2026年4月，一家名为曦智科技的中国公司在港交所上市，开盘股价暴涨超过380%，市值一度逼近千亿港元，成为“全球AI硅光芯片第一股”。引爆市场的核心网上炒股，是其主打的“光电混合算力”。这听起来像科幻概念的技术，究竟比我们熟悉的GPU强在哪里？
它真的能解决AI算力日益增长的焦虑吗？
从一篇论文到一家公司，光计算如何走出实验室
故事要从2017年说起。当时，还在麻省理工学院（MIT）攻读博士的沈亦晨，在顶级学术期刊《自然·光子学》上发表了一篇封面论文。这篇论文首次在理论上验证了利用光子替代电子进行深度学习矩阵运算的可行性。
你可以把它想象成，有人第一次严肃地提出：为什么我们一定要用“电流”来传递信息和计算？用“光”行不行？
这个想法并非天方夜谭。传统电子计算依赖的摩尔定律正在逼近物理极限。在3纳米工艺下，晶体管栅极长度仅约12个原子，量子隧穿效应让电子控制变得极其困难，性能提升放缓，但功耗和成本却急剧上升。
与此同时，AI大模型对算力的需求以每年近10倍的速度膨胀，形成了一把“张开的剪刀”。行业急需新的突破口。
沈亦晨的论文就是这个突破口。同年，他回国创立了曦智科技，目标是将实验室里的光计算，变成能解决实际问题的产品。
光子计算：用“光速”完成最繁重的任务
要理解曦智的优势，首先要明白电子和光子这对“选手”的根本差异。
电子是有质量的，带电荷。它在铜导线中运动，会与晶格不断碰撞，产生电阻和热量。这就是为什么你的手机会发烫，为什么数据中心需要耗费巨资散热。更关键的是，电子在铜线中的“漂移速度”极慢，只有真空中光速的1%甚至更低。
在当今的AI数据中心，一个反直觉的现实是：数据“搬运”所消耗的能量，已经接近甚至超过了数据“计算”本身。
光子则完全不同。它没有质量，不带电荷，以接近光速传播，几乎没有损耗，也不受电磁干扰。一根光纤，可以利用不同波长同时传输几十甚至上百路数据，这叫“波分复用”。如果把电子传输比作在拥堵的普通公路上开车，那么光子传输就是在多条并行的、无阻力的真空管道里以光速飞行。
曦智科技做的，就是把光的这种先天优势，用在AI计算最核心、最耗能的环节——矩阵乘法。在大模型的计算中，超过70%的运算负载都是矩阵乘加。
传统GPU怎么做：它像一位极其勤奋的棋手，虽然手速飞快（晶体管开关频率高），但必须一颗一颗地移动棋子（串行或有限并行计算），完成整个棋盘的布局（矩阵运算）。
曦智的光子芯片怎么做：它更像用一束结构化的激光，瞬间照亮整个棋盘，所有棋子的位置关系（矩阵元素）被同时感知和计算出来。这就是光的“天然并行”能力。
曦智的第二代产品“曦智天枢”（PACE 2）加速卡，集成了超过4万个光子器件，支持128×128规模的矩阵并行运算。在64×64的矩阵计算中，延迟可以从传统GPU的微秒级压缩到3纳秒，提升两个数量级；其矩阵乘法的能效，据称可达英伟达A100的18倍。
这意味着，对于大模型推理中最关键的“解码”阶段（对延迟极度敏感），光计算有着天然优势。
片间光网络：让万颗GPU像一颗那样工作
然而，单颗芯片再强也有极限。今天的AI训练，动辄需要成千上万颗GPU协同工作。这时，瓶颈就从“计算墙”变成了“互连墙”。
英伟达的NVL72机柜用铜缆背板将72颗GPU紧密相连，这已是当前电互连技术的极限。因为铜缆信号衰减极快，在1.8TB/s的高带宽下，有效传输距离不足一米。想连接更多GPU组成超大规模集群？对不起，跨机柜后只能降级使用带宽和延迟都差一个量级的InfiniBand或以太网，集群效率大打折扣。
曦智提供的另一项核心方案，就是用“光互连”替代“电互连”。创始人沈亦晨有个生动的比喻：传统的电互连是“绿皮车”，而光互连是“高铁”。
曦智的“光跃超节点”解决方案，通过光电路交换（OCS）芯片，在GPU之间搭建起一个全光交换网络。其效果非常显著：
延迟暴降：在训练DeepSeek V3 671B大模型时，传输延迟较传统电交换降低90%以上，模型切换延迟可压至微秒级。
规模突破：这套方案能将万卡级别的GPU集群“编织”成一个单一的“超节点”，所有GPU像在同一颗芯片内部那样高效通信，彻底打破电互连的距离和规模限制。
根据第三方评测，在运行同一个大模型时，采用曦智光互连方案的集群，整体性能可以达到传统方案的1.5倍。其核心价值在于，将GPU集群的模型浮点运算利用率（MFU）平均提升了超过50%。
也就是说，以前GPU有大量时间在等待数据或通信（MFU通常仅30%-40%），现在它们可以更专注地“干活”了（MFU可达60%-70%）。
功耗与成本：省下的电费就是真金白银
性能提升的背后，是巨大的功耗节省。光子没有电阻，传输和计算本身几乎不发热。曦智的光互连方案，相较于传统电互连，能效提升可达5.4倍，延迟降低18.2倍。
这意味着真金白银的成本节约：
对于数据中心：一个采用曦智方案的千卡GPU集群，年电费支出预计可降低30%以上。换算一下，一个年电费1200万元的集群，每年能省下近360万元[子问题研究过程]。
对于终端应用：在金融量化交易场景，曦智的加速卡可将策略回测效率提升4倍，而单台设备功耗仅180W，相比传统GPU方案（约800W）功耗降低约77.5%，单台设备年省电费超12万元[子问题研究过程]。
虽然光互连/光计算方案的初期采购成本可能高于传统方案，但凭借惊人的能耗节省和效率提升，在3年的全生命周期内，整体成本可降低25%-30%[子问题研究过程]。
它适合谁？已经在哪里发挥作用？
曦智的光电混合算力并非要完全取代GPU。它的策略是“光电协同”：用光做最擅长的高速并行计算和数据传输，用电做复杂的逻辑控制和生态兼容。因此，它的优势在特定场景中尤为突出：
大规模AI训练集群：这是光互连方案的主战场，通过解决“互连墙”，直接提升千卡、万卡集群的训练效率。国内头部云厂商已部署，实现了**单算力成本降低42%**的效果[子问题研究过程]。
高性能计算（HPC）：如芯片设计中的EDA仿真，曦智的方案可将仿真速度提升3-5倍，某芯片企业的仿真周期从21天缩短至7天，同时能耗降低60%[子问题研究过程]。
低延迟、高吞吐推理：如金融量化交易、智能驾驶等，对实时性要求极高的场景，光计算的纳秒级延迟优势明显。
所以，曦智光电混合算力强在哪？ 总结来看，它是在电子计算遇到物理瓶颈时，引入“光”这个新维度，在AI计算最核心的矩阵运算和最大规模集群的数据互连这两个关键环节，实现了性能和能效的数量级突破。它不是简单的替代，而是为突破算力困境提供了一条全新的、经过工程验证的路径。
从实验室的一束光，到支撑大模型训练的底层力量，光电混合算力的故事网上炒股，才刚刚开始。
启富网配资提示：文章来自网络，不代表本站观点。
