商業 AI 以外的應用場景?！彼硎?。

市場層面，“光計算的市場前景主要看算力市場需求。我們目前已經做出了一款‘可用’的產品，下一步做出‘好用’的產品。如果能做到‘好用’，那么國內算力市場規模有多大，光計算的機會就有多大?！蓖鯙{表示。

提出“等效光算力”標準：讓參數更能體現實際性能

隨著產品陸續落地，那如何衡量其性能指標呢？在電子芯片領域，業界通常講某款 AI 芯片算力有多少 TOPS，但即便 TOPS 相同，在不同精度下、不同架構下也是完全不同的，而在光子芯片領域，這個問題變得更加混亂，甚至連 TOPS 的定義都完全不同。

“出于這個原因，我們從實際應用的角度思考，如何找到一個比單純峰值算力更能夠體現芯片實際性能的參數來供大家參考？”孟懷宇說道，“于是，我們提出了‘等效光算力’的概念，其中包含三個參數，一個是峰值算力，然后加入了兩個修正值，輸出精度和權重刷新。”

具體來說，一方面，雖然在 8bit，4bit 和 1bit 輸出精度下都能擁有同樣的 TOPS，顯然不同精度下的實用價值是不一樣的，畢竟更高的精度付出了更大的代價；另一方面，從本質上來講，可編程的設備才能稱得上是計算機，權重刷新速度，代表能夠以多快的速度刷新其每個矩陣的參數，可以描述光電混合計算卡的可編程性有多強。

“比如相機鏡頭也可以完成一些光信號的處理，但是它完全沒有可編程性，更不可能跑 ResNet50，所以不能稱之為光子計算機。”他舉例說。

“曦智科技成立之初，我們的目標就是把光計算變成一種能夠付諸實際應用的可以大規模量產的產品。”沈亦晨補充道，“片面地去夸大峰值算力，很多時候并不能代表真實性能。所以，我們除了峰值算力以外，融入了精度和可編程性兩個參數指標，希望這種綜合算力評價方法能更加全面、真實、客觀地展示光計算芯片實際價值，同時也能讓業界全面了解光計算的優勢和局限。”

“其實，如果單純為了沖高峰值算力，完全可以用最低的精度和最不可編程的硬件實現超高的峰值算力，但這樣做犧牲的是應用性和落地性；相反的，想要提高應用性，增加精度的代價也是指數級的?！彼a充說。

“光計算和電計算兩種計算范式存在本質不同：精度越高，對于光計算而言其難度是呈指數級上升，對于電計算而言其難度只是呈線性上升。當然，我們也希望整個算法會越來越往低精度發展，因為當算法的精度需求越低的時候，光計算的優勢就愈發明顯?！彼忉屨f。

公開技術路線，期待更多人加入光電混合生態

前不久的全球光通信大會讓沈亦晨感受頗多?！霸趧撔鹿怆娙诤戏矫?，國內擁有更好的機會。”他直言。

“相較于電計算，光計算國內外差距并不算大，基本處于同一進度，而這帶來的是光計算在國內的可應用性和可落地性要遠遠高于海外?！彼硎?，“國內的算力市場更像是處于‘群雄逐鹿’的時期，并不存在壟斷性的寡頭，所以這其中就蘊含了大量創新的機會。中國可以基于自身需求來開辟一條新的道路?！?/p>

”光計算在中國有更大的可能性開辟出一條新道路，讓我們更快速地實現商業落地。“王瀧補充道。

所謂“一花獨放不是春，百花齊放春滿園”。正如本文開頭沈亦晨所說的那樣，希望通過開源的方式、以開放的態度，把整個光計算產業的積極性調動起來，團結合作方能創造出更大的生態價值。

參考資料：

1.https://www.nature.com/articles/s41586-025-08786-6

2.https://www.nature.com/articles/nphoton.2017.93

3.https://www.xztech.ai/index.php/product/pace-photonic-arithmetic-computing-engine-ai.html

4.https://www.xztech.ai/index.php/product/TIANSHU.html

5.https://www.xztech.ai/index.php/tech.html#oMAC

6.https://www.xztech.ai/index.php/fabric/Fabrics.html

7.https://mp.weixin.qq.com/s/fpkbnAGFmPDsKJI7o2iWPg

8.https://mp.weixin.qq.com/s/xssy4dlPv_u8awQcjpkffw

運營/排版：何晨龍