当前，人工智能(AI)训练等复杂任务的规模持续扩大，各行各业对算力提升的需求与日俱增。而传统电 子计算架构受到"冯.诺依曼瓶颈"等问题限制，量子计算目前又处于发展初期。在这样的背景下，用光 而非电来处理数据的光计算技术应运而生，并逐渐崭露头角。 世界经济论坛官网日前在一篇报道中指出，近年来，光计算呈现加速发展趋势。部分技术路线发展迅 猛，正逐步走出实验室，迈向产业化应用，未来有望在智算中心、新材料研发等多领域应用中大放异 彩。 光纤系统则依托成熟的光纤通信基础设施，借助光纤中的导光实现复杂计算，尤其适用于求解优化问题 和人工智能中的难题。一个典型例子是"相干伊辛机"，其可通过光纤环路发送光脉冲以执行运算。遗憾 的是，它的关键功能仍依赖电子设备实现，为此不得不频繁进行光—电转换，导致计算速度大幅下降。 未来该系统或转向基于芯片的架构，以提升集成度和可扩展性。 此外，也有科学家正在开发多芯特种光纤，以借助不同纤芯同步处理多项计算，但这类多芯光纤系统多 数仍处于实验室研究阶段。 光计算优势显著 光是一种传播极快、信息维度丰富且能耗极低的物理媒介。光计算以光子替代电子作为计算载体，与传 统的电子计算相比，拥有更多优势 ...

光计算技术发展背景 - 人工智能训练等复杂任务规模持续扩大，各行各业对算力提升需求与日俱增 [1] - 传统电子计算架构受冯·诺依曼瓶颈限制，量子计算处于发展初期，光计算技术应运而生 [1] - 光计算呈现加速发展趋势，部分技术路线正逐步走出实验室迈向产业化应用 [1] 光计算核心优势 - 光传播速度极快、信息维度丰富且能耗极低，以光子替代电子作为计算载体 [2] - 天然支持并行计算，特别适用于科学计算和机器学习等高密集型任务 [2] - 光子运行几乎不产生热量，能耗优势显著，具备更宽带宽且处理宽带模拟信号性能远超电子器件 [2] - 光学器件运算速度出色，响应迅捷几乎无延时，显著提升计算时效 [2] 光计算架构发展现状 - 自由空间光学（FSO）是最早出现的光计算形式，借助透镜和光掩模等元件在空气或真空中操控光 [3] - FSO需提升系统耐用性与可靠性，需优化光机械工程并集成固态光学模块 [3] - 光子芯片整合激光器和干涉仪等微型光学元件，可便捷融入现有电子架构但难以扩展至复杂计算任务 [3] - 部分公司转向开发光学互连设备，利用光在电子组件间高速传输数据 [3] - 光纤系统依托成熟的光纤通信基础设施，尤其适用于求解优化问题和人工智能难题 [4] - 相干伊辛机通过光纤环路发送光脉冲执行运算，但关键功能仍依赖电子设备导致光-电转换降低速度 [4] - 多芯特种光纤借助不同纤芯同步处理多项计算，多数仍处于实验室研究阶段 [4] 技术发展路径与瓶颈 - 全光学自由空间系统短期内最具可行性，光与电混合系统及内存计算架构也极具潜力 [5] - 结合空间与时间维度的新型处理架构中期或表现出更卓越性能与能效 [6] - 光学系统易受元件错位和温度波动干扰，需通过闭环反馈系统和实时自动校准提升抗干扰能力 [8] - 光学数据存储难题可通过光学腔系统避免处理器与内存间数据迁移损耗 [8] - 集成与封装存在挑战，但3D封装技术和新材料创新可能提升可扩展性并降低成本 [8]

公司融资与业务进展 - 公司完成数千万元A+轮融资 投资方包括小米战投 顺为资本 诚美资本 上海天使会联合投资[6] - 融资将主要用于超透镜量产产线持续建设 红外镜头扩产及可见光研发量产[6] - 公司成立于2020年 是全球首家在远红外 近红外领域均实现量产并在可见光领域实现技术突破的超透镜企业[6] 技术优势与产品布局 - 超透镜采用半导体芯片工艺 具有高产能 高良率和高稳定性特点[6] - 已量产商用红外镜头产品 包括远红外领域的红外测温 安防监控以及近红外领域的人脸识别 3D扫描[7] - 可见光领域实现技术突破 完成消费电子镜头和车载镜头研发 预计明年实现量产[7] - 布局颜色路由产品 能将图像传感器光效提升1-2倍 已有行业终端产品应用该技术[7] - 开始布局光计算领域 应用可调超表面技术设计光计算芯片 预计明年推出初代产品[7] 产能建设与规模 - 2025年1月在湖州建成全球首条超透镜量产交付产线 厂房面积达6000平方米[8] - 产线已正式投产运营 月产能可支撑数百万颗镜头需求[8] 行业应用前景 - 超透镜具有"薄 轻 简 廉 高 稳"特点 可实现对入射光振幅 相位 偏振等参数的灵活调控[6] - 可广泛应用于手机摄像头 汽车电子 传感器等领域[4][6] - 能弥补传统透镜在轻量化 小型化 低成本方面的劣势[6]

作者 | 张子怡 36氪了解到，除光学镜头场景，迈塔兰斯在可见光领域同时布局分光器件产品，尤其是颜色路由产品。 颜色路由产品为超透镜在CIS图像传感器场景的应用，能将图像传感器的光效提升1～2倍，这意味着在 相同的光照条件下，应用超透镜技术的图像传感器可以捕捉更多的光线，从而提高图像的质量。目前已 有行业终端产品使用该技术，市场前景广阔，迈塔兰斯也在大力布局，助力超透镜技术在各个场景的落 地。 编辑 | 袁斯来 此外，迈塔兰斯开始布局光计算领域，应用可调超表面技术设计大规模光计算芯片，满足AI时代的大 算力要求。目前迈塔兰斯的光计算业务团队正在技术研发中，预计明年推出初代产品并开始迭代。 36氪获悉，超透镜设计制造厂商「迈塔兰斯」于近期完成数千万元A+轮融资，投资方为小米战投、顺 为资本、诚美资本，上海天使会联合投资。本轮融资将主要用于超透镜量产产线的持续建设、红外镜头 扩产及可见光研发量产。 产能方面，2025年1月，迈塔兰斯在湖州建成全球首条超透镜量产交付产线，厂房面积达6000平方米。 目前产线已正式投产运营，月产能足以支撑数百万颗镜头的需求。 「迈塔兰斯」成立于2020年，主要从事超透镜设计及制造，是 ...

项目建设背景与必要性 - 公司现有研发用房面积严重不足，制约研发创新能力和速度，需在深圳建设研发基地以满足未来发展需求 [3] - 公司致力于推动数字电网技术革新和产业生态发展，目标是成为世界一流、AI驱动的电力能源数字化领域领军企业 [3] - 公司存在科技创新基础能力薄弱劣势，面临高新行业竞争加剧挑战 [3] - 项目建设可解决办公研发场地不足问题，为未来发展做好充足准备 [3] 战略发展需求 - 公司是能源行业信息化服务提供商，致力于通过量子传感、AI大模型、数字孪生等前沿技术重构电网信息化生态 [4] - 需布局物理电网数字化技术研发环境，加强先进数字技术和能源技术融合发展 [4] - 通过项目建设可加强技术研发体系化布局，整合分散研发资源，建立"基础研究—应用开发—场景验证"全链条体系 [4] - 项目有利于推进公司战略目标落地，加快实现关键核心技术自主可控 [4] 研发环境与人才建设 - 面对能源行业信息化建设新技术应用和新需求，需要更强大研发团队和配套设施 [5] - 在深圳建设集中研发中心可建设先进研发环境，提供更好研发平台 [5] - 有助于利用深圳科研机构资源丰富、高技术人才集中优势，吸引和凝聚高素质人才 [5] - 可形成"技术—人才—场景"正向循环，解决业务快速发展人才需求 [5] 技术储备战略意义 - 前瞻性技术储备是IT公司在激烈竞争与快速迭代中生存与发展核心战略 [6] - 技术储备是企业保持行业领先地位关键，通过提前布局AI、光计算、量子计算等前沿领域可形成技术代差优势与先发红利 [6] - 面对技术突变带来的市场不确定性，储备多领域技术能构建风险防御机制 [6] - 技术储备不仅吸引顶尖人才形成"创新飞轮"，还能通过开源体系或标准制定掌握话语权 [7] 公司技术实力与研发体系 - 公司深耕电力信息化领域8年，已形成从技术研发、项目实施到运维服务全链条能力 [8] - 业务覆盖输电、变电、配电、用电全环节，主导完成"数字电网关键技术"等国家重点研发计划项目 [8] - 拥有全国产化MEMS传感芯片从设计到制备的全链条核心技术能力，自主研发磁场、电场、气体组分、压力、温度等全国产化MEMS传感芯片 [8] - 成功获批国家能源数字电网技术研究中心、广东省数字电网企业重点实验室等科研机构 [9] - 构建"一体三环"研发组织体系：内环负责顶层设计和底层共性技术开发，中环负责专业公司具体课题研发，外环负责产业化落地 [10] - 牵头承接5项国资委"1025"关键核心技术攻关项目、6项国家重点研发计划项目 [10] 研发课题内容 - 基于里德堡原子的新型局部放电检测设备：研发亚微伏/厘米级分辨率、宽频响应局放监测传感器 [13] - 油中溶解气体高效分离及比色阵列检测技术：开发高柱效复合分离填料设计、微型高效分离柱研制、高灵敏度半导体比色阵列气体检测器 [13] - 模块化智能架构设计软件研发：建设智能化、可装配软件研发管理与运营平台 [13] - 适应新一代电力本质安全体系：国产化密码技术筑牢设备身份认证与通信加密基础，AI驱动网络安全态势感知平台 [14] - 面向新型电力系统建设算力需求的光计算技术研究：攻克电力光计算底层物理机理和专用架构设计核心技术 [14] - 数字化构网型电力电子设备：开发兼容多种新能源的频率自持与电网电压支撑控制技术 [14] 项目投资与建设规划 - 项目预计投入78,040.00万元，其中建设工程投资53,988.30万元，设备投资7,616.53万元 [16] - 项目建设期为3年 [16] - 项目选址深圳市宝安区和广州市黄埔区，意向地块为深圳市宝安区西乡街道宝安客运中心城市更新单元02-01地块 [17] - 项目规划占地面积12,095.5平方米，总计容面积约74,990平方米 [17] - 项目建设主体已通过宝安区重点产业项目供地相关政策要求遴选 [17] 环保与经济效益 - 项目建设和运营期间污染物主要为少量废气、废水、噪声和固体废弃物，均按相关要求排放处理 [18] - 不产生实验废气、废水、危险废物，对环境影响较小 [18] - 项目不产生直接经济效益，但有助于提升公司研发技术实力和提高核心竞争力 [19]

公司业务布局 - ficonTEC下游应用主要包括光互连、光感知、光计算三个方向 [1] - 量子领域应用属于光计算方向 [1] - 与世界知名量子领域企业在测试和组装方面建立业务及合作关系 [1]

纳米光子器件互联技术突破 - 科研团队利用"尾流"效应成功解决纳米光子器件光信号跨结构传输难题，为光子信号远程连接、精确引导和方向控制开辟新路径[1] - 该技术有望显著提升光计算与信息处理能力，突破纳米光子器件集成度提升的关键瓶颈[1] 极化激元特性与应用挑战 - 极化激元作为特殊表面光波，能将光压缩在纳米尺度内实现强光场增强，具有超强光约束能力、低能量损耗和显著方向性[1] - 极化激元光场快速衰减导致难以跨结构传输，成为制约其在光子器件中实际应用的关键瓶颈[1] 新型光波模式创新机制 - 研究结合极化激元强聚焦能力与漏波定向传播特性，在层状材料中创造出类似"船尾波"的光波模式[1] - "光尾流"机制使高速光波从特定结构定向泄漏，实现极化激元跨材料传输[2] - 通过旋转材料层可调制光尾流方向、形状和传播速度，达到可控传输效果[2] 技术应用前景 - 该成果将纳米光约束与远场传输能力融合，推动技术向可控、集成的实用器件层面发展[2] - 对光计算、高速信息处理等领域技术发展具有重大意义[2]

AI发展现状与挑战 - AI正处于快速演化的关键阶段，大模型、具身智能与科学智能深度融合构成"知识飞轮"，可能使AI学习与再生能力超过人类[1] - AI发展面临结构性挑战：算力瓶颈、数据枯竭、评测滞后[1] - 传统依赖算法堆叠和数据量的发展路径已难以拓展AI边界[2] 数据与算力瓶颈 - 数据短缺制约大模型发展，多模态输入、合成数据生成等方式面临质量、成本和验证机制挑战[2] - AI系统面临智能水平提升与推理能效下降的矛盾，需关注单位能耗下有效Token数量[2] - 大模型训练成本激增：最新一代训练耗资约100亿美元，需20万张GPU卡支持，预计2035年突破1亿张卡[8] - 算力依赖呈指数级增长，传统电子芯片架构优化受限于晶体管物理天花板[8] 评测体系与原创能力 - 现有模型评测体系易被"对症"优化，需引入任务导向、动态更新与专家混合评估机制[2] - AI缺乏因果建模能力，科学建模需要简约假设和逻辑自洽的因果体系[3] - AI在10%原创性突破问题方面力有不逮，重大理论提出无法仅靠数据堆积[5][6] - 部分大模型已具备因果性文本结构识别能力，但语义层面理解尚不明确[3] 技术突破路径 - 提升AI系统性能的两条路径：保持能效水平提升智能水平，或通过软硬件协同优化提高单位能耗推理能力[8] - 光计算可突破能效瓶颈，需算法层面推动低精度模型优化，并利用光介质提升芯片间通信带宽[8] - 下一代AI系统需实时感知物理环境，与传感器和执行器深度融合[8] - 未来AI可能由100万个机器人在物理世界实现全域智能协同，形成新进化路径[9] 行业应用与趋势 - AI for Science在具体子任务中表现出色，尤其在"从类比中发现新结构"方面潜力巨大[7] - 机器人行业与AI融合加速，人形机器人量产爆发引发价格战，但上市公司业绩普遍承压[11][12] - 具身智能成为研究热点，微纳感知、仿生技术等推动机器人创新发展[11][12]

公司背景与融资情况 - 光本位科技由两位年轻创始人熊胤江和程唐盛于2022年创立，分别具备大模型算法工程化和相变材料光计算研发背景[4] - 2024年12月完成锦秋基金领投的战略轮融资，老股东慕石资本、小苗朗程、中赢创投超额跟投[2] - 2025年6月再获敦鸿资产领投，浦东科技天使母基金、苏州未来天使产业基金等国资跟投，中赢创投继续加注[19] - 2024年累计完成三轮融资，包括3月天使+轮和12月锦秋基金领投轮[20] 技术突破与产品进展 - 实现全球首颗128*128矩阵规模光计算芯片流片，集成16000+完全可调节点，突破商用标准[4][12] - 采用硅光+相变材料(PCM)异质集成技术，单元尺寸缩小至传统方案1/10-1/20，算力密度提升10-20倍[13][14] - 通过相变材料实现存算一体，计算单元功耗接近0，相比电芯片算力提升潜力超1000倍[8][14][15] - 2025年计划完成128*128芯片与电芯片合封测试，推出第一代光电融合计算卡[19] 市场需求与商业化路径 - 瞄准云侧两类客户：互联网大厂（追求能效比/算力密度）和智算中心（注重经济效益）[16] - 光电融合计算卡支持PCIe接口即插即用，适配大模型分拆经济规模(128*128矩阵)[12][16] - 规划端侧场景验证，车规级应用需应对极端环境稳定性要求[17] - 已与一线互联网大厂、GPU厂商、高校等建立合作，同步推进256*256矩阵芯片研发[19] 行业背景与发展机遇 - 全球数据中心2024年耗电415太瓦时（占全球1.5%），2030年预计增至945太瓦时[7] - 电芯片3nm工艺接近物理极限，光计算被视为突破摩尔定律的关键路径[7][8] - 2017年牛津/MIT研究引发关注，但产业链成熟度延迟商业化至2022年[8][9] - 公司抓住AI算力需求爆发窗口，2023年完成64x64矩阵流片，2024年突破128x128规模[10][12]

公司概况 - 光本位由两位未满30岁的联合创始人熊胤江和程唐盛于2022年在上海创立，分别关掉美国公司和暂停牛津大学读博回国创业 [1] - 熊胤江为联合创始人&董事长，负责运营与商业化，拥有芝加哥大学硕士学历及大模型算法与AI agent工程化经验 [1] - 程唐盛为联合创始人&CEO，负责研发攻关及工程化落地，曾师从全球"相变材料光计算"领域权威Harish Bhaskaran院士 [1] - 公司成立三年即完成全球首颗商用标准的光计算芯片流片，实现128*128矩阵规模光芯片集成，成为全球唯一存算一体光计算芯片公司 [1] 技术突破 - 采用硅光+相变材料(PCM)异质集成技术路线，独创Crossbar光子矩阵计算结构，解决"尺度微缩"与"算力能耗平衡"两大核心问题 [7][9] - 相变材料将计算单元尺寸缩小至传统方案的1/10-1/20，矩阵规模提升10-20倍，实现接近0功耗的非易失性存储 [9] - 完成存算一体架构创新，实现16000+节点且每个节点完全可调，适配任意模型参数变化，具备可编程性 [7] - 2023年完成64x64矩阵流片，2024年6月突破128x128矩阵规模，计划2026年推出256x256矩阵第二代产品 [5][13] 行业背景 - 光计算芯片相比电芯片具有1000倍以上算力提升潜力，且能耗更低、宽带更大 [3] - 2024年全球数据中心耗电达415太瓦时(占全球1.5%)，预计2030年将翻倍至945太瓦时，超过日本总用电量 [2] - 电芯片3纳米工艺已接近0.3纳米物理极限，仅能通过先进封装勉强延续摩尔定律 [2] - 2017年牛津大学和MIT的研究引发全球对光计算的关注，国内外出现多家相关创业公司 [3] 商业化进展 - 产品定位为光电融合计算卡，采用PCIe等通用接口实现即插即用，兼容上层应用生态 [10] - 聚焦两类云侧客户：互联网大厂(追求能效比和算力密度)和政府智算中心(注重经济效益) [10] - 已与一线互联网大厂、GPU厂商、智算中心及高校建立合作，开展应用验证 [13] - 2024年完成三轮融资，投资方包括敦鸿资产、浦东科技天使母基金等机构，老股东中赢创投多次加注 [13] 产业链布局 - 早期即与Fab厂商合作研发先进封装工艺，推动技术迭代 [13] - 计划2024年完成128x128光芯片与电芯片合封测试，形成第一代光电融合计算卡 [13] - 与卫星厂商、通信运营商、光模块厂商展开深度技术交流，拓展应用场景 [13]