光计算的第一批赢家出现了，为什么是曦智？

AI算力，是这一轮AI浪潮里最确定的投资主线。

但如果把这条主线拆开看，会发现它正在沿着两个方向同时展开。

一条是显性的，算力需求的持续外溢。随着大模型规模不断扩大，科技巨头持续加码资本开支，带动GPU、服务器以及数据中心等基础设施需求快速增长。

另一条则更为隐蔽，就是如何让计算更快、成本更低、能效更高。这条路径的终点，正在指向新的计算范式：光计算。随着电子路径逐步逼近物理边界，光电混合计算的价值，正在被行业重新认知。

但与此同时，这仍然是一条处在早期的赛道。

当前光计算芯片，正处于从小众技术走向规模化应用的关键阶段。距离大规模商业落地，还有一定距离。这也意味着，尽管全球已有数十家相关公司，资本持续涌入，但真正长期坚持、并具备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，公司正式开启全球招股，预计于4月28日以股票代码“01879.HK”挂牌港交所，有望成为“全球AI光算力第一股”。

那么，在这样一个节点上，我们应该如何理解曦智科技的价值？

/ 01 / 光计算，解决算力瓶颈的答案

过去十年，人工智能的发展，本质上是一条“算力不断外溢”的曲线。

从规则系统，到深度学习，再到今天的大模型与多模态系统，每一次能力跃迁，背后都对应着计算规模的数量级提升——模型参数从千万级走向万亿级，数据从GB级走向PB级。

但当规模继续扩大，一个越来越现实的问题开始浮现：电子路径，正在逼近它的物理边界。

过去提升算力，主要依赖三条路径，分别是工艺微缩、架构优化和计算范式迭代。

如今，前两条都多少遇到了瓶颈。摩尔定律曾长期有效，但进入7nm及以下节点后，性能提升明显放缓，成本和功耗却快速上升。

此外，通过CPU、GPU、NPU协同，以及Chiplet、先进封装等方式，把“单芯片性能”转化为“系统级效率”。但本质上，仍然建立在电子传输之上。

于是，大家开始把更多目光转向了新的计算范式，也就是光计算。

严格说来，光计算并不是一个新概念。早在上世纪60年代，激光出现之后，学界就开始探索：能不能用“光”来完成计算。

最初的方向，并不是AI，而是图像处理、卷积、相关匹配等任务。因为光学系统天然适合做傅里叶变换等操作，很多计算甚至可以在“传播过程中”完成。

此后几十年里，光学计算经历过一轮明显的技术高峰。从模拟光处理，到数字光逻辑，再到光电混合方案，大量架构被提出。

但问题也一直存在。

一台真正可用的计算机，不只是“算得快”，还需要稳定的逻辑开关、可扩展的存储、可靠的精度控制，以及与现有系统的兼容能力。

而光，在这些环节上长期存在短板。模拟光计算受限于精度和噪声，数字光逻辑又对器件和系统稳定性要求极高，一旦系统复杂，问题就会被放大。

这也是为什么，光计算过去几十年一直没有大规模商业化。

时至今日，光计算不仅没有消失，反而迎来了新的机会。究其原因，得益于两点：

一方面，行业逐渐接受一个现实：光不一定要“替代电”，才有价值。

只要它能在最关键、最昂贵、最耗能的环节，比如矩阵运算、数据传输等环节把效率显著提升，就已经具备产业意义。

于是，光计算从“通用计算替代方案”，转向两个更现实的方向：专用计算和光电混合系统。这个变化，正是今天这轮机会成立的前提。

另一方面，真正让光计算重新升温的，是AI带来的新约束。

在大模型时代，最核心的瓶颈在于，数据如何在大量芯片之间高效流动，以及矩阵计算如何以更低成本完成。

这两件事，恰好都是光的强项，这就是光互连和光计算。

其中，光互连负责高速数据搬运，高带宽、低时延、低功耗，解决“传输墙”；而光计算则负责核心数学运算，天然并行、一步完成矩阵乘，解决“计算墙”。

这里必须厘清另一个关键问题：有了光互连，为什么还要光计算？

光互连，本质是在“修路”，解决的是数据搬不动的问题，让信息可以更快、更远地传输。但问题在于，路再宽，车还是慢的。电子计算本身的速度和功耗，已经在逼近物理极限。

光计算是“造光速引擎”，直接突破电子计算的物理天花板。

光计算的核心优势也非常清晰：天然并行、无电荷发热、矩阵运算O (1) 复杂度，在 AI 核心的矩阵乘加环节，速度可达电芯片的数百至数千倍，能效提升100–1000 倍，延迟压至纳秒级，从根源上解决了大模型“算得慢、功耗炸、成本高”的死穴。

于是，行业开始重新认真看待一个问题：是否有一部分计算，可以交给光来完成。

在这样的背景下，光电混合计算的价值，开始被逐步认知。简单来说，光互连解决传输，光计算解决计算，二者缺一不可，只有协同才能真正释放下一代算力。这也是曦智布局的方向。

所以你能看到，资本与产业资源也在不断涌入光电混合计算领域。

一方面，是政策与科研层面的加码。2019年，美国国防部高级研究计划局（DARPA）启动LUMOS项目，聚焦高算力、低功耗的集成光子芯片；欧盟“地平线2020计划”则通过PhotonHub Europe，加速光子技术在工业中的落地与应用。

另一方面，是资本的直接下注。2024年10月，Lightmatter完成4亿美元D轮融资，估值达到44亿美元，标志着国际资本对光计算路径的明确认可。

从市场角度看，这是一条极其早期，且潜力巨大的赛道。

根据公开数据，光计算市场预计将从2025年的不足1亿元，增长至2030年的14.62亿元，年复合增速超过87%；在AI推理芯片中的渗透率，目前不足0.5%，但到2040年有望提升至20%，整体空间仍有数十倍增长潜力。

在这个超级赛道里，即将上市的曦智科技无疑是最值得关注的一位选手。

/ 02 / 曦智的领先从何而来

作为全球光计算公司估值最高的两家公司之一，曦智已经在这个赛道上占据了一个相对领先的位置。

这种领先，首先体现在商业化层面。

尽管全球光计算公司已有数十家，但绝大多数仍停留在实验室或原型阶段。无论是Lightmatter、IBM，还是国内的一批玩家，整体仍以技术验证为主，尚未形成规模化出货能力。

相比之下，曦智是少数已经实现量产和商业化落地的公司。其光计算芯片累计出货量位居全球第一，这意味着它的优势，已经从“技术成立”，开始转向“工程成立”。

这种差距，本质上来自一套逐渐成型的产品体系。

截至目前，公司已推出第二代光学处理器（OPU）PACE、第三代OPU卡PACE 2，以及OptiHummingbird，并实现连续迭代与商业落地。

其中，旗舰产品PACE 2集成超过四万个光子器件，支持128×128矩阵运算。在64×64矩阵规模下，其计算时间可从微秒级压缩至3纳秒，相较高端GPU提升两个数量级；在能效上，矩阵乘法仅为英伟达A100的1/18，而这一类运算占大模型负载的70%以上。

从技术路线看，曦智并没有选择一步到位的“全光计算”，而是采用光电混合架构，并且同时布局光计算和光互连：用光做最擅长的矩阵计算与高速数据传输，用电做逻辑控制、非线性运算与生态兼容，用光解决“算得更快、传得更快”，用电解决“算得更准、能落地”。

从结果来看，这一思路已经在特定场景中体现出明显优势：相比传统电芯片，算力密度、能效、延迟实现数量级优化，可直接嵌入现有AI集群，不用推翻架构即可升级。

在产品推进策略上，公司也选择了一条相对聚焦的路径。

短期的核心切入点，是大模型推理中的“解码阶段”。这一阶段对延迟极为敏感，同时需要高吞吐能力，正好匹配光计算的优势。随着推理流程逐渐被拆分为预填充与解码两个阶段，解码加速已经成为明确的优化方向。

基于这一判断，公司下一代产品PACE 3将重点面向解码场景，预计于2026年流片，工程样品目标于2027年上半年交付客户，进一步强化在延迟和能效上的优势，从而切入快速增长的推理市场。

除了性能提升，曦智也在同步构建生态能力。公司推出Gazelle和LTSimulator等工具，让开发者可以直接调用光计算资源，在软件层完成算法开发与验证。

构建生态的逻辑也很简单。今天的AI开发，已经高度依赖现有体系，模型、算法、框架、工具链，全部围绕电子计算构建。如果一套新架构需要开发者重写代码、改模型、换工具，再强的性能也很难规模化。

也正是在这个背景下，生态的意义开始凸显。

通过构建完善的软件与开发环境，把光计算嵌入到既有体系中，让开发者可以在原有框架下直接调用相关能力，而不需要改变开发习惯。这本质上是在降低迁移成本，加快技术扩散。

最终的结果，是把光计算从“单点性能优势”，转化为“系统级能力”。当它能够与现有AI框架无缝对接，并融入完整技术栈时，其竞争力也不再局限于硬件本身，而是延伸为一整套体系化优势。

从这个角度看，曦智当前的领先，已经不仅仅是技术指标上的领先，更多在于产品和交付层面的落地。在一个仍以实验室为主的行业里，这一步本身，就是最关键的分水岭。

/ 03 / 总结

从更长周期看，光计算的关键，不在于“是否比GPU更强”，而在于它能否成为AI算力体系中的一个稳定组成部分。

如果说上一轮算力提升，依赖的是更先进的制程和更强的芯片，那么下一轮，真正决定效率边界的，很可能是不同计算范式之间的协同。

光计算的意义，也正在从“替代方案”，转向“结构补充”：光计算负责核心高速低耗运算，光互连负责高效数据传输，电子负责灵活控制调度，三者协同构成下一代算力底座。光互连铺路，光计算引擎，缺一不可，这才是突破电算力天花板的完整答案。

当前阶段，曦智已经完成了从“论文验证”到“产品雏形”的跨越，正在进入下一步：从可用产品，走向可规模部署的解决方案。

真正的分水岭也在这里。一旦这一步被跨越，光计算面对的，就不再只是一个细分技术市场，而是整个AI算力体系中，最核心的一层。

这也意味着，它的空间，不是线性增长的，而是随着渗透率的提升，被系统性放大。

而在这一轮变化中，谁能率先完成从“技术成立”到“工程成立”，再到“规模成立”的跃迁，

谁就有机会成为下一代算力基础设施中的关键节点。

从这个角度看，光计算的价值，不只是提升效率，而是为下一代算力架构提供一种新的可能。

而曦智，无疑已经走在了这条路径的前列。

​