行业背景与算力瓶颈 - AI算力需求每3.4个月翻倍，与传统电芯片性能提升放缓形成尖锐矛盾，导致供需失衡 [3] - 以GPT-4为例，其模型训练在14周内消耗42.4吉瓦时电力，日均耗电0.43吉瓦时，相当于2.85万户欧美家庭的日均用电量 [3] - 2024年全球数据中心耗电量达415太瓦时，占全球用电量1.5%，预计到2030年将翻倍至945太瓦时 [3] 光计算技术优势与公司突破 - 光计算凭借光速传输、大算力、低功耗等固有优势，成为破解算力困境的重要方向 [5] - 公司采用“硅光加相变材料异质集成”技术路线，于2024年6月成功流片全球首颗128×128矩阵规模光计算芯片，突破行业矩阵规模瓶颈 [5] - 该芯片集成16000+节点，每个节点可实时编程，打破传统光芯片“固定权重只能处理单一任务”的局限，算力与计算效率显著提高 [12] - 128×128矩阵规模被视为光计算商业化的“临界点”，低于此规模则算力不足、密度偏低，无法支撑大模型推理/训练等复杂应用 [12] 公司发展历程与技术积累 - 两位联合创始人分别于牛津大学主导相变材料光计算芯片研发，以及在芝加哥大学聚焦AI算法，深切感受到现有计算范式在算力与能效上的局限 [8] - 2021年成为关键转折，实验室突破实现大规模矩阵光子存内计算，同时认识到光计算在矩阵运算中高出电芯片千倍的能效与AI算力需求高度契合 [8] - 公司于2022年4月正式成立，创业初期即面临首轮流片决定项目存续的关键考验，最终顺利完成小矩阵芯片的功能验证 [9][10] 产品商业化与产业链布局 - 公司第一代光电融合计算卡即将给下游用户送样，256×256及更大矩阵规模的光计算芯片流片计划也在快速推进 [14] - 上游与国内多条硅光产线深度合作，覆盖8寸到12寸制造资源，确保工艺稳定与供应链可控 [15] - 下游与互联网巨头联合研发定制化产品，并参与标准化地方政府智算中心建设 [15] - 公司已构建完整的光计算产品体系，率先在光计算领域打通“材料-设计-制造-应用”的全链条能力 [15][17] 融资进展与战略合作 - 2023年6月获得天使轮投资，8个月后完成天使+轮融资，加速了128×128芯片流片进程 [17] - 2024年12月与国内互联网巨头达成战略合作，实现深度的生态协同 [17] - 2025年6月由敦鸿资产领投的新一轮融资，整合了上海、苏州等地的产业链资源，为后续量产爬坡提供保障 [17] 未来应用前景与行业愿景 - 当前通过光电协同形成精密配合的光电融合计算系统，光芯片处理AI线性运算，电芯片负责调度与非线性处理 [19] - 光计算的突围可能让低碳甚至零碳AI大模型推理/训练成为现实，中国有望在新型AI计算范式定义权之争中实现“换道超车” [22] - 未来应用场景包括：智算中心将演进为高效的“城市数字心脏”；自动驾驶领域利用光芯片纳秒级处理速度提升决策响应；医疗影像中心加速模型重建与分析 [22]