智子光垣半年连融5轮：光计算芯片已送流片，规划两条产品线

图源/企业

全文大约3300字，读下来需要8分钟上下。

硬氪了解到，光计算芯片企业智子光垣已经拿下数亿元种子轮融资。这家公司成立至今，种子轮次融资连续走完5轮，出手的机构有海桐国际创新中心、云启资本、国泰海通、险峰长青、原子创投、同鑫资本，还有上海交通大学AI未来基金。钱主要花在三处：核心芯片的研发和流片迭代、高端人才引进与团队搭建、应用场景拓展和生态合作。

智子光垣成立于2026年5月，主攻可重构全光计算架构和光子处理器。它的路子是让光直接参与AI运算，靠光本身的并行计算能力干活，绕开传统电子芯片在制程微缩、功耗、散热上碰到的瓶颈，把光计算从专用加速推向通用性更强的计算平台。

团队目前有近50名研发人员，核心成员在光计算和芯片设计上做了很多年，先后完成数十款光芯片的设计、流片和验证，Nature/Science系列论文发表近20篇。创始人程远是上海交大人工智能学院副教授，研究光子芯片和边缘智能多年，此前担任辛米尔科技联合创始人/CTO，牵头搭起全栈产品体系。

产品上，智子光垣铺了两条线：服务器端光电加速板卡，以及端侧光计算芯片。两款产品各自的首版芯片都已送出流片，按计划，未来半年里会陆续拿出可以部署的产品。

AI算力这轮竞争，重心正从单纯比峰值算力，转到每度电能产出多少有效智能。AI从单次问答转向智能体持续思考、调用工具、执行任务之后，Token消耗涨得很快，成本、供电和散热成了算力扩张绕不开的现实约束。

电子芯片这边，已经逼近摩尔定律上沿，只靠制程微缩很难追上需求的增速。光计算换了个思路：把矩阵运算映射到光的干涉、衍射过程里，让光在传播中完成大量并行乘加。

程远表示，AI需要的是真正低功耗、不靠先进制程、能工程化落地的计算载体，光计算在并行性、时延和能效上有天然优势。

光计算行业眼下还处在工程化落地早期，国内多条技术路线同时推进，市面上能用的产品不多，而且大多是小规模专用计算，撑不起真实的大规模任务，任务之间也不容易切换。

“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。

落到具体做法上，智子光垣走的是可重构全光计算架构。时空可重构让不同模型和计算任务都能灵活适配；干涉计算与衍射计算的长处被合到一起，借Chiplet把干涉、衍射模块化地装进同一架构，单芯片里级联多个光计算核心，把计算规模做大，精度和灵活性兼顾。另外，公司还在推“光传光算”和全光非线性技术，让关键计算环节少做光电转换，再靠软硬件协同校准把计算精度和芯片一致性提上去。

可重构：干涉 x 衍射 x chiplet（图源/企业）

能适配多少任务，取决于“可重构”。智子光垣从芯片底层设计时空重构架构，在空间和时间两个维度上调制计算关系；任务一变，重组光路或者调整调度算法就能跟上，不用每种应用都重做一颗芯片。“全光”说的是能效：通信光直接参与计算，关键非线性操作留在光域，计算链路里的光电转换趋近于零。

全光：光传光算 x 非线性（图源/企业）

产品这边，烛龙OPU-08面向服务器计算加速，做成PCIe光电加速板卡，盯的是AI推理中的大规模矩阵运算，规格为256×256计算核心、150TOPS算力，能接入现有服务器，给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；除了光电计算，它还能收集微弱的自然环境光直接运算，这条输入路径上的光电编码就省掉了。

程远表示，烛龙和当前主流服务器光电加速板卡形态一致，亮点在更通用的矩阵加速和模型部署能力；玄鉴盯的是端侧低功耗场景，市面上同类产品还不多。更远的目标是训推一体的通用光子GPGPU，第一版预计2027年底或2028年初推出。

服务器光电加速卡烛龙 OPU-08（企业/图源）

工程化上，光计算要过器件差异、噪声、温漂这些一致性关口。智子光垣的办法是软硬件补偿模块配合，在光芯片里加自动化纳秒级校准模块，公司称能把矩阵运算误差压到10^-6水平，批量芯片的精度一致性由此提升。公司眼下和国内代工、封测厂合作推进批量生产，不过产品性能还要等芯片回片后测试验证。

按公司规划，近期重点是烛龙、玄鉴的封装测试、板卡联调、模型适配和客户验证，保证产品按计划推出；之后再一步步推进更大规模的光计算板卡和通用光子GPGPU。

公司想借团队在前沿技术研发、芯片工程化、系统级产品部署上的积累，把光芯片落地应用的进程加快2-3年。这个目标能不能成，还得上下游产业链一起配合。

程远还提到，AI 算力基础设施、光通信与硅光产业链，还有制造封测这类上下游环节，都是公司接下来会盯紧的方向。光通信和硅光产业链一旦成熟，光计算在器件、工艺和封装上就有了底子；至于产业合作，则沿着工艺封测、服务器厂商、端侧应用伙伴以及模型适配几条线推开。

放长看，智子光垣想把通用光计算做落地，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，最终搭出训推一体的光子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：行业内很少有人把干涉和衍射做进同一颗光计算芯片，原因是什么？智子光垣为何挑了这条路？

程远：我们做的，是在一颗光计算芯片上同时实现干涉与衍射。这属于架构层面的创新。团队多年来一直从可重构架构入手推进系统级模型部署，相关研究处在国际前沿。

走这条技术路线，图的是打破传统光计算架构在灵活性和计算规模上的天花板，让光芯片内部做到可重构，并采用干涉衍射结合的全光计算路径。可重构决定了一颗光计算芯片能适配多少种任务，全光路径则把能效空间撑得更大，光电转换的需求被压到接近零。可重构与全光这两步都完成了，才有可能谈通用光计算——同一套硬件跑不同的任务和模型。真正的难点在于光计算内部操作怎么调控，可重构算法怎么在光芯片内部落地，同时每颗芯片的性能还得保持一致。这要靠架构设计、工艺、封测整条产业链一起配合。

硬氪：产品目前已经流片，客户和量产方面进展怎样？

程远：意向客户已经攒下不少。有板卡厂商打算推一款光电加速板卡，我们的光芯片会装在其GPGPU上，充当协处理器加速模块。量产这块，我们已经和国内知名的代工、封测厂商建立合作，批量生产的相关工作正在推进。同时配上软硬件校准补偿模块，确保光芯片出来之后的一致性。

硬氪：光计算要真正用起来，最难迈的是哪道坎？

程远：稳定交付和批量一致性最难。单块芯片在实验里的表现，得变成批量产品在客户环境里的稳定表现。器件差异、噪声、温漂都会影响计算结果。所以我们在底层加了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，从源头把工程化难题解决掉，不让问题留到交付环节。

投资方观点：

云启资本表示：云启长期看好光计算，认为它有望为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积累深厚，也有从芯片研发到大客户规模化交付的产业经验。我们看好这家公司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，也一直在找真正能把这项技术推向产业化的团队。

可重构架构、光传光算这两条路，智子光垣都做了原创性的摸索，也让人看到了技术上的新空间。程远老师与团队一边有多年科研底子，一边走完了从芯片研发到产品规模化落地的创业全程；既敢往技术前沿探，也清楚怎么把技术带出实验室。这样的创始班底，不好找。

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朝着token降本的方向走，光计算芯片有望缓解AI算力紧缺的困境。我们看好智子光垣技术路线的核心优势——通用、可重构、具备大规模计算能力，也看好团队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技术优势，会坚定陪伴团队深耕技术攻关与产业落地。我们将依托自身的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。期待智子光垣不断突破，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。