第一章 行业定义与边界

光子计算机，指以光子为信息载体、通过光学器件完成运算或传输的计算系统。它和跑在数据中心里的电子计算机不是同一条技术路线：后者依赖电子在半导体沟道中的迁移，前者把计算任务交给光的干涉、衍射、调制与探测。

落到工程上，这句话可以讲得更直白——用光做矩阵乘加。

产业链分三层。上游是材料与光电器件：硅基光电子工艺平台、薄膜铌酸锂晶圆、III-V 族化合物半导体，以及激光器、调制器、探测器、光栅耦合器。中游是光子计算芯片、光电混合板卡与整机，再往上是编译器、算法映射工具与开发框架。下游延伸到智算中心、科研院所、金融风控、生物医药、气象模拟和密码学。价值重心压在中游。芯片设计与系统集成拿走大部分溢价，上游器件商赚的是工艺与良率的钱，下游客户眼下付的更像 " 验证费 "，而非规模采购款。

界定这个行当，麻烦在口径。

业内至少三类产品都被冠以 " 光子计算 " 之名：光学矩阵乘法加速卡、光量子计算机、以及光互连（硅光模块、共封装光学 CPO）。第三类严格说属于光通信。智研瞻统计时取较宽口径，纳入光计算芯片、光电混合计算系统、光量子计算整机及配套软件，不单列纯光模块与光收发器件。原因简单：光模块已是成熟产业，混进来会把规模数字撑大，反而看不清光计算自身的商业化走到了哪一步。高校实验室里的原理验证样机同样不计入，那些离产品还隔着好几道工程门槛。

边界划清了，争论就能收敛。比如 " 光计算机会不会取代电子计算机 " 这个问题，在定义层面就有答案：短期内两者是互补关系，光做它擅长的事——高并行、低功耗的线性运算；电做它擅长的事——逻辑控制、存储、通用调度。真正值得追问的，是互补的接口在哪里、由谁定义。

第二章 行业发展现状

从生命周期看，中国光子计算产业正卡在导入期与成长期之间的窄缝里。技术验证做完了大半，工程化才刚起步。这个阶段的典型症状是：论文与样机不缺，量产线缺；概念不缺，订单缺。

2023 年是条分水岭。那一年大模型把算力需求顶到了台前，功耗墙成了公开的痛点，光计算被重新翻出来讨论。但同一年，全球该领域的融资其实在收缩——资本对 " 十年后才能落地 " 的故事开始失去耐心。两个方向相反的信号叠在一起，构成了此后两年行业的基本底色。2024 年情况有变。Lightmatter 完成 4 亿美元 D 轮，估值冲到 44 亿美元，硅光工艺在 12 英寸线上跑通，薄膜铌酸锂调制器的带宽推到 100GHz 以上。国内曦智科技在 2024 年推出光电混合计算卡并给出实测能效数据，图灵量子、玻色量子陆续拿到新一轮融资。2025 年，苏州、武汉、上海几地相继发布光子产业专项政策，光电融合被写进地方未来产业的清单。

需求结构也在挪动。三年前客户名单里几乎清一色是高校和中科院系院所，采购理由是 " 做研究 "。2024 年起，几家银行和生物医药企业开始做小规模的概念验证，买的不是算力，是一种可能性。这类订单金额小得可怜，象征意义却大。它说明光计算第一次摸到了商业世界的门把手。

技术端的进展值得单独拎出来说。光电混合封装从 2.5D 往 3D 走，光引擎与电芯片的贴合距离缩短到毫米级，插入损耗降下来，系统能效才有讨论空间。薄膜铌酸锂平台的成熟是另一个变量——过去调制器要靠体材料，体积大、功耗高，现在晶圆级集成把成本压了一个量级。这些进展不上头条，却决定了三五年后产品能不能进机房。

平心而论，行业当下的热度与体量并不匹配。融资额、论文数、会议场次都在涨，真正卖出去的设备以个位数计。这种错位在硬科技早期很常见，不必过度解读，但也不能当成常态。接下来两三年，谁能把样机变成能连续跑 72 小时不出错的机器，谁就拿到下一轮的入场券。

第三章 行业市场规模

2020 年，中国光子计算机市场规模约为 0.0 亿元；2021 年约 0.1 亿元；2022 年约 0.1 亿元；2023 年约 0.2 亿元；2024 年约 0.3 亿元；2025 年约 0.6 亿元。

这条曲线谈不上平滑，更像一块长期贴地、末端突然翘起的滑板。2020 至 2022 年三年，年际增量以千万元计，2022 年甚至是零增长；2023 年起每年翻倍，2024 年同比增 50%，2025 年再度翻倍。以 2021 年 0.1 亿元为基数测算，2021 至 2025 年的年均复合增速约 56.5%。

这个数字要放在背景里读。56.5% 在成熟制造业里算得上惊人，但在绝对规模只有几千万元的行业里，它更像早期曲线的自然斜率。对比参照物：2015 至 2020 年的类脑芯片、2018 至 2023 年的量子计算，起步阶段都出现过 50% 至 80% 的复合增速，绝对量却长期停在个位数亿元。智研瞻测算，2025 年光子计算在全球算力市场中的渗透率不足 0.01%，在国内 AI 服务器采购额中的占比同样可以忽略不计。渗透率处在 " 实验室—试点 " 的早期培育段，离商业化的临界点还有距离。

驱动因素拆开看有三条。算力功耗是硬约束。电子芯片的能效提升速度在放缓，数据中心电费占到运营成本的比重往上走，光计算在特定线性运算上具备 10 倍以上的理论能效优势，这条逻辑支撑了长期预期。政策是助推器。光子学被多个省市列入未来产业，专项基金、中试平台、税收优惠陆续落地，短期内直接拉动了科研采购。资本是放大器。2021 年那一波融资把估值推高，2022 至 2023 年的回调又挤掉一部分泡沫，2024 年之后资金重新流向有产品原型的团队。

需要提醒的是，0.6 亿元这个数字本身包含了不少 " 非市场 " 成分——政府科研项目采购、企业联合实验室的定制开发合同，严格说不属于自由交易。真正来自商业客户的收入，可能只占这个数字的三成左右。

第四章 行业竞争格局

集中度很高，高到有点不像一个 " 行业 "。国内真正有产品原型、有团队规模、有公开融资记录的团队，两只手数得过来。

第一梯队是曦智科技与图灵量子。曦智 2017 年从麻省理工孵化，累计融资超 1.5 亿美元，2024 年推出的光电混合计算卡已交付给几家云厂商做测试；图灵量子脱胎于上海交大金贤敏团队，走的是光量子与光计算双线，2024 年完成数亿元融资。第二梯队包括玻色量子、光本位科技、光子算数、芯算科技，各自押注不同路线——玻色量子做相干光量子计算，光本位把光计算和存算一体结合，光子算数偏重光学矩阵乘法 IP 授权。第三梯队是院所衍生团队，产品化程度低，但握有某些关键器件或算法的专利。

国际坐标不能忽略。Lightmatter 2024 年 D 轮 4 亿美元、估值 44 亿美元，是目前全球估值最高的光计算公司；Ayar Labs 专注光互连，2024 年 C 轮拿到 1.55 亿美元；PsiQuantum 累计融资超过 6 亿美元，走的是光量子路线。这些数字放到国内看，差距不小。国内头部企业的累计融资额大致相当于海外同行的三分之一到二分之一。

竞争壁垒有四道。工艺是第一道，硅光 PDK 的成熟度、薄膜铌酸锂的晶圆良率，直接决定芯片能不能做出来、成本能不能降下去。系统集成是第二道，光电协同封装涉及散热、耦合、测试，样机阶段靠工程师手工调，量产阶段要靠设备和标准。软件栈是第三道，编译器能不能把主流 AI 框架的算子高效映射到光路，决定了客户迁移的成本。人才是第四道，懂光学、懂芯片、懂算法的复合型团队，全国范围内不超过数百人。

资本事件正在重塑格局。2024 至 2025 年，国内该领域披露的融资事件约十余起，金额集中在数千万元到数亿元区间，资金明显向已有产品原型的团队集中。另一头，两家头部 ICT 厂商通过产业基金入股了上游的硅光工艺平台。这个动作的含义值得琢磨：巨头未必亲自下场做光计算整机，但先把上游卡住。按目前的融资节奏推，未来两年行业会经历一轮出清，拿不到 B 轮之后的团队，大概率转向被并购或做细分器件供应商。

第五章 行业潜在风险

技术路线的不确定性排在首位。光学矩阵乘法受制于模数转换的精度与功耗，算得再快，数据进出光域的那道关口仍是电子器件；光量子计算至今没证明能解决通用问题，玻色采样的实用价值还在争论。三条路线中哪条先跑出来，业内的分歧比外界想象的大。这类风险发生概率高、影响程度高，传导路径也直接——路线选错，前期几亿元的研发投入可能全部沉没。

工程化与量产是第二道坎。实验室里的样机可以靠人工校准，机房里的设备要连续运行、要可维护、要控制良率。光计算的封装对温度极其敏感，几摄氏度的漂移就可能让干涉结果失效。国内具备光电协同封装能力的中试线屈指可数。风险发生的概率中高，影响中等偏上。

需求端的风险容易被低估。目前多数订单来自科研采购与联合开发，真正的商业复购还没出现。如果 2027 年前后仍拿不出让客户算得过账的性价比数据，" 光计算 " 的叙事就会退回到学术圈。这条风险的概率中等，影响却是根本性的。

供应链的隐忧在于上游。高端激光器、薄膜铌酸锂晶圆、光电 EDA 工具与 PDK，相当一部分依赖进口。出口管制一旦收紧，国内团队的流片节奏会被打乱。发生概率中等，影响程度取决于管制范围。

资本周期的风险更现实。这个行业距离盈利还有五到八年，全靠一级市场输血。2022 至 2023 年的融资低谷已经演示过一次后果：三家初创在那两年停止运营。若宏观流动性再度收紧，尾部团队会最先倒下。

宏观与政策风险相对可控。光子学被列入多份国家级规划，方向不会掉头，但地方配套资金的实际到位节奏，可能比文件慢。

第六章 行业市场规模预测

基准情景的推演建立在四个前提上：光子计算继续留在国家与地方未来产业的支持清单内；AI 算力需求未来五年保持年均 30% 以上的增速；光电混合产品在 2027 至 2028 年进入小批量商用；上游器件成本年均下降 10% 至 15%。四个前提里，前两个确定性较高，后两个存在变数。

按此推演，预计 2026 年中国光子计算机市场规模达到 1.2 亿元，2027 年为 2.2 亿元，2028 年为 4.2 亿元，2029 年为 7.8 亿元，2030 年为 14.6 亿元，2031 年进一步升至 25.5 亿元。

2026 至 2031 年的年均复合增速约 84%。这个数字比历史阶段的 56.5% 高出一大截，原因不在需求突然爆发，而在基数太小。1.2 亿元到 25.5 亿元，绝对增量不过 24 亿元，放到万亿级的算力市场里仍是零头。曲线形态也说明了这一点：2026 至 2027 年每年增 1 亿元左右，2029 年之后年增额才爬升到 7 亿元以上，真正的加速度出现在后半段。智研瞻研究团队倾向于把这六年定义为 " 从示范走向小批量 " 的窗口期，而不是规模化元年。

乐观情景下，若 AI 推理侧对光加速卡的需求提前放量、且国内厂商在 2028 年前拿到标志性商业订单，2031 年市场规模有望触及 38 亿元上下。悲观情景下，技术路线收敛慢于预期、商业化推迟两到三年，2031 年可能只有 13 亿元左右。两个情景的差值接近三倍，说明这个阶段预测的置信区间很宽，任何单点数字都该打折看。

增长动能的持续性，取决于一个关键问题：光计算能不能在某个具体任务上做出电子芯片做不到的事。能，天花板就打开了；不能，就只是科研经费的另一种花法。从目前公开的能效数据看，答案偏向乐观，但样本太少。

第七章 行业发展前景与战略建议

有几件事已经在业内形成共识。光互连会先于光计算落地，CPO 在 2026 至 2028 年进入规模应用，这是算力集群内部带宽需求逼出来的，与光计算是否成功无关。光电混合而非纯光计算是中期主流路径，全光计算的通用性在可见的十年内难以成立。算力需求是长期锚，这条不用论证。

被低估的趋势有三条。软件栈的价值被严重低估——硬件的差距可以用资金追赶，编译器和算子库的差距要靠时间堆。CUDA 用了十五年才建立起护城河，光计算如果要进主流 AI 训练流程，同样绕不开这一关，而目前国内做光计算编译器的团队不超过五个。第二条是薄膜铌酸锂平台的溢出效应。这个材料不只服务光计算，高速光模块、微波光子、光纤陀螺都在用，一条中试线可以喂饱多个下游，投资回收的路径比想象中短。第三条是测试设备与标准。一个新兴产业最先缺的往往不是整机，而是能测、能验、能定标准的工具。这个环节的市场规模不大，卡位价值却高。

给不同类型的参与者，建议不一样。

头部 ICT 企业适合双线走：先用并购或产业基金把光互连的上游锁住，这块两三年内就有回报；同时在内部立项做光计算加速卡的原型，用五年的耐心换一个期权。

初创公司最忌讳讲 " 通用光计算机 " 的故事。资金和人才都不支持这个野心。更务实的做法是选一个能验证的场景扎下去——金融风控里的组合优化、医疗影像里的光学卷积、雷达信号处理里的实时相关运算，都是电子芯片做起来吃力、光路做起来顺手的地方。先把一个场景做穿，再谈平台化。

投资机构的关注点该往上游挪一挪。光计算整机的估值已经炒到不便宜的位置，而做薄膜铌酸锂晶圆、光耦合封装、光电测试设备的企业，估值还在合理区间。卖铲子的生意，在这个阶段的风险收益比更好。看团队时，工程化能力的权重应该高于论文数量。

地方政府的钱要花在工艺平台和中试线上，而不是再建一批产业园。光子计算不靠厂房堆出来，靠的是 PDK、流片、封测这条链能不能在本地跑通。

在智研瞻看来，光子计算不会重演电子计算的路径。它更可能像 GPU ——先在图形渲染这样的边缘任务里活下来，再一点点向计算中心渗透。这个过程需要十年，急不得。真正决定胜负的，不是谁先把光路做得更大，而是谁先想清楚光究竟该算哪一类问题。

— 智研瞻产业研究院 · 出品 —欢迎转载、引用