力策科技OCS研究获OCP最佳论文奖,160余篇投稿中唯一企业团队
英伟达重金押注的赛道,一家中国控光芯片企业的微秒级突围|甲子光年
算力竞赛的下一步,答案开始从“光”里找。
10月14日,开放计算项目(OCP)全球峰会在美国圣何塞召开,力策科技的光交换研究《Wavelength-Granular OCS with Solid-State OPA: Energy-per-Bit for AI Fabrics》在会上拿下未来技术研讨会AI/HPC(人工智能与高性能计算)最佳论文奖。
获奖奖杯图片
本届OCP未来技术研讨会一共公布了三项最佳论文奖,力策是其中之一。总体最佳论文奖归剑桥大学团队,可持续性最佳论文奖由佛罗里达大学与马里兰大学帕克分校团队获得;企业类获奖团队只有力策一家。力策科技创始人张忠祥告诉「甲子光年」,这届研讨会收到了160多篇投稿。
OCP的成员涵盖超大规模云厂商、通信服务商、数据中心运营商和技术供应商。其未来技术研讨会看重的,是未来几年可能真正落地的计算基础设施技术。
力策此次获奖的研究,把目光投向了AI基础设施里热度渐高的“连接”环节——全光交换(OCS)。当成千上万颗GPU一起训练、运行大模型,数据得在计算芯片之间来回跑,通信一旦堵住、同步一旦等待,昂贵的算力就只能耗在“等路”上。OCS的做法是直接建立光连接,让数据传输中反复出现的光电转换少一些。OCP今年4月发布的白皮书,已经把这项技术列为下一代AI和超大规模数据中心网络的重要方向。
钱也在往这条链上涌。2026年3月,英伟达宣布向光器件企业Lumentum和Coherent各投20亿美元,同时附上多年采购承诺与产能安排。算力巨头盯的不再只是计算芯片,还包括芯片与芯片之间怎么连。在光交换这一块,英伟达还直接投资了把OCS当主营产品的iPronics和nEYE。
不过,光互联往下走,未必只是把数据送得更快。同一个AI任务,不同阶段的数据流向并不一样。连接关系若能跟着任务变,网络带宽就有机会分得更灵活。谷歌把基于MEMS的OCS这项将近二十年历史的“老技术”推到了规模化实用阶段,基本满足了训练(training)阶段AI计算中心之间搬运数据的需求。近几年AI计算中心的基建越铺越深,规模持续扩大,投入重心也从训练转向推理。这正是不少投资人最近追问张忠祥的地方:光交换会不会从眼下低频的数据搬运和故障恢复,走向更快的动态重构?
力策的获奖论文给出了一种器件方案,把微秒级切换、波长粒度的带宽分配和较低光学损耗凑到了一起,评价指标则指向传输每一个有效比特所消耗的能量。
撑起这套方案的,是力策攒了多年的固态光束操控技术:放在雷达里,它决定光束往哪儿照;放到光交换里,它决定带着数据的光走哪条输出路径。张忠祥说,团队从2025年起把这套能力往光通信上延伸,两类应用共用大量底层技术。一项原本用来“看见世界”的技术,就此走进AI算力之间的连接。
1. AI网络,到底需要多快的光开关?
先回答投资人们关心的问题:AI网络的确在催生更快的OCS,但并非所有场景都要微秒级切换,也不是越快就越好。全光交换本身并不新鲜。Google早在2013年就把它部署进了Jupiter生产网络;2020年投运的TPUv4超级计算机,同样靠OCS动态重构不同计算单元之间的连接。
在Jupiter里,OCS承担了部分电交换层的职能,光电转换环节因此减少;TPUv4则拿OCS来连接不同的TPU计算单元,网络可随任务重组拓扑、绕开故障硬件。今年4月OCP发布的白皮书已把这些案例列为进入实际部署的应用。
问题是,真实通信中,连接关系的切换速度究竟要多快?当下大量已部署的OCS,更像一套自动重新布线的系统。假如训练任务开始前就清楚接下来哪些计算单元需要互联,网络便能预先配好光路并维持相对稳定。这种情况下,开关用1毫秒还是10毫秒完成重构,对整体任务的影响并不明显。
OCP今年10月发布的白皮书《Fast-Switching OCS: Benefits, Technologies, System-Level Considerations, and Emerging Applications for Dynamic AI Fabrics》(快速切换OCS:面向动态AI Fabric的优势、技术、系统级考量与新兴应用)把需求做了进一步区分:毫秒级OCS适用于低频连接调整、网络容量优化以及拓扑相对固定的场景;一旦通信关系在数毫秒内就要变化,比如训练迭代内部需要重新分配连接,微秒级OCS才开始打开新的应用空间。
这份白皮书把“快速OCS”界定为亚毫秒级,典型范围落在10至1000微秒。它同时指出,周期性、结构化的机器学习训练中,网络可用于重构的空档往往只有微秒到毫秒级;窗口缩短到这个量级,几毫秒的重构时间就可能变成GPU的等待时间,算力在等待中被白白消耗。微秒级OCS瞄准的正是这类场景。
2025年,哥伦比亚大学与英伟达的研究人员在SC 2025发表ACTINA研究《ACTINA: Adapting Circuit-Switching Techniques for AI Networking Architectures》,对这种差异做了进一步量化。在其评估条件下,OCS重构延迟低于100微秒时,任务内动态重构相比一次性静态配置,在特定配置下的通信性能最高可提升约2.3倍。不过研究也提到,网络带宽足够高时,这一优势会明显收窄。
反过来看,即便在通信关系高度动态的MoE(混合专家)模型中,毫秒级OCS也未必没有用武之地。香港科技大学等团队2025年在网络顶会SIGCOMM发表的MixNet研究《MixNet: A Runtime Reconfigurable Optical-Electrical Fabric for Distributed Mixture-of-Experts Training》发现,专家间的All-to-All通信虽然动态变化,却存在一定局部性,相邻迭代并非完全随机。系统可以拿上一轮流量预测下一轮需求,在GPU计算期间提前完成毫秒级光路重构,把等待时间“藏”进计算过程。
ACTINA与MixNet给出了两种思路:前者靠更快的器件压缩重构时间,后者用预测和调度绕开等待。「甲子光年」认为,“AI需要更快OCS”并非一句适用于所有网络的产业口号,价值取决于工作负载的变化速度、可用带宽以及整套系统的配合。换句话说,更快的器件是一种解法,提前预测与调度也是一种解法,两者并不互斥。前者缩短物理切换时间,后者尽量把等待提前“藏”进计算过程,二者还能结合使用。
更关键的指标其实是端到端重构时间。这就像铁路调图:道岔拨过去,列车并不会立刻就能通行。网络先要决定新的连接方式、下发指令;光开关完成切换后,接收端还得重新识别信号、恢复时钟和数据,服务器及网卡也要做好准备。
OCP白皮书写明,传统连续模式收发器接入新光源后,重新恢复时钟等过程可能要花数百微秒到毫秒。收发器和控制软件若不跟着提速,微秒级光开关省下的那点时间,照样会在别的环节被吃掉。
换句话说,器件更快只是压缩端到端重构时间的一环,远不是全部条件。AI集群能从中拿到多少好处,还得看网络调度、收发器与控制软件能不能一起跟上。
力策要啃的第一块硬骨头,落在物理器件上:AI网络要求更短的重构窗口,光开关自身就得在微秒尺度内完成切换。
2. 十年控光积累,为什么能用于光交换?
2013年10月,张忠祥在深圳拉起力策科技时,并没料到十多年后,这家公司做的光束操控技术会跟AI数据中心的网络连接扯上关系。
他的履历要往前翻:2007年从中国科学技术大学毕业,2011年在香港中文大学拿到电子工程博士学位,期间曾赴美国哈佛大学Capasso研究组与台湾清华大学访问,还在香港生产力促进局做过MEMS传感器和半导体工艺开发。
张忠祥在中国科大读本科时的同班同学杨丁宁,如今是公司的另一位联合创始人兼首席技术官。杨丁宁后来保研进入中科院,攻读计算机方向博士,也曾在工信部泰尔实验室工作过。两个人的分工正好互补:一个负责光学器件,一个负责驱动、控制算法与系统架构。
刚创业那阵,力策试过用拉曼激光雷达做玻璃等材料检测,可市场盘子不大。2015年初,团队调头做测距型激光雷达。张忠祥在早年的采访里回忆,彼时深圳机器人行业正起势,力策所在的留学生创业大厦里,楼上楼下就有不少企业需要导航雷达。新客户的需求,让光学技术找到了更清楚的产品出口。

百度配送机器人上曾用过力策科技的激光雷达。
不过团队想再往前走一步,去啃一个更底层的问题——能不能抛弃机械转动部件,让光束快速指向不同方向?
2017年前后,自动驾驶和固态激光雷达开始受到关注,力策顺势把研发重心往光学相控阵(OPA)芯片上挪。传统扫描雷达改变光束方向,通常靠旋转机构或反射镜;OPA不走这条路,它不依赖反射镜的大幅机械转动,而是调节阵列中各个发光单元的相位关系,把光的波前重新塑造出来,让光束转向指定位置。
对当时的力策来说,这一步意味着不再只做一款面向特定应用的雷达产品,而是继续往下扎,进入决定光束如何转向的核心器件层面。
这条路线不好走,但实质性的技术进展也在不断出现。2019年11月,张忠祥接受麦姆斯咨询采访时说,力策的OPA芯片已完成第三轮流片,芯片架构的物理可行性得到验证,部分性能还在继续优化。回想早期的研发计划,他承认:“我们在2017年的时候没有预料到流片会这么漫长。”力策直到2021年5月才在学术会议上公开OPA芯片的架构与相关成果。

图为反射式OPA芯片
漫长的研发也留下了经得起检验的技术结果。力策此次提交的OCP论文显示,OPA芯片已在设计视场范围内实现二维光束转向、角分辨率验证以及微秒级随机访问切换;同一芯片平台还被用于自由空间光链路和激光雷达点云采集。芯片与应用两端都有直接成果,说明这套控光能力并非只停留在仿真阶段。除了此前发布的反射式OPA芯片,力策从去年七月份起也开始公开演示透射式OPA芯片;相比反射式,透射式在很多应用中能实现更紧凑的光学设计,但对工艺的要求也会更高。
做到这些并不轻松。力策的技术长文里记录过一次试错:团队曾尝试基于金属纳米天线的可调超表面方案,小尺寸器件还能工作,可口径扩大到3毫米时,纳米级结构对晶圆制造提出了极高要求,漏电导致成品率下降。这类探索逼着团队把效率、速度、扫描范围和工艺可制造性放在一起权衡,而不是只盯着实验室里的光束偏转。
到2025年,AI光网络开始提出新的光交换需求,力策由此找到第二个应用方向。张忠祥向「甲子光年」介绍,从激光雷达到光交换,两类产品约有70%的底层技术共用,包括OPA芯片架构、驱动ASIC、制造工艺、光束校准与控制算法。底层技术共用并不代表研发成本会直接减少,但已有的技术累积从此刻起,面对的是一个更广阔的市场。
在雷达里,芯片让光束照向外部目标;到了光交换里,则是把携带数据的光引向指定输出端口。两种产品的工程要求不一样,但多年前做出的那颗控光器件,为进入通信市场提供了一个起点。
过去十年的研发,就这样为力策进入一个新市场备下了技术起点。
3. 一篇获奖论文,三项器件能力
这次拿下OCP最佳论文奖的研究,正是力策把此前攒下的技术底子挪到通信场景的一次集中呈现。论文里的方案并不只想做出“最快的那个光开关”,落脚点放在AI网络每传一个有效比特要耗多少能上,把切换速度、按波长粒度分配带宽以及压低光学损耗三件事捏在一起。
头一项能力,是切得更快。力策走的是固态OPA路线,靠行波声场在纳米天线阵列上铺出可编程的相位分布,从而对光束做二维操控。
论文给出的数据是,这款OPA器件的随机访问切换时间大概在0.3—10微秒之间,具体数值要看有效区域和驱动配置怎么定。它带来的,是AI网络一旦需要更快改变连接关系时,把物理光开关的切换时间压到微秒量级的一种可能。
第二项能力,是分得更细。眼下不少OCS都按整根光纤来建连接,好比每次网络调度都得派出去“一整条路”。可一根光纤本身,是能同时跑多个不同波长的光信号的。
力策用的是光束偏转时的波长色散特性,提出在O-band八波长网格里让不同波长各自指向不同的输出光纤。这就像在光纤内部划出车道,单根光纤的带宽因此有机会再拆细,不用一股脑绑到同一个目的地。

示意图
照这个思路,可以更灵活地对上MoE这类稀疏、非均匀的通信需求,减少整根光纤分配之后没被用满的情况。
论文还提到,芯片在设计偏转范围内的旁瓣抑制比超过28 dB。不过,多波长同时工作的整套系统验证,以及放到大规模网络里究竟能拿到多少实际收益,还得留到下一阶段去做。
第三项能力指向光学损耗的控制。光信号每过一次开关都会掉一部分能量,整条通信链路的功率预算随之受影响。论文给出的芯片固有插损是0.7 dB;把光纤耦合和封装一并算进去,团队预计完整OCS/WSS系统的总插损能压到3 dB以内。
这三项能力合在一起,构成了力策论文的核心技术主张。芯片层面的测试数据已经拿到手,但端口规模、长期可靠性、制造成本这几项,还要放到通信系统里接着验证。
看好全光交换的不只是中国企业,海外同样有公司沿着相近或不同的路线切进OCS。美国Lumotive最早做的是激光雷达和3D感知,靠可编程光控制超表面来操控光束,如今已把数据中心OCS列为主要应用方向。2025年它的B轮融资累计拿到5900万美元,出资方里有比尔·盖茨旗下的投资平台Gates Frontier、亚马逊工业创新基金,三星风投也是老股东;公开报道称其累计风险融资已超过1亿美元。
西班牙硅光企业iPronics走得更靠后一段,已经进入制造和客户导入环节。
2026年9月,iPronics完成1.25亿美元B轮融资,英伟达参与了这轮投资,公司累计融资额达到1.77亿美元。同年3月,它和光电子制造企业Fabrinet联手,建设硅光OCS的封装、组装、测试与认证产线,并对外披露已拿到首批10家超大规模数据中心和AI集群OEM客户。
美国硅光企业Voyant Photonics也有动作。2026年10月它宣布,把此前为FMCW激光雷达开发的硅光开关架构转用于AI数据中心OCS,打算向网络设备商提供可集成的光交换引擎。
资本入场、制造合作、从感知往通信迁移,这几条路上力策都不是独一份。较量已经从器件指标一路延伸到产品和客户层面。
4. 一颗控光芯片,怎样进入AI光互联供应链?
拿到OCP奖项之后,力策面前更实际的一道题,是怎么把器件上的本事变成能交付的产品。
从眼下的产品布局来看,力策跑得最快的通信方向是OCS(全光交换)和WSS(波长选择开关)。
这两条线都建立在光束指向与校准这一套能力上,但用法各有侧重:OCS干的是在不同端口间搭建并重构光路;WSS则把一根光纤里的不同波长分别送到不同的输出端口,波长调度可以做得更细。力策给出的交付形态涵盖OPA芯片、光引擎以及OCS/WSS模组,目标客户包括通信设备商、运营商和数据中心。公司材料显示,WSS原型正在往前推,力策已经和头部通信厂商启动NRE(一次性工程研发)合作。NRE意味着双方开始围绕具体产品需求做工程开发,不过它还不等于量产订单,公开可查的验收和采购数据目前也没有。
按照力策此前的规划,2026年第四季度推进1X9与1×20 WSS原型,2027年第一季度推进OCS样片和客户验证,2027年第三季度把OCS产品放量作为目标。
对设备商而言,芯片在实验室里做到微秒级切换只是第一步。真做成产品,除了端口数、总插损、串扰这些性能指标要过关,还得过长期稳定性、封装、环境适应性以及制造一致性几道关。
半导体工艺是力策长期投入的另一块。芯片架构解决的是物理基础问题,器件最终落地还得靠高度定制化的半导体工艺。外发流片做了整整4年,2021年力策转向自建Fab,工艺优化这才提速。现在力策手里有150 nm自有工艺,配套外发流片的90纳米驱动ASIC,以及芯片测试和校准能力,相关晶圆工艺覆盖6英寸和8英寸规格。


力策微纳器件研发中心以及6/8英寸晶圆裸片
有了自有工艺,成本未必就更低,良率也未必更高。它真正的潜在价值在于:非标准光学器件还在快速迭代,芯片结构、工艺参数、驱动电路和封装可以凑得更紧地协同,不必完全跟着外部标准工艺的开发节奏走。
除了OCS/WSS,力策还把控光能力用到了动态光耦合和卫星激光通信上。前者面向CPO(共封装光学)及先进封装中的光纤—波导接口,眼下仍在关键工程验证阶段;后者用于卫星激光链路的捕获、指向与跟踪,还在样片及后续搭载验证阶段。
回看力策的创业路,市场需求不止一次把这家公司的产品方向拨到别处。2015年,深圳机器人需求让团队从材料检测转向激光雷达;十年后,AI网络对动态光连接的探索,又给同一套控光技术打开了新的应用市场。
这回力策手里攥着的是打磨多年的芯片架构和工艺底子,要争的却是通信设备商系统里的一席之地。OCP奖项让这套方案进入了更多人视野,可真正能说明问题的,还得看客户验证和实际交付给出什么结果。