光驱动的 AI 算力卡，也就是光子计算（Photonic Computing）芯片，用光子（光）代替电子来做矩阵乘法和数据传输

光驱动的 AI 算力卡，也就是**光子计算（Photonic Computing）**芯片，用光子（光）代替电子来做矩阵乘法和数据传输。它的核心优势是：光速传播、零电阻发热、天然并行、能耗极低，理论上能打破电子芯片的"功耗墙"和"内存墙"。

目前这个领域最活跃的公司主要有以下几家：

一、Neurophos：用"超材料"把光学元件缩小一万倍

总部：美国德州奥斯汀（Austin），在硅谷红木城有工程站点

成立：2020 年

创始人 ：Dr. Patrick Bowen （CEO）、Dr. Andrew Traverso（CTO）------两人都是杜克大学（Duke University）的博士，公司最初在杜克地下室孵化。

核心技术：超材料光学调制器

传统光子芯片的问题是光学元件太大（微米级），无法在单芯片上集成足够多的计算单元。Neurophos 的突破在于：

利用超材料（Metamaterials）将光学调制器缩小了 10,000 倍，在单颗芯片上集成了超过 100 万个微米级光学处理单元。

这使得大规模、可制造的光子 AI 计算成为可能。芯片被称为 OPU（Optical Processing Unit，光学处理单元），定位为 GPU 的"即插即用替代"。

性能声称

比当前领先 GPU 性能和能效提升 100 倍
功耗仅为传统 GPU 的 1%
专为 AI 推理设计，可扩展至 Exaflop 级别

融资情况

2026 年 1 月 ：1.1 亿美元 Series A（超额认购），由 **Gates Frontier（比尔·盖茨的风投基金）**领投
参投方：M12（微软风投）、Aramco Ventures（沙特阿美）、Bosch Ventures、Carbon Direct Capital 等
累计融资 ：1.18 亿美元
2026 年 4 月，公司宣布人数增长近 3 倍，从 NVIDIA、Meta、Intel、Qualcomm 等挖来大量高管

与 Groq 的渊源

前文提到的 Douglas Wightman （Groq 联合创始人）于 2026 年 4 月加入了 Neurophos 的战略顾问委员会。

风险点

截至 2026 年初，尚未有付费客户，仍处于商业化早期
需要同时解决大规模制造和软件生态问题
NVIDIA 每 12 个月迭代一次，100 倍的优势窗口可能随时间缩小

二、Lightelligence：光电混合 + 光互连，准备香港 IPO

总部：中国（ Boston 起家，现主要在中国运营）

成立：2017 年

创始人 ：沈亦晨（Yichen Shen） ------MIT 博士，其光子深度学习研究发表于 Nature Photonics

专利：截至 2026 年 3 月，拥有 410 项专利

两条产品线

1. 光计算芯片

PACE（Photonic Arithmetic Computing Engine） ：2021 年发布，用 12,000 个光学器件（马赫-曾德尔干涉仪 MZI）在 1 GHz 下运行。在某些 NP-complete 问题（如伊辛模型）上，比 NVIDIA RTX 3080 快 100 倍，比东芝专用 FPGA 系统快 25 倍。
Pace 2：采用先进 3D 封装
OptiHummingbird：光网络加速卡

2. 光互连（Optical Interconnect）

Hummingbird（蜂鸟） ：全球首款光网络芯片（oNOC, Optical Network-on-Chip），2023 年在 Hot Chips 发布。将光子芯片和电子芯片垂直堆叠封装，用光波导实现芯片内全互联，打破"内存墙"。
LightSphere X ：2025 年发布的光路交换机，声称可将 GPU 超节点互联效率提升 50% 以上

商业模式

既卖光计算加速卡，也卖光互连设备
2026 年 4 月，公司通过香港交易所上市聆讯，有望成为首家专注光子 AI 基础设施的上市公司

三、Lightmatter：从光互连走向光计算

总部：美国波士顿

成立：2017 年

背景：MIT 团队

产品路线

Envise：2021 年推出的首款商用光子 AI 芯片，用于 AI 推理加速
Passage：光互连层（interposer），用于芯片间和机架间的光通信
采用硅光子学（Silicon Photonics） + 电子混合架构，利用光的并行性和速度做矩阵运算

特点

与 Lightelligence 类似，走"光电混合"路线
不仅做计算，也做数据中心的光互连
2024 年 9 月与 PhotonCompute Labs 合作，扩展全球数据中心光子 AI 芯片部署

四、Ayar Labs：专注"光互连"而非光计算

总部：美国

成立：2015 年

背景：MIT 团队

Ayar Labs 的定位与前几家不同------它不做 AI 计算本身 ，而是做芯片间的光互连：

用光代替铜线连接 GPU/CPU/内存，解决带宽和延迟瓶颈
2025 年展示了业界首个太比特级光链路（Tera-bit optical link）
与 NVIDIA、Intel、AMD 等合作，把光互连集成到它们的生态中

这属于"光子辅助计算"而非"纯光子计算"。

五、其他玩家

公司	背景	特点
Celestial AI	美国	光子 AI 处理器，光互连 + 计算
Luminous Computing	普林斯顿大学	基于微环光滤波器的"Broadcast and Weight"方案
Xanadu / PsiQuantum	加拿大/美国	量子光子计算，非传统 AI 加速
Optalysys	英国剑桥大学	2013 年成立，较早的光学协处理器

六、光子计算的"三座大山"

尽管概念诱人，光子 AI 芯片要真正挑战 NVIDIA，还需跨越：

制造与封装：光学元件对温度敏感，光电混合封装良率低，大规模量产困难
软件生态：没有 CUDA 级别的开发工具，模型迁移成本高
精度与噪声：模拟光计算存在噪声和精度损失，需要硬件感知训练（Hardware-Aware Training）来弥补

总结

公司	路线	阶段	核心优势
Neurophos	纯光子计算（OPU）	A 轮，商业化早期	超材料缩小 10,000 倍，100 倍能效
Lightelligence	光电混合计算 + 光互连	准备 IPO	410 项专利，PACE 100 倍加速
Lightmatter	光电混合计算	商用推进	光互连 + 计算一体化
Ayar Labs	光互连（不做计算）	与巨头合作	太比特光链路，生态兼容

光子计算目前仍处于**"物理验证通过，工程化待证明"**的阶段。Neurophos 和 Lightelligence 是最接近"光驱动 AI 算力卡"落地的两家公司，但距离大规模替代 GPU 还有一段距离。如果成功，它可能是继 GPU 之后下一个颠覆性的算力范式。