光本位科技在2026年WAIC现场宣布，全球首颗256×256矩阵规模光子存内计算芯片流片成功，算力密度与精度均为全球公开最高。该芯片用光子替代电子运算，无需EUV先进制程，在45nm工艺下实现超越同等电芯片的算力表现。[[2]][[4]][[8]]
光计算芯片关键数据
矩阵规模
256×256
全球已流片光计算芯片最大规模（光本位官宣/WAIC现场）
此前全球天花板
64×64
维持近三年，被光本位一举超越（UC中关村在线报道）
第二代计算卡目标
千TOPS级
年内推出，对标主流推理GPU（财联社/科创板日报）
上一代节点
128×128
光本位2024年6月完成流片（上观新闻）
为什么光计算不需要EUV
物理机制：电子芯片的死墙
电子芯片靠缩小晶体管提升算力，但晶体管栅极间距缩至极限后，量子隧穿效应不可避免——电子"穿墙"导致漏电和计算错误，这是EUV制程越做越难、越来越贵的根源。[[7]][[19]]
架构机制：光子的并行优势
光计算用光子替代电子，一次光线传播即可完成大批矩阵乘法，天然并行、几乎不发热。光子还具备波长、偏振、光学模式等多重复用维度，算力扩展靠规模和复用，而非制程缩小。45nm以上工艺即可满足制备需求，彻底绕开EUV依赖。[[7]][[1]]
存算一体：消除内存墙
传统冯·诺依曼架构下，计算单元与存储单元分离，数据反复搬运形成"内存墙"瓶颈。光本位的存内计算架构将两者深度融合，大模型参数直接存于芯片内部，计算延迟降至传统光计算方案的1/10。[[4]][[12]]
光计算vs电计算：工厂与仓库的比喻
传统电芯片好比工厂和远端仓库：计算是车间，存储是仓库，中间靠一条窄路连接。AI计算需要海量数据来回搬运，路堵了，算力就浪费在等待上——这就是"内存墙"。[[5]][[6]]
光子存内计算相当于把原料直接放在流水线上：存储和计算融为一体，省去搬运能耗。光子速度接近光速，传输延迟和电子相比有数量级差距，功耗也大幅降低。[[12]][[1]]
光本位科技创始人背景
熊胤江：芝加哥大学硕士，积累大模型算法与AI agent工程化经验，在美创办公司后，2022年选择关掉公司回国。[[4]]
程唐盛：就读牛津大学，师从全球"相变材料光计算"第一人、英国皇家工程院院士Harish Bhaskaran，2022年暂停博士学业回国。[[4]]
两人同年回国，2022年共同创办光本位科技，四年后拿出全球首颗256×256光子存内计算芯片。[[4]][[9]]
对AI算力格局意味着什么
若光计算路线成立，AI推理算力供给将不再唯一依赖EUV先进制程。这意味着国内算力自主可控多了一条可落地路径——用成熟制程+架构创新替代先进制程封锁。[[1]][[3]]
但需注意：本次仅完成芯片样片验证，距大规模商用还有工艺优化、良率提升、算法适配等多轮测试环节。若规模量产，才能真正对主流GPU形成替代压力。[[1]][[2]]
光计算替代GPU还差什么
基于现有公开信息，光计算要真正替代GPU推理芯片，至少需跨越两个关键变量：
触发条件一：光电转换损耗
光信号需在输入/输出端转换为电信号，转换损耗能否工程化解决，决定系统级能效是否真正优于电芯片。目前行业尚无大规模验证数据。[[7]]
触发条件二：第二代计算卡实测
年内计划推出的千TOPS级光电融合计算卡，若能通过大模型推理场景的实测验证（而非仅实验室指标），将是光计算商用化的关键节点。两个条件均满足，光计算路线才具备替代竞争力。[[1]][[2]][[10]]
凯狮优配提示：文章来自网络，不代表本站观点。
