如果说过去十年芯片战争的主旋律是"把晶体管做小"，那么2026年出现了一个全新的剧本——把电子换成光子。在AI算力需求以每年数倍速度膨胀、单卡功耗逼近千瓦、铜线互连的"功耗墙"与"信号衰减墙"同时撞顶的背景下，硅光子（silicon photonics）与光计算（photonic computing）正从实验室走向数据中心。
本期精读聚焦YouTube上7个最具代表性的光子计算解读视频/频道，覆盖两条技术主线：
核心发现：光互连已进入量产前夜（1.6T/3.2T光模块、CPO合封光学），光计算则在能效上取得突破（Neurophos实现300 TOPS/W）。两者合力，正在改写AI基础设施的物理底座。
| 序号 | 视频/频道 | 频道方向 | 技术焦点 | 关键数据/亮点 | 适合人群 |
|---|---|---|---|---|---|
| 1 | Neurophos: The Light-Speed Chip Terrifying NVIDIA | 硬科技解读 | 光计算·超表面 | 300 TOPS/W，融资1.1亿美元 | 芯片投资人、AI硬件工程师 |
| 2 | Photonic Chips Are Coming Faster Than Anyone Expected (Akhetonics) | 创业公司访谈 | 全光逻辑门 | 慕尼黑初创，纯光逻辑运算 | 硬件创业者、物理爱好者 |
| 3 | This NPU Is 5,000% Faster Than A GPU | Photonic Chips Are Here! | 技术深度评测 | 光NPU vs GPU | 光锁存（photonic latch）研究 | 深度学习从业者 |
| 4 | The Photonic Chip Race: Light vs. Electrons in AI Computing | 产业战略分析 | 光电竞赛·地缘 | 光芯片的战略与地缘博弈 | 行业分析师、战略决策者 |
| 5 | New Photonic Chip Explained: Penn's Invention | 学术前沿解读 | 科研级光芯片 | 宾大发明，下一代机器学习 | 研究生、科研工作者 |
| 6 | Lightmatter: Silicon Photonics, from Wafer to Rack（官方频道） | 官方技术演示 | 光互连·制造 | Passage晶圆级光互连，从晶圆到机架 | 系统架构师、制造工程师 |
| 7 | Photonics Race 2026: The Battle to Control Light and AI | 全景趋势综述 | 多场景光子 | LiDAR、神经形态光、国防应用 | 科技爱好者、泛科技读者 |
视频：Neurophos: The Light-Speed Chip Terrifying NVIDIA 链接：https://www.youtube.com/watch?v=TxWSp9aw12Q
这是把"超表面（metasurface）"从隐身斗篷实验室搬进AI芯片的代表性案例。Neurophos是2020年从杜克大学（Duke University）分拆的初创公司，其核心突破在于用光学超表面在硅光平台上实现高密度调制，从而构建"光张量核心（Photonic Tensor Cores）"。视频重点解读了其测试芯片达到300 TOPS/W（每瓦300万亿次操作）的能效指标——这一数字远超当前电域AI芯片一个数量级。
关键洞察：该公司于2026年1月完成1.1亿美元融资，背后站着比尔·盖茨、微软、博世、沙特阿美风险投资等重磅资方，定位是数据中心推理（inference）的低功耗加速。它不是要取代GPU训练，而是攻占推理这块能耗最大的"地盘"。实用价值在于：对追求每瓦算力的边缘与数据中心推理场景，光计算提供了与摩尔定律完全不同的能效曲线。
视频：Photonic Chips Are Coming Faster Than Anyone Expected | Akhetonics 链接：https://www.youtube.com/watch?v=9tqOPS6x9l8
当绝大多数光计算公司（如Neurophos、Lightmatter）选择用光做"矩阵乘法加速"这种专用任务时，慕尼黑的Akhetonics走了一条更激进的路——用纯光实现通用逻辑门，计算过程中完全没有电子参与。视频展示了全光逻辑门的演示，并讨论了为何"无电子计算"在散热、抗电磁干扰（EMI）方面具有结构性优势。
关键洞察：这是一个"高赔率"的赌注。光做专用矩阵乘法已被证明可行，但用光造通用CPU式的逻辑电路难度极大，需要解决光-光非线性、级联扇出等物理难题。该频道/视频的价值不在于"它已经赢了"，而在于它清晰呈现了光计算的两条技术岔路：专用加速派 vs 全光通用派。适合想理解光计算技术分歧与演进路线的硬件创业者。
视频：This NPU Is 5,000% Faster Than A GPU | Photonic Chips Are Here! 链接：https://www.youtube.com/watch?v=85WGqWTISj0
这个视频围绕"光锁存（photonic latch）"这一关键研究展开，论证了光NPU在特定工作负载下相对GPU的巨大优势。视频的贡献在于它没有停留在"光计算很神奇"的口号，而是明确界定光计算在哪些任务上真正能赢、哪些任务上仍然不行。
关键洞察：标题里的"5000%"需要打折扣理解——这通常是在特定矩阵规模、特定精度（如低精度推理）下的峰值指标。但视频诚实地讨论了光计算当前的短板：非线性激活函数仍需电域辅助、权重加载（编程）开销大、模拟计算的精度受限。对深度学习从业者而言，它的实用价值是帮助判断：哪类模型（大矩阵、低精度、推理密集）最有可能率先迁移到光计算硬件。
视频：The Photonic Chip Race: Light vs. Electrons in AI Computing 链接：https://www.youtube.com/watch?v=-xOqjIVqxf4
这是一个偏产业战略与地缘视角的综述视频，把光芯片放在"高赌注的技术与地缘竞赛"框架下解读。视频梳理了从设计、流片、晶圆代工到光模块封装的整条供应链，以及各国/各巨头在硅光制造能力上的卡位。
关键洞察：光芯片不是单纯的"技术问题"，而是"制造生态问题"。视频指出，光器件的集成需要新的晶圆级工艺（如薄膜铌酸锂LNOI、III-V族光源与硅的异质集成），这些工艺能力的分布决定了未来算力版图。对行业分析师和战略决策者，这个视频提供的是"地图"而非"战术"——它告诉你这场竞赛的边界在哪里、谁是关键节点玩家（代工、光源、封装）。
视频：New Photonic Chip Explained: How Penn's Invention Could Outpace All AI 链接：https://www.youtube.com/watch?v=-7sGq1fYaK4
该视频解读宾夕法尼亚大学（Penn）在光计算芯片上的研究突破，探讨了它如何为下一代机器学习硬件提供新路径。这类"高校研究解读"视频的价值，在于把发表在顶刊上的论文转译为工程师可理解的工程含义。
关键洞察：学术界的光计算研究正在探索新的物理机制（如非线性光学材料、时隙复用、频率域计算），这些机制一旦成熟，将决定光计算芯片的下一代架构。对研究生和科研工作者，这类频道是跟踪"论文→工程"转化窗口的最佳途径，能提前半年到一年看到产业界尚未消化的技术方向。
视频/频道：Lightmatter Silicon Photonics, from Wafer to Rack: How the World's Fastest AI Interconnects are Made 链接：https://www.youtube.com/@LightmatterInc/videos （代表视频：https://www.youtube.com/watch?v=GKh_ojvguR8 ）
这是光互连主线最权威的一手信源。Lightmatter是硅光互连赛道的头部公司，其核心产品Passage是一款晶圆级（wafer-scale）、可编程的光子互连，让异构芯片阵列通过光直接通信。官方视频罕见地展示了从晶圆制造、流片、到数据中心机架部署的完整链路，Passage M系列通过先进中介层（interposer）实现极致的光互连密度。
关键洞察：在AI scale-up（纵向扩展）网络中，芯片间互连带宽已成为头号瓶颈，铜线撞墙。Lightmatter的判断是——随着带宽持续增长，光互连从可插拔光模块（XPO）演进到合封光学（CPO）是必然路径。英伟达已对其投资。这个频道对系统架构师、制造工程师而言是"教科书级"的工程参考，能看到光器件如何真正集成进服务器。
视频：Photonics Race 2026: The Battle to Control Light and AI 链接：https://www.youtube.com/watch?v=Pi368R4qdao
这是一个跨场景的趋势综述，把光子技术从AI芯片延伸到LiDAR自动驾驶、神经形态光处理器、分布式战场感知（国防）等更广的版图。视频的价值在于跳出"AI数据中心"单一视角，展示光子技术的全谱应用。
关键洞察：光子技术是一场覆盖感知、计算、通信的"通用技术革命"。AI算力只是最先商业化的引爆点，但光在传感（LiDAR、成像）、通信（太赫兹、自由空间光通信）、计算（光NPU）三条线的技术积累是相互反哺的。对泛科技读者，这个视频提供了把握"光的十年"的整体框架，适合建立宏观认知而非具体工程细节。
graph TD
A[光子技术革命 Photonic Revolution] --> B[光互连 Optical Interconnect]
A --> C[光计算 Optical Computing]
A --> D[光感知 Optical Sensing]
B --> B1["解决: 铜线功耗墙/带宽墙<br/>铜→光"]
B --> B2[Lightmatter Passage 晶圆级光互连]
B --> B3["NVIDIA CPO合封光学<br/>Spectrum-X / Quantum-X 光芯片"]
B --> B4[Coherent/Ayar Labs/Marvell 光模块]
C --> C1["解决: 计算功耗/延迟<br/>电矩阵乘→光矩阵乘"]
C --> C2["Neurophos 超表面光张量核心<br/>300 TOPS/W"]
C --> C3[Akhetonics 全光逻辑门]
C --> C4[Penn 科研级光芯片]
D --> D1[LiDAR 自动驾驶]
D --> D2[神经形态光处理器]
D --> D3[国防/自由空间光通信]
B2 -.投资. E[NVIDIA 40亿美元押注美国光子制造]
B3 -.合作. F[Coherent 230亿美元市场]
style A fill:#fde68a,stroke:#92400e,stroke-width:2px
style B fill:#bfdbfe,stroke:#1e40af
style C fill:#bbf7d0,stroke:#166534
style D fill:#fbcfe8,stroke:#9d174d
timeline
title 光子技术商业化时间线（2026视角）
2024-2025 : 可插拔光模块(800G/1.6T)量产
: Lightmatter Passage 推出
2026 : OFC 2026 光互连主导AI数据中心
: Neurophos 测试芯片达300 TOPS/W
: NVIDIA-CPO/NVL1152 合封光学落地
: 3.2T光模块研发启动
2027-2028 : CPO(合封光学)规模化
: 光计算推理芯片小规模商用
: 光NPU进入AI推理场景
2029-2030 : 光计算进入主流AI训练互连
: 全光逻辑门工程化探索
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。