AI算力，是這一輪AI浪潮里最確定的投資主線。

但如果把這條主線拆開看，會發現它正在沿著兩個方向同時展開。

一條是顯性的，算力需求的持續外溢。隨著大模型規模不斷擴大，科技巨頭持續加碼資本開支，帶動GPU、服務器以及數據中心等基礎設施需求快速增長。

另一條則更為隱蔽，就是如何讓計算更快、成本更低、能效更高。這條路徑的終點，正在指向新的計算范式：光計算。隨著電子路徑逐步逼近物理邊界，光電混合計算的價值，正在被行業重新認知。

但與此同時，這仍然是一條處在早期的賽道。

當前光計算芯片，正處于從小眾技術走向規模化應用的關鍵階段。距離大規模商業落地，還有一定距離。這也意味著，盡管全球已有數十家相關公司，資本持續涌入，但真正長期堅持、并具備工程化能力的玩家仍然不多。

曦智科技，就是其中之一。

4月20日，公司正式開啟全球招股，預計于4月28日以股票代碼“01879.HK”掛牌港交所，有望成為“全球AI光算力第一股”。

那么，在這樣一個節點上，我們應該如何理解曦智科技的價值？

光計算，解決算力瓶頸的答案

過去十年，人工智能的發展，本質上是一條“算力不斷外溢”的曲線。

從規則系統，到深度學習，再到今天的大模型與多模態系統，每一次能力躍遷，背后都對應著計算規模的數量級提升——模型參數從千萬級走向萬億級，數據從GB級走向PB級。

但當規模繼續擴大，一個越來越現實的問題開始浮現：電子路徑，正在逼近它的物理邊界。

過去提升算力，主要依賴三條路徑，分別是工藝微縮、架構優化和計算范式迭代。

如今，前兩條都多少遇到了瓶頸。摩爾定律曾長期有效，但進入7nm及以下節點后，性能提升明顯放緩，成本和功耗卻快速上升。

此外，通過CPU、GPU、NPU協同，以及Chiplet、先進封裝等方式，把“單芯片性能”轉化為“系統級效率”。但本質上，仍然建立在電子傳輸之上。

于是，大家開始把更多目光轉向了新的計算范式，也就是光計算。

嚴格說來，光計算并不是一個新概念。早在上世紀60年代，激光出現之后，學界就開始探索：能不能用“光”來完成計算。

最初的方向，并不是AI，而是圖像處理、卷積、相關匹配等任務。因為光學系統天然適合做傅里葉變換等操作，很多計算甚至可以在“傳播過程中”完成。

此后幾十年里，光學計算經歷過一輪明顯的技術高峰。從模擬光處理，到數字光邏輯，再到光電混合方案，大量架構被提出。

但問題也一直存在。

一臺真正可用的計算機，不只是“算得快”，還需要穩定的邏輯開關、可擴展的存儲、可靠的精度控制，以及與現有系統的兼容能力。

而光，在這些環節上長期存在短板。模擬光計算受限于精度和噪聲，數字光邏輯又對器件和系統穩定性要求極高，一旦系統復雜，問題就會被放大。

這也是為什么，光計算過去幾十年一直沒有大規模商業化。

時至今日，光計算不僅沒有消失，反而迎來了新的機會。究其原因，得益于兩點：

一方面，行業逐漸接受一個現實：光不一定要“替代電”，才有價值。

只要它能在最關鍵、最昂貴、最耗能的環節，比如矩陣運算、數據傳輸等環節把效率顯著提升，就已經具備產業意義。

于是，光計算從“通用計算替代方案”，轉向兩個更現實的方向：專用計算和光電混合系統。這個變化，正是今天這輪機會成立的前提。

另一方面，真正讓光計算重新升溫的，是AI帶來的新約束。

在大模型時代，最核心的瓶頸在于，數據如何在大量芯片之間高效流動，以及矩陣計算如何以更低成本完成。

這兩件事，恰好都是光的強項，這就是光互連和光計算。

其中，光互連負責高速數據搬運，高帶寬、低時延、低功耗，解決“傳輸墻”；而光計算則負責核心數學運算，天然并行、一步完成矩陣乘，解決“計算墻”。

這里必須厘清另一個關鍵問題：有了光互連，為什么還要光計算？

光互連，本質是在“修路”，解決的是數據搬不動的問題，讓信息可以更快、更遠地傳輸。但問題在于，路再寬，車還是慢的。電子計算本身的速度和功耗，已經在逼近物理極限。

光計算是“造光速引擎”，直接突破電子計算的物理天花板。

光計算的核心優勢也非常清晰：天然并行、無電荷發熱、矩陣運算O (1) 復雜度，在 AI 核心的矩陣乘加環節，速度可達電芯片的數百至數千倍，能效提升100–1000 倍，延遲壓至納秒級，從根源上解決了大模型“算得慢、功耗炸、成本高”的死穴。

于是，行業開始重新認真看待一個問題：是否有一部分計算，可以交給光來完成。

在這樣的背景下，光電混合計算的價值，開始被逐步認知。簡單來說，光互連解決傳輸，光計算解決計算，二者缺一不可，只有協同才能真正釋放下一代算力。這也是曦智布局的方向。

所以你能看到，資本與產業資源也在不斷涌入光電混合計算領域。

一方面，是政策與科研層面的加碼。2019年，美國國防部高級研究計劃局（DARPA）啟動LUMOS項目，聚焦高算力、低功耗的集成光子芯片；歐盟“地平線2020計劃”則通過PhotonHub Europe，加速光子技術在工業中的落地與應用。

另一方面，是資本的直接下注。2024年10月，Lightmatter完成4億美元D輪融資，估值達到44億美元，標志著國際資本對光計算路徑的明確認可。

從市場角度看，這是一條極其早期，且潛力巨大的賽道。

根據公開數據，光計算市場預計將從2025年的不足1億元，增長至2030年的14.62億元，年復合增速超過87%；在AI推理芯片中的滲透率，目前不足0.5%，但到2040年有望提升至20%，整體空間仍有數十倍增長潛力。

在這個超級賽道里，即將上市的曦智科技無疑是最值得關注的一位選手。

曦智的領先從何而來

作為全球光計算公司估值最高的兩家公司之一，曦智已經在這個賽道上占據了一個相對領先的位置。

這種領先，首先體現在商業化層面。

盡管全球光計算公司已有數十家，但絕大多數仍停留在實驗室或原型階段。無論是Lightmatter、IBM，還是國內的一批玩家，整體仍以技術驗證為主，尚未形成規模化出貨能力。

相比之下，曦智是少數已經實現量產和商業化落地的公司。其光計算芯片累計出貨量位居全球第一，這意味著它的優勢，已經從“技術成立”，開始轉向“工程成立”。

這種差距，本質上來自一套逐漸成型的產品體系。

截至目前，公司已推出第二代光學處理器（OPU）PACE、第三代OPU卡PACE 2，以及OptiHummingbird，并實現連續迭代與商業落地。

其中，旗艦產品PACE 2集成超過四萬個光子器件，支持128×128矩陣運算。在64×64矩陣規模下，其計算時間可從微秒級壓縮至3納秒，相較高端GPU提升兩個數量級；在能效上，矩陣乘法僅為英偉達A100的1/18，而這一類運算占大模型負載的70%以上。

從技術路線看，曦智并沒有選擇一步到位的“全光計算”，而是采用光電混合架構，并且同時布局光計算和光互連：用光做最擅長的矩陣計算與高速數據傳輸，用電做邏輯控制、非線性運算與生態兼容，用光解決“算得更快、傳得更快”，用電解決“算得更準、能落地”。

從結果來看，這一思路已經在特定場景中體現出明顯優勢：相比傳統電芯片，算力密度、能效、延遲實現數量級優化，可直接嵌入現有AI集群，不用推翻架構即可升級。

在產品推進策略上，公司也選擇了一條相對聚焦的路徑。

短期的核心切入點，是大模型推理中的“解碼階段”。這一階段對延遲極為敏感，同時需要高吞吐能力，正好匹配光計算的優勢。隨著推理流程逐漸被拆分為預填充與解碼兩個階段，解碼加速已經成為明確的優化方向。

基于這一判斷，公司下一代產品PACE 3將重點面向解碼場景，預計于2026年流片，工程樣品目標于2027年上半年交付客戶，進一步強化在延遲和能效上的優勢，從而切入快速增長的推理市場。

除了性能提升，曦智也在同步構建生態能力。公司推出Gazelle和LTSimulator等工具，讓開發者可以直接調用光計算資源，在軟件層完成算法開發與驗證。

構建生態的邏輯也很簡單。今天的AI開發，已經高度依賴現有體系，模型、算法、框架、工具鏈，全部圍繞電子計算構建。如果一套新架構需要開發者重寫代碼、改模型、換工具，再強的性能也很難規模化。

也正是在這個背景下，生態的意義開始凸顯。

通過構建完善的軟件與開發環境，把光計算嵌入到既有體系中，讓開發者可以在原有框架下直接調用相關能力，而不需要改變開發習慣。這本質上是在降低遷移成本，加快技術擴散。

最終的結果，是把光計算從“單點性能優勢”，轉化為“系統級能力”。當它能夠與現有AI框架無縫對接，并融入完整技術棧時，其競爭力也不再局限于硬件本身，而是延伸為一整套體系化優勢。

從這個角度看，曦智當前的領先，已經不僅僅是技術指標上的領先，更多在于產品和交付層面的落地。在一個仍以實驗室為主的行業里，這一步本身，就是最關鍵的分水嶺。

總結

從更長周期看，光計算的關鍵，不在于“是否比GPU更強”，而在于它能否成為AI算力體系中的一個穩定組成部分。

如果說上一輪算力提升，依賴的是更先進的制程和更強的芯片，那么下一輪，真正決定效率邊界的，很可能是不同計算范式之間的協同。

光計算的意義，也正在從“替代方案”，轉向“結構補充”：光計算負責核心高速低耗運算，光互連負責高效數據傳輸，電子負責靈活控制調度，三者協同構成下一代算力底座。光互連鋪路，光計算引擎，缺一不可，這才是突破電算力天花板的完整答案。

當前階段，曦智已經完成了從“論文驗證”到“產品雛形”的跨越，正在進入下一步：從可用產品，走向可規模部署的解決方案。

真正的分水嶺也在這里。一旦這一步被跨越，光計算面對的，就不再只是一個細分技術市場，而是整個AI算力體系中，最核心的一層。

這也意味著，它的空間，不是線性增長的，而是隨著滲透率的提升，被系統性放大。

而在這一輪變化中，誰能率先完成從“技術成立”到“工程成立”，再到“規模成立”的躍遷，

誰就有機會成為下一代算力基礎設施中的關鍵節點。

從這個角度看，光計算的價值，不只是提升效率，而是為下一代算力架構提供一種新的可能。

而曦智，無疑已經走在了這條路徑的前列。

文/林白

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。