### 当电子逼近极限，清华系这支团队要用“光”重新定义计算
当大模型对算力的贪婪一次次刷新硬件天花板，当摩尔定律的钟声逐渐微弱，我们似乎正站在一个十字路口：要么被功耗和散热困住，要么寻找一条全新的计算之路。就在这个时刻，一条来自清华系的赛道传来了融资消息——一家名为“光本位”的光计算芯片企业完成了数千万天使轮融资，而他们瞄准的，是一个让传统电计算望尘莫及的方向：**全波光计算架构**。
这笔融资来自36氪独家披露，投资方包括峰瑞资本等知名机构。消息一出，行业议论纷纷：光计算喊了多年，这次有什么不同？一个“全波”二字，究竟藏着怎样的技术野心？更重要的是，它能否真的从实验室走进数据中心，成为AI算力困境的解药？
#### 事件速览：清华系再添一支硬核团队
据36氪报道，光本位科技成立于2023年，核心团队来自清华大学、中科院等顶尖机构，在光子计算、集成光学领域深耕多年。本轮融资为数千万人民币天使轮，资金将用于加速全波光计算芯片的研发和原型验证，以及扩充研发团队。
相比于融资额度本身，更值得关注的是其技术路线——**全波光计算架构**。大多数人在提及光计算时，想到的可能只是“用光代替电跑数据”，但光计算内部的技术流派差异巨大。要理解全波的含金量，我们需要拆开看光计算的前世今生。
#### 技术深水区：为什么“全波”才是光计算的完全体？
传统电子芯片通过控制电子的流动来做运算，速度受限于RC延迟和能耗墙。而光计算用光子代替电子，理论上速度可达电子的千倍以上，功耗却低一个数量级。然而，过去十几年的光计算研究大多集中在**幅度调制**——简单来说，只利用了光波的一个维度：光强（明暗）。
想象一下，这相当于用黑白电视机来看彩色世界。光波的本质是电磁波，它包含了**振幅、相位、频率、偏振态**等多个信息维度。仅仅利用幅度，等于抛弃了光波90%以上的信息承载能力。
而“全波光计算”则试图把所有这些维度全部用上：通过控制光波的相位进行矩阵乘法，利用偏振实现并行数据流，甚至结合波长分复用技术在同一根光纤里运行多个独立计算任务。这种架构不再把光简单地当作“更快的电线”，而是真正理解了光的波动性，把它变成一种高维度的信息处理工具。
举个例子：在传统电子芯片中做一次神经网络乘法，需要成千上万个晶体管逐个计算；而在全波光计算芯片中，一次光学干涉就可以完成大规模并行运算。这就像用一台织布机同时处理无数根丝线，而非用一根针一根根去缝。
更为关键的是，全波架构天然适合**矩阵运算**，而矩阵运算正是AI神经网络（尤其是Transformer模型）的核心。这意味着，一旦全波光计算芯片成熟，它能以极低的功耗实现当前GPU数倍乃至数十倍的推理速度。
#### 商业涟漪：谁在为“计算革命”买单？
投资机构的嗅觉往往比市场快半步。峰瑞资本等机构下注光计算，绝非一时冲动。从商业逻辑看，有两个核心驱动力：
**第一，AI算力供需裂口正在加速扩大。** 以大模型为例，训练一次GPT-4级模型据估算需要数千万美元的电费，且单卡能耗动辄数百瓦。数据中心散热成本甚至已经超过硬件本身。当电计算在7nm、5nm之后越来越“难产”，光计算提供的超低功耗、超高并行度几乎是唯一可行的替代路径。
**第二，全波架构的商业化门槛可能比想象中更低。** 过去光计算的最大痛点在于集成度和成本：要想把光学器件做小、做稳定，并和现有电子系统兼容，难如登天。但近年来硅光工艺（Silicon Photonics）的成熟，使得光芯片可以借用成熟CMOS产线生产——这正是清华团队的擅长领域。全波架构虽然对光路的精准控制要求更高，但集成硅光的进步恰好提供了这一基础。
更值得关注的是，本轮融资瞄准的是“原型验证”而非大规模量产，说明团队采取了务实路径：先在小规模范围内证明全波计算的可行性，再逐步放大。这种“实验室到产品”的节奏，比过去不少光计算公司画大饼、等风来的模式要稳健得多。
#### 现实的荆棘：全波光计算还有多远？
技术的性感不等于商业的成熟。必须承认，全波光计算仍然面临三重挑战：
1. **精度问题**：光计算目前很难做到电子芯片级别的超高精度（如FP32、FP64）。在AI推理场景中，低精度（INT8甚至更低）可以接受，但训练阶段对精度要求极高，光计算暂时只能“做减法”——用于推理加速，而非全面替代GPU。
2. **生态系统**：现有的软件栈（PyTorch、TensorFlow等）全部围绕电子芯片设计。光计算芯片需要重新开发编译器、指令集和中间件，这既是工程难题，也是标准化难题。
3. **集成度与良率**：尽管硅光工艺进步很快，但要在一个芯片上集成成千上万个光波导、调制器和探测器，良率和稳定性仍是未知数。
不过，历史无数次证明：任何颠覆性技术都需经历“过度乐观→泡沫破灭→务实落地”的周期。光计算的前几次热潮曾让很多人失望，但这一次，全波架构在理论上的优势、加上AI算力真实且迫切的缺口，或许能让它走得更稳。
#### 总结与观点
清华系这支团队获得数千万天使融资，不仅仅是一次资本事件的记录，更是一个信号：**光计算正在从“学术玩具”走向“工程实验”，而全波架构可能是打开那扇门的钥匙。** 如果团队能成功在芯片上实现对光波多维度的精细操控，那么未来三年，我们很可能看到第一批用于特定AI推理任务的光计算加速卡问世。
当然，距离真正替代英伟达的GPU，光计算还有很长的路要走。但正如计算机从真空管到晶体管、再到集成电路，每一次计算范式的跃迁都需要经历从“不可能”到“可能”的阵痛。全波光计算，或许是这个十年最值得关注的硬科技故事之一。而故事的开头，正从这笔天使轮融资悄然写起。\n\n
暂无评论