2026 年，"光子计算"（photonic computing）几乎成了 AI 硬件圈最烫的词。Lightmatter 拿到数亿美元融资、Nvidia 公开宣布"投资数十亿美元押注光子技术"、Lightelligence 的 CEO 沈亦晨上 CNBC 放话"3 到 5 年内数据中心 30% 的芯片会是光子的"，连 7 月 9 日的《China Daily》都在讲"上海在硅光赛道上领先"。在这样的热度下，Forbes 发布了一期视频 《Is Photonic Computing The Future Of AI Chip Technology?》，试图给这场狂欢做个冷静的判断。
这期视频值得看，不是因为它给了答案，而是因为它戳中了一个几乎所有外行都会中招的误区：大家默认光子芯片之所以牛，是因为"光速最快"。但这件事在物理上是错的。真正让光子计算有意义的，不是速度，而是能耗、带宽密度和"用干涉直接算矩阵"这件事。这篇解读就把这个误区彻底拆开，顺便讲清楚光子芯片到底凭什么——以及它现在还差在哪。
| 项目 | 内容 |
|---|---|
| 视频标题 | Is Photonic Computing The Future Of AI Chip Technology? |
| 频道 | Forbes |
| 时长 | 约 12–15 分钟（深度访谈+技术解析） |
| 播放量/影响力 | Forbes 官方频道，科技产业头部媒体 |
| 核心主题 | 光子计算能否取代电子芯片成为 AI 算力下一代底座 |
| 发布背景 | 2026 年硅光投资爆发期，Nvidia/Lightmatter/Lightelligence 同台角力 |
这是整篇解读最反直觉、也最该先讲清楚的一点。Forbes 视频里反复出现一个潜台词：光子芯片用光来算，光速是宇宙速度上限，所以它快。这个推理听起来天衣无缝，但只要把数字摆出来就塌了。
关键要分清三个完全不同的"速度"概念，这是绝大多数人搞混的根源：
把这两个数放一起：电信号在铜里跑 0.4c–0.9c，光在硅里跑 0.29c。在芯片这个尺度上，光反而比电慢。 这不是抬杠，是实打实的物理。光子芯片赢的根本不是传播延迟，如果只看"信号从 A 点到 B 点要多久"，电还更快。
那为什么还有那么多人、那么多宣传把"光速"挂在嘴边？因为它好懂、好卖。真正撑起光子计算的，是另外三件事：能耗、带宽密度、用干涉直接算。下面逐个拆。
电子芯片最大的敌人不是慢，是热。每一比特的电信号在导线里传输，都要给寄生电容充放电（这就是 RC 延迟里的 C），都要克服电阻（R），于是就有焦耳热。芯片越做越密、频率越拉越高，这些热量就成了天花板——你不能无限堆功耗，散热跟不上了。
AI 推理的能耗结构尤其值得注意：真正烧电的往往不是"算"，而是"搬"。把一个权重从显存搬到计算单元、在芯片内部把数据从这头传到那头，搬运的能量损耗远大于一次乘加运算本身。这就是为什么大家拼命做"存算一体"、做近存计算。
光的物理特性在这里几乎是降维打击：光子是玻色子，不带电，穿过介质时不会像电子那样被电阻"摩擦"生热，也不需要给电容充电。你可以把一个光信号分到几十个输出端（扇出，fan-out），几乎不花额外能量——这在电学里几乎不可能，电信号每分一支就要放大、要耗能。所以光子互联和光子计算的核心红利，是 TOPS/W（每瓦每秒万亿次运算）这个能效指标，而不是 TOPS 这种裸算力指标。
Forbes 视频里反复强调的"energy-efficient"，指的就是这个。光子芯片卖的不是"算得快"，是"算得省"。在一个数据中心电费比芯片还贵的年代，省电就是省钱，就是能堆更多卡。
这是光子计算最聪明、也最像魔法的一环。神经网络推理 90% 以上的计算量是什么？是矩阵-向量乘法（matrix-vector multiplication，MVM），也就是一堆乘加（MAC）。电子芯片要老老实实一个一个算，光子芯片可以"一束光过去，整个矩阵乘完"。
原理靠的是 Mach-Zehnder 干涉仪（MZI）网格。简单说：
Lightmatter 的 Envise 芯片、Lightelligence 的产品，底层都是这套 MZI 网格逻辑。沈亦晨的技术就源自他在 MIT 的博士研究。也就是说，光子芯片不是"用光来传数据然后还是用电算"，而是"光在传播的过程中顺便就把矩阵算完了"。计算和通信合二为一，这是电子架构做梦都做不到的。
这里要给视频补一个它没讲透的点：MZI 网格只能做线性运算（矩阵乘法、卷积）。而神经网络的灵魂是非线性激活函数（ReLU、softmax 这些）。这部分目前还得靠电来做。所以现役光子芯片都是光电混合架构：光负责最重的线性矩阵乘，电负责非线性、存储和控制。纯光计算还早。
第三个红利，是光独有的波分复用（Wavelength Division Multiplexing, WDM）。这是光通信的老本行，搬到计算里同样好用。
电信号在一根导线里只能传一路（你想多路并行就得加线，加线就加面积、加电容、加串扰）。但光不一样——不同波长（颜色）的光在同一根硅波导里传播时互不干扰，就像几十条不同频段的广播共用一根天线。你可以在一根波导里同时塞进 32 路、64 路甚至更多不同波长的光信号，每一路各自做一次矩阵乘法，物理并行，不抢带宽。
这意味着光子芯片的"吞吐密度"可以远超电子芯片——同样的芯片面积，能同时处理的通道数翻几十倍。对 AI 推理这种天生适合并行的负载来说，这是巨大的杠杆。视频里提到光子芯片适合"线性代数密集型"任务，WDM 就是背后的物理基础。
把时间线拉出来看，光子技术 2026 年的爆发有一条清晰的演进路径，Forbes 视频点到了但没完全展开。
第一阶段是硅光互联（silicon photonics interconnect）。 这是最早落地的，也是 Lightmatter 起家的业务——解决的不是"怎么算"，而是"百万颗芯片之间怎么通信"。数据中心里 GPU 之间用铜缆互联已经撞墙（功耗、距离、密度都顶到头），光互联是刚需。CPO（共封装光学，Co-Packaged Optics）就是这一波的产物。
第二阶段才是光子计算（photonic computing）。 当你把光互联做顺了，自然就会想：既然光能传，能不能顺便算？于是 MZI 网格被塞进芯片，光从"信使"升级成"算力"。Lightmatter 从互联公司变成计算公司，就是这条路径的缩影。视频标题问"光子计算是不是 AI 芯片的未来"，问的正是这个从互联到计算的跨越到底成不成立。
2026 年的信号非常密集： Lightelligence 的沈亦晨 4 月 28 日在 CNBC 说"3–5 年内 30% 的数据中心芯片会是光子的"；5 月 29 日 CNBC 报道 Nvidia 投资"数十亿美元"押注光子技术；7 月 9 日《China Daily》报道上海在硅光赛道领先，同样给出"5 年内硅光占数据中心芯片 30%+"的预测。Lightelligence 的沈亦晨还特意强调上海"took the lead"——这是产业地理格局的微妙信号。Nature 也在 2025 年发表了通用光子 AI 加速的论文，证明光子处理器已经能跑先进 AI 模型且"精度接近电子芯片"。Monash 大学 2026 年 6 月还做出了单片集成（生成、调控、读取光信号全在一个芯片上）的原型。
把这些拼起来，2026 确实像是从"实验室好奇"转向"产业下注"的拐点。
如果光子计算这么好，为什么没把 GPU 干掉？因为有两个视频一笔带过、但其实是成败关键的难题。
第一是精度。 电子芯片是数字计算，64 位浮点说一不二。光子计算本质上是模拟计算——你用光强编码数值，用干涉做运算，输出的也是光强。但光强会衰减、相位会漂移、探测器有噪声、制造有工艺偏差。结果是光子芯片很难做高精度运算，目前主流停留在 8-bit 甚至更低。对 AI 推理来说，8-bit 量化够用（业界本来就在做 INT8 推理），但训练、科学计算这种要精度的活，光子芯片还接不住。Nature 那篇论文的真正贡献，就是证明通过精巧的设计可以把精度做到"接近电子芯片"——这恰恰说明精度一直是道坎。
第二是噪声累积和标定。 模拟计算每过一级，噪声就叠加一点，矩阵一大、层数一深，误差会滚雪球。而且 MZI 的相位对温度极其敏感，环境温度变一点，整个权重矩阵就漂了，得重新标定。这也是为什么光子芯片目前主攻推理而非训练——推理的权重是固定的，标定一次能用很久；训练要不断更新权重，光子芯片改权重（调 MZI 相位）又慢又耗能。
所以判断一家光子芯片公司水平，别看它喊"光速"，看两个数：能效（TOPS/W）和精度（多少 bit、误差多少）。前者决定省不省电，后者决定能不能干活。能把 8-bit 做稳、把标定做快，就是真本事。
最后给一个清醒的判断：短期内不会有"纯光计算机"取代 GPU。视频里 Forbes 也在暗示这一点——光子计算不是替代电子芯片，而是接管电子芯片最不擅长的那一部分。
合理的终局长这样：存储和控制还是电的（SRAM、DRAM、控制逻辑），最重的矩阵乘法交给光子加速器，两者通过光电转换接口（modulator、photodetector）连起来。这个转换本身有成本——电信号要调制成光、光要被探测回电，每次转换都耗能、都加延迟。所以光子计算真正划算的场景是：数据搬进光域之后，能在光里待足够久、做足够多的运算，让"光域内计算"的红利盖过"光电转换"的代价。单次小矩阵乘划不来，大块连续的线性代数才划得来——这正好是 transformer 推理里 attention 和 FFN 的形状。
对通信行业的人来说，这套东西其实不陌生。硅光、CPO、波分复用、MZI 调制，全是光通信玩了几十年的技术栈，只是从"传信号"被重新组合成了"算矩阵"。这也是为什么这个话题对 51 学通信的读者格外贴——光子计算的技术底座，和 5G/6G 光传输、数据中心光互联是同源的。
flowchart TD
A["光子计算 Photonic Computing"] --> B["最大误区：靠光速快?"]
A --> C["真正三大支柱"]
B --> B1["硅中光速 = c/3.48 ≈ 0.29c"]
B --> B2["铜线电信号 ≈ 0.4c–0.9c"]
B --> B3["结论:硅里光比电还慢<br/>光速是营销话术"]
C --> D["支柱1:能效"]
C --> E["支柱2:干涉算矩阵"]
C --> F["支柱3:波分复用WDM"]
D --> D1["光穿过波导不发热<br/>无焦耳热/无RC充放电"]
D --> D2["AI能耗大头是搬运不是计算<br/>光扇出几乎零能耗"]
E --> E1["MZI干涉仪网格<br/>干涉=矩阵乘法"]
E --> E2["O(1)完成 MVM<br/>计算与通信合一"]
E --> E3["只能做线性运算<br/>非线性仍靠电"]
F --> F1["一根波导多波长并行<br/>互不干扰"]
F --> F2["吞吐密度翻几十倍<br/>电学做不到"]
C --> G["现实路径:光电混合"]
G --> G1["光:矩阵乘法(线性)"]
G --> G2["电:非线性+存储+控制"]
G --> G3["瓶颈:光电转换代价"]
A --> H["两道硬骨头"]
H --> H1["精度:模拟计算≈8-bit<br/>Nature论文证明接近电子精度"]
H --> H2["噪声+温敏标定<br/>主攻推理非训练"]
A --> I["2026拐点信号"]
I --> I1["Lightelligence:3-5年30%芯片光子化"]
I --> I2["Nvidia投数十亿美元"]
I --> I3["上海硅光领先(7月9日)"]
I --> I4["Nature通用光子AI论文"]
对 AI 工程师和算法侧： 别被"光速"带偏，光子加速器适合的是"大块、连续、线性代数密集"的推理负载——transformer 的 attention 矩阵乘、大规模 GEMM 是甜点区；零碎的小算子、强依赖非线性的逻辑它不擅长。如果你在做推理部署，未来一两年要开始关注 Lightmatter、Lightelligence 这类厂商的 SDK 和精度规格，重点盯 TOPS/W（能效）和有效位宽（effective bits），而不是厂商宣传的峰值 TOPS。8-bit 量化的模型天然更适合上光，提前把模型往低比特、规则结构上靠，是面向光子硬件的隐性优化。
对通信/硬件从业者（这跟 51 学通信的读者最相关）： 硅光计算和你们熟悉的光传输是同一套物理底座——MZI 调制、波分复用、硅基波导、CPO 共封装光学，全是老朋友。差别只在于：通信里这些器件用来"搬比特"，计算里它们被重新拓扑成"做乘加"。这意味着通信背景的人转光子计算，技术迁移成本远低于从零学芯片设计。数据中心从"光互联"走向"光计算"的演进，和 6G、下一代光传输是同一条技术主线，值得作为职业方向的长期下注点。
对关注产业和投资的人： 学会一套识别"光速话术"的体检清单。一看精度（能稳定做到几 bit、信噪比多少），二看能效（实测 TOPS/W，不是纸面峰值），三看标定开销（权重写入和温度漂移补偿要多久），四看光电转换占比（如果一进一出就完事，光域没做几步运算，那基本不划算）。沈亦晨"3–5 年 30%"是个乐观预测，能否兑现取决于精度和良率这两道坎跨得多快——Nvidia 自己砸钱进去，说明它把光子既当威胁又当机会，这本身就是产业拐点的最强信号。
光子芯片的胜负手从来不是光速——硅里光比电还慢——而是用不发热的光、用干涉直接算矩阵、用波分复用堆并行，把 AI 推理最耗能的线性代数从"搬"变成"传着就算了"。
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。
Qe_k0XpGVOU《Is Photonic Computing The Future Of AI Chip Technology?》真实存在，频道权威性远超门槛。[!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。