过去半个多世纪以来，在摩尔定律驱动下，半导体芯片产业飞速发展，算力一直保持着大跨度的跃进。

然而，近年来随着电芯片逼近物理和经济成本极限，摩尔定律正在逐渐失效。

在后摩尔时代，电芯片性能提升放缓，算力增长式微，而云计算、大数据、物联网等技术的进一步成熟产生的海量数据又加大了对后端算力的巨大需求，行业迫切需要一种新的计算体系和架构来突破现有算力瓶颈。光计算正是被寄予厚望的突破方式之一。

与此同时，AI 浪潮和大模型的涌现使得当前算力供不应求，算力缺口持续扩大，又给光芯片在计算领域的应用拉开了全新的序幕。

相较于电芯片已逐渐失效的 " 摩尔定律 "，" 光摩尔定律 " 的天花板极高。尤其随着应用逐渐普及，算力、能耗和延迟愈发成为衡量芯片的重要指标，而这正是光计算的强项所在。

光计算芯片的核心是用波导来代替电芯片的铜导线，来做芯片和板卡上的信号传输，通过光在传播和相互作用之中的信息变化来进行计算。与电芯片相比，光计算架构在速度、带宽和能效上优势突出。据相关数据测算，理想状态下光芯片的功耗仅为电芯片的 10%，延迟只有其 1%，而算力却能达到电芯片的 100 倍以上。

不难判断，随着大模型深度赋能千行百业，自动驾驶、人形机器人等高速计算领域不断革新，光计算有望成为下一代最优选的计算范式。

天时地利人和，

光本位科技顺势而生

在上述背景和趋势下，2022 年 4 月光本位科技顺势而生。

光本位科技公司董事长熊胤江表示，从市场需求侧来看，光本位科技的成立时间正好伴随着大模型浪潮的兴起，下游需求爆发在即。与此同时，得益于光芯片此前在通信和传感领域打下的良好产业基础，国内光芯片产业链日渐趋于成熟，光计算产业蓝海属性凸显，成为了光本位切入光计算赛道的另一关键原因。此为 " 天时 "。

另一方面，在高耸的技术壁垒和贸易争端下，光计算芯片为我国集成电路产业的发展指出了另一条道路，因为光芯片制程节点需求不高，可以绕开先进制程的限制。与积累了大量产业经验的电芯片相比，各国在光计算芯片的研发上几乎处于同一起跑线上。

这意味着，未来我们的算力提升可以不必卷芯片制程，也不必完全依赖进口技术和光刻工艺的发展，真正实现全产业链国产化。对光本位科技来讲，可谓 " 地利 "。

此外，核心创始团队的经验基础和调性，构筑了光本位公司诞生的最后一块拼图。

据了解，熊胤江曾在芝加哥大学攻读计算科学领域硕士学位，拥有谷歌 AI 框架 TensorFlow 的开发经验及市场经验；另一位联合创始人程唐盛，师从全球 " 相变材料光计算 " 第一人、牛津大学材料系教授、英国皇家工程院院士 Harish Bhaskaran，负责光本位的研发攻关及工程化落地。

光本位科技公司董事长熊胤江

两人主要研究的方向—— AI+ 光计算，正是他们所认为的 " 行业发展的最终趋势 "，也是光本位科技应运而生的关键所在。是为 " 人和 "。

呼之欲出的蓝海市场 +" 天时地利人和 " 的天然优势，让切入光计算赛道成为了光本位科技的绝佳选择。

成功突破行业瓶颈，

光本位科技做对了什么？

光计算芯片作为新的技术赛道，在速度和能效上优势明显，但长期以来也存在发展瓶颈。

一方面，此前光计算芯片本身设计不成熟，无法与现阶段旗舰级电方案直接对比；另一方面，光计算芯片规模化落地产业链尚不完善。例如，一些高校和科研院所的光计算芯片是 3 × 3 或 4 × 4 的小规模产品。即便是一些初创公司，在过去较长的周期内也最多只能做到 64 × 64 矩阵规模的芯片，基本都处于研发阶段，不具备商业化落地能力。

据了解，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关键指标，业内公认达到商用标准的矩阵规模是 128 × 128。多年来，这个瓶颈一直没有被突破，有的企业甚至无奈转战了其它赛道。

面对行业棘手的技术和产业化挑战，光本位科技乘势而上，率先完成了首颗算力密度和算力精度均达到商用标准的光计算芯片流片。据悉，该芯片矩阵规模为 128 × 128，峰值算力超 1700TOPS，该芯片的功耗大约是同级别电芯片的十分之一左右；在时延方面，光计算芯片也会有数量级的降低。

完成初步封装的光子 AI 计算 demo 硬件

光本位科技之所以能够率先实现突破，熊胤江总结了两个原因：

技术层面：从成立之初，光本位科技就意识到市场上现有的光计算芯片矩阵规模较小，这限制了其算力密度和算力规模。因此，从公司成立第一天起就明确了首先要将矩阵规模做到 128 × 128，然后一步步提升至 256 × 256、512 × 512 以及更高的目标。

在此目标指引下，光本位科技基于创新性的 PCM+Crossbar 方案，将硅光和相变材料进行异质集成，成功解决了传统光计算芯片的功耗难题，并进一步对芯片单位尺寸、封装等方面不断优化提升，同时光本位科技基于 PCM 相变材料实现了存算一体的存内计算，存储单元与计算单元完全融合，进而实现了更高的集成度，使得计算矩阵规模达到业界领先水平。

然而，"PCM+Crossbar" 的技术突破并非一蹴而就，源于光本位科技另一位联合创始人程唐盛的技术积累。

据悉，早在 2014 年，牛津实验室就开创了相变材料与硅光结合的研发，2017 年成功研发全球首个光子存算一体芯片。上文提到，程唐盛在牛津大学读博期间，师从全球 " 相变材料光计算 " 第一人——牛津大学材料系教授、英国皇家工程院院士 Harish Bhaskaran，在此期间他主导参与了牛津大学的相变材料光计算芯片、新型超低功耗纳米相变材料的研发。

这为光本位科技能够率先突破光计算技术在实际应用中的挑战——降低功耗和扩大矩阵规模，提供了技术基础和有力支撑。

Crossbar 技术路线演示

另一方面，或是因为光本位科技踩中了时间节点。光计算行业经过几年时间发酵，AI 爆发、ChatGPT 横空出世，算力市场面临巨大缺口。

" 同时，整个光芯片产业链日益成熟，已经发展到了可以去进行一系列流片和异质集成的时间当口，这对于我们来说也是非常重要的一个时机。" 熊胤江说道，技术创新、产业链成熟度以及对工程化的投入，缺一不可。

纵观行业现状，光本位科技实现了矩阵规模、算力密度、算力精度均在业内领先的一颗光计算芯片的流片，并且其配套板卡和电芯片的研发也都已经走到了行业前端。

市场领先的背后，是公司核心竞争力和独特优势的最好诠释。

熊胤江强调，公司的战略是集中优势资源将下游核心痛点需求打透。简单来讲就是为下游高性能领域客户提供大算力、低功耗、高效能、软硬件适配的光计算解决方案，进而去更好地撬动产业链资源，获取资本和市场关注。

在这个过程中，团队和人才是实现一切的前提和基础。

就像光本位科技所示：公司在发展过程中需要源源不断的保障团队，既要有拿着望远镜放哨和指挥方向的规划者，又要有一步一步把产品实际做出来，快速落地实践的工程团队。

正是得益于这样独特的技术 + 独特的团队，构成了光本位科技领先身位背后的内在驱动力。

光计算产业生态，行至何处？

如今，光计算赛道被寄予厚望，但在过去很长时间里，光计算都是一项被困在实验室里的技术。

回顾其历程，2017 年光计算领域发表了第一篇 Nature 文章，之后一些公司陆续成立。从 2020 年开始，光计算产业迎来快速发展，资本市场蜂拥而至。再到 2022 年，光本位科技成立，行业经过五年发展，技术和产业链逐渐成熟，但光计算芯片还是没有像传统电芯片那样实现大规模商业化。

直至 2024 年 7 月，光本位科技 128*128 矩阵规模光计算芯片成功流片，才正式推开了光计算芯片规模化商用的大门。

然而，技术突破只是一个敲门砖，接下来对光计算芯片和光本位科技来说，要面临的是产业生态的挑战。

对于光计算行业近年来的市场变化与生态水位，熊胤江表示，该赛道正逐渐呈现出市场多元化需求，"2022 年前是大模型前市场，2022 年之后进入了大模型浪潮带动的大算力市场。"

随着 AI 开始赋能千行百业，应用场景也开始从此前的安防、人脸识别、GNN 架构、自然语言生成等细分领域，朝着大模型融合的趋势加速迈进，同时也根据不同应用市场提出了更多垂类化、行业化、多元化的精细化算力需求。这一变化对硬件来说，相当于从一个 GPU 可以干所有事情的模式逐渐被解构，变成更专有化的芯片去做专有化的事情的趋势。

此外，各地政府对光计算产业的重视程度越来越高，在牵头去做一些动作，包括资金支持力度以及一系列出台的政策和项目角度，都在为光计算产业的快速发展助力赋能。

能看到，无论是研究机构、产业厂商还是政府部门，都在积极推动光计算行业的生态进展，希望能够把硅光、光计算技术做成未来能换道超车的非常重要的一张底牌。

针对业界讨论较多的行业软件生态，熊胤江认为，产业链任何一环的发展都是以商业利益为导向和牵引，而光计算软件的短板本质还是在于硬件。他表示，" 当我们在硬件上面做到碾压级的优势之后，才有资格在软件方面提出要求，软件供应商也才会自发的积极去做适配。"

而光本位科技这颗 128 × 128 矩阵规模的光计算芯片的成功流片，不仅是其自身技术和实力的充分展现，同时也在推动光计算软件生态，推动产业生态完善上起到了示范效应和积极贡献，助推国产光计算芯片走到了商业化节点。

展望公司未来整体产品的路径规划，熊胤江透露，我们的 128*128 光芯片完成了流片，配套的电芯片也已经完成了流片，目前正在进行光电合封的阶段，预计明年我们会推出第一代光电融合的计算板卡。同时还将持续拓宽光计算领域的研发壁垒，进行更大矩阵规模的研发，包括但不限于 256 × 256、512 × 512 矩阵规模的光计算芯片研发，预计会在 2026 年推出第二代融合板卡并开始规模化出货。

光本位科技通过深入产品周期，从芯片到板卡，再到下游适配和最终出货，既能使公司一直保持研发的领先地位，又能确保产品能够实现实际的工程化落地。

能看到，光本位科技以身示范，正积极参与到产业生态的构建过程当中。

但面对真实而复杂的实际场景考验，目前市场客户普遍使用的是英伟达或 AMD 的 GPU 芯片，要实现光计算芯片 / 板卡的广泛应用，对于光计算行业和光本位科技来讲是否存在新的挑战？

对此，熊胤江表示，不管是通过光还是量子去实现最终的计算效果，给到下游客户的接口一定是电接口，整个算力系统还是通过电介质驱动去调度的。因此，对客户来说，依旧是通过电芯片去调控光芯片的效果。

光本位科技的这颗芯片采用 PCIe 接口或其他通用标准进行数据交互，可以与数据中心兼容，未来也会确保光计算板卡在硬件上兼容现有生态。

另一方面，为了加强跟产业生态的兼容和耦合，光本位科技瞄准了光计算赛道长期投入资源和未来有潜力产生大量订单的头部客户进行深度合作，且目前已经在进行比较深度的探索与合作。

熊胤江坦言：" 针对生态而言，只有切入了市场才有生态，不能只停留在自说自话的阶段，必须要有人开始用了之后才会有生态。我们的整体策略是围绕客户核心需求逐点击穿，投入大量资源去做这件事情。"

针对光计算芯片实现规模化商用的讨论，无论是科研院所，还是产业界，都认为构建光电融合生态是一条必经之路。光本位科技基于 PCM 相变材料实现了存算一体的存内计算，存储单元与计算单元完全融合，已迭代出以光计算芯片为核心的电芯片设计能力。

目前，与国内封装公司建立深度战略合作，共同开发先进的光电合封能力是光本位科技的下一个侧重点所在，也是强化产业链上下游联动助推产业生态的有力举措。

对此，熊胤江倡议，光计算行业可以尝试构建一个把高校、科研院所、光计算芯片设计企业、晶圆厂、封测厂、光计算芯片应用企业等整个产业链串起来的创新联合体，以共同参股市场化主体的深度合作模式加强各企业的投入和参与力度，共同推动国内光计算产业生态的繁荣发展。

OPU 概念图

成为世界上最好的光计算公司

整体来看，与电芯片相比，光计算还处于一个较前期的发展阶段。不过，随着市场需求的爆发和生态系统的完善，光计算将以其超高速、高能效、低功耗的特性逐渐发挥更大的作用，为智能计算时代提供强有力的技术支撑。

正如光本位科技创业使命所示：" 让光成为未来智能算力的基础设施 "。而光本位科技在技术和商业化进程的率先突破，成为了光计算赋能千行百业的开端。

再反观国内市场，半导体芯片产业被卡脖子一直是我国半导体产业都在试图解决的挑战。

在 AI 大模型对算力需求快速增长、芯片制程接近物理极限的当下，光计算芯片可复用国内成熟制程工艺，突破当前电计算芯片性能及能效瓶颈，增长潜力巨大。可见，光计算芯片或将有望在未来重新定义 AI 芯片市场格局。

光计算产业方兴未艾，这个蓝海赛道最终一定会形成马太效应，就像英伟达在行业中的格局一样，第一名吃下百分之七八十的份额，第二名可能 10% 左右，剩下的所有玩家去分剩下仅存的市场份额。

因此，对于光本位科技而言，在光计算产业落地和成熟之前，成为世界上最好的光计算公司就变得尤为重要，也是其想要去完成的使命。

采访最后，熊胤江向笔者表示：" 我们已经抢到了天时地利人和的身位优势。只不过，当前行业正好处在一个资本偏冷的周期里，但是伟大的公司可能就是在这样的时期诞生的，因为这会让我们在前期非常踏实，而不去做一些好高骛远的事情。"