机器之心编辑部融期策略
光本位两位联合创始人，左为熊胤江、右为程唐盛
数字化浪潮重塑全球产业格局的进程中，人工智能应用的爆发式增长正以前所未有的力度重构生产力边界，而算力作为支撑这一变革的核心基础设施，其供需之间的紧张关系正逐渐成为影响产业持续升级的重要瓶颈。
传统电芯片在摩尔定律逼近物理极限的背景下，性能提升速度显著放缓，与之相对的是 AI 算力需求每 3.4 个月便实现翻倍，这种供需失衡直接导致数据中心能耗激增，国际能源署发布的《能源与 AI》报告显示：以 OpenAI 的 GPT-4 为例，该数据模型在持续 14 周的数据模型训练中消耗了 42.4 吉瓦时电力，日均耗电 0.43 吉瓦时，这堪比 2.85 万户欧美家庭的日均用电量。放眼全球，2024 年全球数据中心耗电量已达 415 太瓦时（占全球用电量 1.5%），预计到 2030 年这一数据将翻倍至 945 太瓦时。
128*128矩阵规模光计算芯片
在此局面下，光计算作为一种新的计算范式逐渐进入产业视野。以光为信息载体的计算方式，凭借光速传输、大算力、低功耗等固有优势，成为破解算力困境的重要方向。在这场算力革命的关键节点，光本位科技应运而生，凭借 “硅光加相变材料异质集成” 的创新技术路线，成为推动光计算商业化落地的重要力量。这家由两位 95 后海归创立的企业，于 2024 年 6 月成功流片全球首颗 128×128 矩阵规模光计算芯片，不仅突破了困扰光计算行业多年的矩阵规模瓶颈，更以存算一体架构推动光计算从实验室走向产品级应用，为下一代算力竞争探索了新的计算范式。
蕴育八年的科技少年创业之约
18 岁的熊胤江与 17 岁的程唐盛在四川南宝山的羌寨支教时相识。夜晚，两人挤在拼起来的床板上聊天，程唐盛一句 “想创立一家科技公司”，正说出了熊胤江深埋心底的念头。这次相遇埋下的种子，在之后的岁月里悄然生长。
三年后，两人又共同参与内蒙古某生态治理项目，带领青少年实地体验科技如何改变环境。尽管项目本身属教育性质，但通过这次实践，两人进一步坚定了 “以创新技术直面真实问题” 的共识：真正有意义的创业，必须切中产业核心诉求，实现从零到一的突破。
随后数年，两人在学术上分头深耕 —— 程唐盛赴牛津大学师从英国皇家工程院院士 Harish Bhaskaran，主导和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；熊胤江则在芝加哥大学聚焦 AI 算法技术研发与商业化，亲身参与早期大模型推理 / 训练，深切感受到现有计算范式在算力与能效上的局限。
2021 年成为关键转折。程唐盛在实验室取得突破，利用相变材料实现了大规模矩阵光子存内计算；几乎同一时间，熊胤江在实战中发现 AI 训练的算力需求激增，现有计算范式的能耗成本已成为显著短板。频繁越洋通话中，他们意识到：光计算在矩阵运算中高出电芯片千倍的能效融期策略，正与 AI 对算力的巨大需求高度契合。
基于这样的技术洞见和市场判断，他们做出了 “光计算 + AI” 的赛道选择。这一决策源于双重考量：一是全球技术路线尚未定型，中国在光通信产业链的积累具有先发优势；二是光计算的天花板足够高，绝非局限于细分领域的 “内卷市场”。
程唐盛和熊胤江相继回到中国，2022 年 4 月光本位科技正式成立。两人在创业初期达成共识：“我们要做的不是短期变现，而是推动光计算从实验室走向产业化，成为下一代算力革命的关键参与者。”
首轮流片即决定项目存续
创业初期的光本位科技，曾面临首轮流片即决定项目存续的关键考验。2022 年公司启动时，资金仅够支撑一次流片，团队从 4 月起就全身心投入芯片设计，光是完成仿真模拟与设计方案就耗费了三四个月时间，期间由于条件有限两位创始人带着核心研发人员驻场实验室，最终顺利完成小矩阵芯片的功能验证，确保关键器件与整体效果都 “平安落地”。
“半导体是长周期行业，初期既要证明技术可行性，更要让市场相信其商业价值。” 程唐盛的这句话，道出了硬科技创业的双重挑战。选定方向后，真正的 “硬仗” 才刚开始。矩阵规模和核心器件性能是影响光芯片算力和计算效率的关键。团队从相变材料、核心光器件、光芯片架构等维度做了全面优化，不仅成功地降低了光芯片传输损耗，缩小了器件尺寸，而且计算效率与精度都获得了显著提高。程唐盛解释：“光芯片矩阵规模的扩大可以直接带来算力和计算效率的提高，但随之而来的也有光损耗的增加以及片上光器件的稳定性与精度等问题，只有当木桶的最短板也能满足要求的时候，整体系统才能高效地运行。”
Crossbar技术路线演示
在扩大矩阵规模的同时，团队通过创新设计 Crossbar 光子矩阵计算结构，将芯片面积利用率提高，这一设计让 128×128 芯片不仅集成 16000 + 节点，而且每个节点均可实时编程，打破了传统光芯片 “固定权重只能处理单一任务” 的局限。2024 年 6 月，这颗芯片流片成功，成为全球首颗达到商用标准的光计算芯片。128×128 被业界称为光计算商业化的 “临界点”。这是因为，矩阵规模低于 128×128 则算力不足、密度偏低，无法支撑大模型推理 / 训练等复杂应用。
为产品商业化进行前瞻性布局
当前，光本位科技正迈出产品商业化的关键一步。程唐盛介绍，公司设计的第一代光电融合计算卡即将给下游用户送样，与此同时，256×256 以及更大矩阵规模的光计算芯片流片计划也在快速推进中，更重要的是，公司已经构建了完整的光计算产品体系。
产业链联动方面，光本位科技选择 “双向扎根” 的布局。其上游与国内多条硅光产线深度合作，从 8 寸到 12 寸全面覆盖，通过提前卡位先进制造资源，确保工艺稳定与供应链可控，其下游则一边与互联网巨头联合研发定制化产品，一边参与标准化的地方政府智算中心建设。
光本位科技光电融合计算卡
产品商业化的前瞻性布局也体现在光本位科技的融资策略中。熊胤江认为，在光计算这一长周期赛道的发展过程中，与理解技术演进规律、认同长期价值的资本合作尤为重要。在他看来，具备产业认知和长期视角的投资方，能够更好地陪伴企业完成从技术研发到规模化商用的全过程。
2023 年 6 月，光本位科技获得云启资本、峰瑞资本、小苗朗程、奇绩创坛等的天使轮投资，8 个月后又完成了天使 + 轮融资，加速了 128×128 芯片流片进程。2024 年 12 月，公司与具有丰富应用场景资源的国内互联网巨头达成战略合作，实现深度的生态协同。2025 年 6 月，由敦鸿资产领投、浦东科技天使母基金等国资基金参与的新一轮融资，则进一步整合了上海、苏州等地的产业链资源，为后续量产爬坡提供了坚实保障。这意味着光本位科技已率先在光计算领域打通了 “材料 - 设计 - 制造 - 应用” 的全链条能力。
有望赢得新型 AI 计算范式定义权
当前，光计算芯片仍需依靠电驱动，光和电通过模拟芯片可协同运作：光芯片处理 AI 线性运算，电芯片负责调度与非线性处理，形成精密配合的光电融合计算系统。
光本位科技光电融合计算系统
熊胤江在采访中说：“我们希望越来越多地让光参与整个计算架构。” 尽管实现 “全光计算” 仍属长期愿景，但在现阶段不断提升光计算的占比，通过光电协同持续优化计算效率、降低系统能耗，已成为构建下一代绿色高效智算基础设施的必然方向。
光计算的突围可能让低碳甚至零碳 AI 大模型推理 / 训练从幻想变成现实 —— 中国有望在新型 AI 计算范式定义权之争中实现 “换道超车”。
在不远的将来，智算中心或许不再依赖巨量电力维持运转，散热压力大幅减轻，运行噪音显著降低，演进为高效的 “城市数字心脏”，以更友好的姿态与城市共生；在自动驾驶领域，光芯片纳秒级的处理速度，能让车辆更迅速地解析路况数据，面对雨天路滑、夜间行驶等复杂场景，系统的环境感知与决策响应将更精准高效，为出行安全增添重要保障；医疗影像中心里，光计算赋能的系统可加速模型重建与分析，让 “早发现、早诊断” 的普惠医疗更易实现。
光计算的产业化不是终点，而是新一轮 AI 技术革命的起点融期策略，开启的将是一个算力无限、能耗可控的智能时代。当我们不再为算力付出昂贵的能源与环境代价，智能时代的人文价值也将随之释放。
金御优配提示：文章来自网络，不代表本站观点。
- 上一篇：明道配资 雅本化学：公司氯虫苯甲酰胺中间体产品采用CDMO模式，不参与市场化竞争
- 下一篇：没有了
沪深京指数
热点资讯
