36氪首发丨上海交大副教授做光计算芯片，成立半年获云启、原子等连投5轮，已送流片

图源/企业

本文约3300字，建议阅读8分钟

作者丨欧雪

编辑丨袁斯来

硬氪获悉，光计算芯片公司智子光垣已完成数亿元种子轮融资。公司成立后已连续完成5轮种子轮次融资，投资方包括海桐国际创新中心、云启资本、国泰海通、险峰长青、原子创投、同鑫资本和上海交通大学AI未来基金。资金将主要用于核心芯片研发与流片迭代、高端人才引进与团队建设，以及应用场景拓展与生态合作。

智子光垣于2026年5月成立，聚焦可重构全光计算架构与光子处理器研发，利用光的并行计算特性直接参与AI运算，绕开传统电子芯片在制程微缩、功耗和散热上的瓶颈，推动光计算从专用加速走向更具通用性的计算平台。

目前，智子光垣已组建近50人的研发团队，核心成员长期深耕光计算与芯片设计领域，累计完成数十款光芯片的设计、流片及验证，并发表了近20篇Nature/Science系列论文。创始人程远为上海交大人工智能学院副教授，长期从事光子芯片与边缘智能研究，曾任辛米尔科技联合创始人/CTO，主导全栈产品体系搭建。

产品布局方面，智子光垣规划了服务器端光电加速板卡和端侧光计算芯片两条产品线。两款产品的首版相关芯片均已送出流片，计划未来半年内陆续推出可部署产品。

目前，AI算力竞争正在从单纯追求峰值算力，转向每度电能支撑多少有效智能输出。随着AI从单次问答走向智能体持续思考、工具调用和任务执行，Token消耗快速增长，成本、供电和散热正在成为算力扩张的现实约束。

传统电子芯片已接近摩尔定律上沿，仅靠制程微缩很难跟上需求增长。而光计算的思路，是把矩阵运算映射到光的干涉、衍射过程中，利用光传播本身完成大量并行乘加运算。

程远表示，AI需要真正低功耗、不依赖先进制程、能够工程化落地的计算载体，而光计算在并行性、时延和能效上具备天然优势。

当前光计算行业处于工程化落地早期阶段，国内多条技术路线并行，市面上可用产品较少，且多为小规模专用计算，难以支撑真实大规模任务，也难在任务之间切换。

“通用光计算是行业趋势，但需要架构、器件、工艺、封测和软件系统协同推进。”程远称。

具体来看，智子光垣的技术路线是可重构全光计算架构。通过时空可重构，实现不同模型与计算任务的灵活适配；融合干涉计算与衍射计算的技术优势，借助Chiplet将干涉与衍射模块化放入同一架构，在单芯片中级联多个光计算核心，扩大计算规模，兼顾计算精度和灵活性。此外，公司同时推进“光传光算”与全光非线性技术，减少关键计算环节的光电转换，并通过软硬件协同校准，提升计算精度与芯片一致性。

可重构：干涉 x 衍射 x chiplet（图源/企业）

“可重构”决定光计算能适配多少任务。智子光垣从芯片底层设计时空重构架构，在空间和时间上调制计算关系，任务变化时通过重组光路或调整调度算法适配，而不必为每种应用重新设计芯片。“全光”则指向能效：让通信光直接参与计算，并把关键非线性操作留在光域，使计算链路中的光电转换趋近于零。

全光：光传光算 x 非线性（图源/企业）

产品层面，烛龙OPU-08面向服务器计算加速，采用PCIe光电加速板卡形态，聚焦AI推理中的大规模矩阵运算，规格为256×256计算核心、150TOPS算力，可接入现有服务器，为大模型云端部署提供“光子Token”。玄鉴TOCU-07面向边缘端低功耗智能设备，规格为128×128计算核心、100TOPS算力，除光电计算外，还支持收集微弱自然环境光直接运算，省去该输入路径上的光电编码。

程远表示，烛龙与当前主流服务器光电加速板卡形态一致，亮点在于更通用的矩阵加速和模型部署能力；玄鉴则面向端侧低功耗场景，市面上同类产品还不多。更长期的目标是训推一体的通用光子GPGPU，预计2027年底或2028年初推出第一版。

服务器光电加速卡烛龙 OPU-08（企业/图源）

工程化方面，光计算面临器件差异、噪声、温漂等一致性问题。智子光垣通过软硬件补偿模块配合，在光芯片中加入自动化纳秒级校准模块，公司称可将矩阵运算误差降到10^-6水平，以提升批量芯片的精度一致性。公司目前与国内代工、封测厂合作推进批量生产，但产品性能仍需芯片回片后测试验证。

按照公司规划，近期重点是完成烛龙、玄鉴的封装测试、板卡联调、模型适配和客户验证，保障产品按计划推出；后续逐步推进更大规模的光计算板卡和通用光子GPGPU。

公司希望依托团队在前沿技术研发、芯片工程化及系统级产品部署方面的积累，将光芯片的落地应用进程加快2-3年。这一目标的实现，仍需上下游产业链协同支撑。

程远表示，公司还会重点关注AI算力基础设施、光通信和硅光产业链，以及制造封测等上下游环节。光通信和硅光产业链的成熟，为光计算提供了器件、工艺与封装基础；产业合作则将围绕工艺封测、服务器厂商、端侧应用伙伴和模型适配展开。

长期看，智子光垣致力推动通用光计算落地，让同一套硬件在光擅长的计算范围内适配不同模型和任务，并最终构建训推一体的光子GPGPU和配套软件系统。

“专用是光计算走向应用的第一步，通用是光计算成为算力基础设施的下一步。”程远说。

以下是硬氪与智子光垣创始人程远的访谈节选（经编辑）：

硬氪：把干涉和衍射混合在一颗光计算芯片上，行业里为什么做的少？智子光垣为什么选这条路线？

程远：把干涉和衍射混合在一种光计算芯片上实现。这首先是架构级别的创新，团队长期从可重构架构层面推进系统级模型部署，研究上处于国际前沿。

采取这个技术，是为了突破传统光计算架构在灵活性与计算规模上的局限，完成光芯片内部的可重构，并采用基于干涉衍射的全光计算路径。可重构决定光计算能适配多少任务，全光路径则打开更大的能效空间，把光电转换需求降到接近零。只有完成可重构和全光，才能实现所谓通用光计算——在同一套硬件上适配不同任务和模型。难点在于如何调控光计算内部操作，把可重构算法在光芯片内部实现，同时保证每颗芯片性能一致，这需要从架构设计、工艺、封测整条产业链协同。

硬氪：目前产品已经流片，客户和量产进展如何？

程远：目前已积累了不少意向客户。有板卡厂商计划推出一款光电加速板卡，我们的光芯片会在其GPGPU上作为协处理器加速模块发挥作用。量产方面，我们已与国内知名的代工和封测厂商建立合作，正在推进相关批量生产工作。同时，配合软硬件校准补偿模块，保证光芯片出来之后的一致性。

硬氪：光计算走向实际应用，最难跨过的是什么？

程远：最难的是稳定交付和批量一致性。单块芯片的实验表现，必须变成批量产品在客户环境里的稳定表现。器件差异、噪声和温漂都会影响计算结果，所以我们在底层加入软硬件协同的纳秒级校准模块，并把封装测试、模型适配提前到设计阶段，从源头解决工程化难题，避免问题留到交付环节。

投资方观点：

云启资本表示：云启长期看好，光计算有望为AI算力基础设施带来新的突破。智子光垣团队在可重构全光计算架构上有深厚积累，同时具备从芯片研发到大客户规模化交付的产业经验。我们看好智子光垣在光计算领域的长期潜力，期待团队推动下一代 AI 计算架构在真实场景中实现规模化应用。

原子创投董事总经理赵旸表示：下一代AI算力需要新的底层架构，我们长期看好全光计算，也一直在寻找真正能推动这项技术走向产业化的团队。

智子光垣在可重构架构与光传光算上的原创探索，让我们看到了新的技术可能。程远老师和团队既有多年科研积累，也有从芯片研发到产品规模化落地的完整创业经历；既能探索技术的边界，也知道如何让技术走出实验室，这样的创始团队极为难得。

期待与智子光垣携手，让中国原创的光计算技术走向世界，成为推动下一代AI算力变革的重要力量。

国泰海通表示：AI算力产业发展的下半场向着token降本的方向发展，光计算芯片有望缓解AI算力紧缺困境，看好智子光垣的技术路线具备通用、可重构和大规模计算能力的核心优势，以及从前沿科学研究到半导体工程化落地的成功经验。

海桐国际创新中心表示：看好智子光垣团队在光子前沿方向的创新潜力和团队技术优势，坚定陪伴团队深耕技术攻关与产业落地。我们将依托自身硬科技孵化生态资源，持续为智子光垣对接产业伙伴、科研平台与行业渠道，助力技术价值释放。期待智子光垣持续突破，在光计算赛道形成差异化优势，共同助力国内前沿算力产业生态建设。