行业背景与算力范式的演进

随着生成式人工智能和大规模语言模型的爆发式增长，全球数据中心对计算能力的需求呈现出指数级上升的态势。传统的电子集成电路（EIC）在遵循摩尔定律演进数十年后，正面临前所未有的物理挑战，主要表现为“功耗墙”（Power Wall）与“内存墙”（Memory Wall）的双重限制 。在传统的电互连架构中，铜导线在高速传输数据时产生的热效应和信号衰减，使得集群规模的扩展受到严重制约，特别是在数千个GPU协同工作的超节点环境下，电互连的带宽利用率往往不足40% 。

曦智科技（Lightelligence）成立于2017年，起源于麻省理工学院（MIT）的开创性研究，旨在通过硅光子技术颠覆现有的算力基础设施 。该公司的核心理念在于利用光子（而非电子）作为信息处理和传输的载体，利用光速传播、高并行性和超低能耗的物理特性，解决人工智能计算中的核心瓶颈 。2026年4月28日，曦智科技正式在香港证券交易所挂牌上市（代码：1879.HK），成为全球首家以AI硅光子芯片为核心业务的上市公司，其上市首日的表现及高达104亿美元的市值，反映了资本市场对光子计算解决算力危机寄予的厚望 。

传统计算架构的物理极限

现代AI模型，特别是拥有万亿级参数的巨型模型，要求成千上万颗芯片并行工作。在这种规模下，数据移动的效率成为决定系统性能的关键。传统的铜线互连在处理超大规模数据流时，不仅消耗大量能源，且由于电阻产生的热量，使得单芯片的计算效率难以进一步提升 。曦智科技的技术路线图正是针对这一现状，通过光互连（Optical Interconnect）和光计算（Optical Computing）两个维度，试图重塑高性能计算的效率曲线 。

曦智科技的核心技术体系

曦智科技的技术架构建立在光电混合（Optoelectronic Hybrid）的基础之上，这种范式并不试图完全取代电子芯片，而是将光子的传输与特定计算优势与电子芯片的控制与逻辑处理能力相结合 。其技术版图主要由三个核心技术支撑：oMAC（光矩阵计算）、oNOC（片上光网络）以及oNET（系统级光网络） 。

oMAC (Optical Multiply-Accumulate) 光矩阵乘加运算

在深度学习模型中，矩阵乘法占总计算量的90%以上。曦智科技的oMAC技术通过光干涉原理，在模拟域内实现矩阵乘法。其基本原理是利用马赫-曾德尔干涉仪（MZI）网格，通过调节光在硅基波导中的相位，来表征矩阵中的权重值 。

当输入向量以光信号的形式通过这一网格时，光波的干涉过程即完成了乘法和加法运算。由于这一过程在光传播的过程中顺带完成，其计算速度极快，且理论功耗极低 。在PACE芯片的实验中，光子芯片处理MNIST数据集的准确率达到了97%以上，而完成矩阵乘法所需的时间仅为当时最先进电子芯片的1%以内 。

oNOC (Optical Network-on-Chip) 片上光网络

为了解决多核处理器内部的数据通信瓶颈，曦智科技开发了oNOC平台。该技术利用硅光子波导在单一封装内建立全连接的广播网络 。在Hummingbird处理器中，oNOC实现了64个计算核心之间的全对全（All-to-all）通信，信号以光速传播，且不随通信距离的增加而产生显著的延迟或功耗增加 。这种架构对于卷积神经网络（CNN）中的数据流动极其高效，因为每一路数据都可以同时广播到所有核心，极大地简化了软件调度并提升了硬件利用率 。

3D 先进封装技术

光子芯片与电子芯片的集成是实现商业化落地的关键挑战。曦智科技采用了先进的垂直堆叠封装技术，通过微凸点（Micro-bumps）和硅通孔（TSV）工艺，将电子集成电路（EIC）与光子集成电路（PIC）紧密结合 。这种3D封装方式能够最大限度地缩短光电转换路径，降低信号衰减，并确保系统在1GHz甚至更高的时钟频率下稳定运行 。

核心产品线深度解析

曦智科技的产品策略采取“互连先行，计算跟进”的双轨制，目前光互连解决方案是其主要的营收来源，而光计算加速卡则定位为长期的高价值增长点 。

PACE 系列：光子计算加速引擎

PACE（Photonic Arithmetic Computing Engine）是曦智科技展示光计算潜力的核心平台。

• 第一代 PACE: 核心是一个集成在硅光芯片上的 $64 \times 64$ 光学矩阵乘法器，集成了超过12,000个离散光器件 。该产品成功验证了光计算在处理特定复杂算法（如伊辛模型）时的巨大优势，能够为生物信息学、路径规划和材料研究提供强大的算力支撑 。

• PACE 2: 第二代产品将光学矩阵规模提升至 $128 \times 128$。它采用了更先进的3D TSV封装，显著降低了层间延迟，并提高了信号完整性 。PACE 2 更加强调通用性，通过标准 PCIe 接口集成到工业服务器中，支持金融工程（如高频交易和风险分析）以及医学影像处理等多元化场景 。

• PACE 3: 预计于2027年推出。PACE 3 将进一步结合共封装光学（CPO）技术，旨在直接挑战万亿参数级大型模型的推理效率 。

Hummingbird (鸣禽) 处理器

Hummingbird 是全球首款采用片上光网络（oNOC）技术的处理器。它不仅是一个实验原型，更是一个具备商业应用潜力的AI推理加速器。该处理器集成了64个分布式计算核心，每个核心都配备了嵌入式的光发射器和接收器 。

• 技术规格: 拥有38 MiB 的片上 SRAM，支持 INT8 精度，通过 X4 PCIe Gen3 接口与系统通信 。

• 优势: 相比传统的电互连，Hummingbird 的 oNOC 架构允许核心在每个时钟周期内将数据广播到所有其他核心，这在处理卷积神经网络时能够实现极高的利用率 。其软件栈（LT-SDK）深度兼容 TensorFlow，使得开发者无需更改模型即可享受光电混合架构带来的性能提升 。

LightSphere X：GPU 超节点光互连解决方案

LightSphere X 是曦智科技在2025年推出的旗舰光互连产品，被定义为中国首个分布式光电路交换（OCS）超节点解决方案 。

• 核心功能: 该产品主要针对 GPU 集群的扩展问题，通过光信号连接服务器内部或机柜间的计算设备（如 GPU、CPU、xPU） 。

• 性能提升: 官方数据显示，LightSphere X 可将模型算力利用率（MFU）提升超过50% 。在数千张 GPU 构成的超大规模集群中，由于采用了光回路交换技术，系统能够显著降低由于电交换网络拥塞导致的计算等待时间 。

• 合作与落地: 曦智科技已与壁仞科技（Biren Technology）、中兴通讯（ZTE）等深度合作，在生产环境中支持了数千卡规模的 GPU 集群部署 。

软件生态与开发者支持

对于任何新兴的硬件架构，软件的易用性决定了其商业化的成败。曦智科技投入了大量资源开发 LT-SDK 软件栈，旨在为用户提供“无感”的迁移体验 。

LT-SDK 与 编译器技术

曦智科技的软件栈能够原生支持 TensorFlow、PyTorch 等主流深度学习框架，并支持 ONNX 标准 。其核心编译器（BiSheng 或类似组件）负责将复杂的神经网络图（Graph）自动拆解，并将矩阵运算部分调度至光加速单元（oMAC），将逻辑控制部分保留在电子核心上 。通过 UMDK（统一内存开发套件），系统能够显著优化 MoE（混合专家模型）在推理过程中的并行性能 。

通用性与自定义能力

除了标准模型，曦智科技还通过 OpenCL 接口支持用户编写自定义算子。这种灵活性使得 PACE 2 不仅仅局限于 AI 领域，还能应用于高性能计算（HPC）中的数值模拟、基因测序比对等任务 。曦智编译器的微架构亲和性编译技术，可将关键算子的性能提升 20% 以上 。

竞争对手与市场格局分析

曦智科技所处的赛道正处于激烈的全球博弈中，其竞争对手涵盖了从硅谷独角兽到中国科技巨头，以及传统的网络芯片提供商。

全球主要竞争对手：Lightmatter

总部位于美国波士顿的 Lightmatter 是曦智科技最强劲的国际对手。

• 产品线: Lightmatter 拥有 Envise（加速器）、Passage（互连平台）和 Idiom（软件栈）三大利器 。

• 技术差异: 相比曦智科技倾向于 3D 封装的离散卡，Lightmatter 的 Passage 技术更强调晶圆级的可编程互连，其带宽密度比电子开关高出约 10 倍 。Envise 服务器机架在处理 AI 推理时，能耗仅为同类 NVIDIA A100 系统的一半左右 。

• 市场地位: Lightmatter 已获得亚马逊、微软等超大规模云服务商的关注，并在北美市场占据约 15% 的早期光互连市场份额 。

专用互连对手：Ayar Labs

Ayar Labs 专注于芯片级光 I/O 解决方案。

• 核心产品: TeraPHY 光学 chiplet。Ayar Labs 的策略不是制造整张卡，而是提供可以集成到 NVIDIA 或 Intel GPU/CPU 封装内的光学引擎 。

• 性能指标: 其 TeraPHY chiplet 支持 UCIe 标准，能提供高达 8 Tbps 的带宽，延迟低于 5 纳秒 。这种极致的低延迟和高能效使其在内存解耦（Memory Disaggregation）场景中极具竞争力 。

巨头整合：Marvell 与 Celestial AI

2026年2月，网络芯片巨头 Marvell 以约 33 亿美元的价格完成了对 Celestial AI 的收购，这标志着光互连技术正式进入了大厂整合阶段 。

• Celestial AI 技术: 其 Photonic Fabric 平台能实现计算与内存的完全解耦，提供比现有铜线方案高 25 倍的带宽 。

• 行业影响: Marvell 拥有强大的客户基础和供应链控制力，其收购 Celestial AI 后，计划在 2028 年实现 10 亿美元级别的年营收贡献 。这对于曦智科技在国际超大规模数据中心市场的扩张构成了直接挑战。

国内竞争与市场统治：华为

在中国市场，华为是曦智科技无法绕过的庞然大物。

• 市场份额: 在中国光互连市场，华为占据了约 98.4% 的绝对份额 。曦智科技虽然在“独立提供商”中排名第一（份额达 88.3%），但在整体市场规模上仍远逊于华为 。

• 华为技术路径: 华为在其 Atlas 950 超节点中采用了 UnifiedBus 协议和全光交换网络（OCS），支持高达 16,000 张卡的大规模集群 。华为不仅制造光芯片，还拥有自研的 Ascend NPU 和完整的液冷服务器机柜，提供全栈式的垂直整合服务 。

• 竞合关系: 曦智科技的优势在于其作为“中立供应商”的身份，能够为那些不希望完全绑定在华为生态下的其他国内 GPU 企业（如壁仞、天数智芯、沐曦等）提供高性能的互连中后台 。

商业表现与资本市场分析

曦智科技在香港的 IPO 是光计算领域的一个里程碑事件。尽管公司在 2025 年的营收仅为 1.06 亿人民币，但其市值一度突破 800 亿港元（约 103 亿美元），这反映了市场对“算力基础设施替代”逻辑的极度渴求 。

财务状况综述

曦智科技的营收增长迅速，从 2023 年的 3,800 万人民币增长至 2025 年的 1.06 亿，复合年增长率达 66.9% 。

• 亏损压力: 同期净亏损高达 13.4 亿人民币，资产负债率达 473% 。高昂的研发支出和封装测试成本是导致亏损的主要原因。

• 客户集中度: 前五大客户贡献了约 80% 的收入，其中第一大客户占比超过 40.6% 。这显示出其商业化仍处于大客户打样和早期部署阶段。

市场机遇：超节点与国产替代

Frost & Sullivan 数据预测，中国超节点光互连市场将从 2025 年的 57 亿人民币飙升至 2030 年的 1,805 亿 。随着美国对高端 GPU 出口的管制，中国国产 GPU 厂商必须通过大规模集群协作（Scale-up）来弥补单芯片性能的不足，这为曦智科技的 LightSphere X 提供了巨大的历史机遇 。

行业影响与未来趋势预测

曦智科技的崛起不仅仅是一家公司的成功，更代表了算力产业重心的转移。

1. 从“以计算为中心”到“以互连为中心”

随着单芯片性能逼近天花板，系统级性能的提升将主要依靠光互连。未来的数据中心将不再是数万台独立服务器的堆叠，而是一个通过光交换网络连接的单一巨大逻辑机器 。曦智科技在 OCS 分布式光交换方面的探索，使其站在了这一变革的前沿。

2. CPO 与 NPO 的普及

共封装光学（CPO）技术将光引擎直接集成在主芯片封装内，能够降低 30% 以上的电功耗。曦智科技已在 2025 年展示了其 xPU-CPO 的原型，并计划在 PACE 3 中实现更大规模的应用 。这将使光电转换的损耗降至最低。

3. 光计算的特定场景突破

虽然通用计算仍由电子芯片主导，但在大规模线性运算、伊辛模型求解、神经网络推理等特定领域，光计算将展现出电子芯片无法企及的能效比 。曦智科技通过与金融和生物医疗行业的合作，正在寻找光计算的“杀手级应用”。

结论

曦智科技（Lightelligence）通过其独特的光电混合架构，正在尝试破解 AI 时代的能效危机。从实验室的 MZI 网格到商用化的 LightSphere X 光互连系统，该公司证明了硅光子技术在大规模算力基础设施中的可行性 。

虽然面临着华为在国内的压倒性竞争以及 Lightmatter、Marvell 等国际对手的围剿，但曦智科技凭借其独立供应商的身份、深厚的技术专利积累（410 项专利）以及在 3D 先进封装领域的先发优势，已在中国 AI 算力供应链中占据了关键的生态位 。未来的挑战在于如何利用 IPO 募集的资金加速 PACE 3 和下一代光互连产品的量产，并进一步降低系统成本，以实现在 2030 年千亿级市场中的持续领先 。

对于行业观察者而言，曦智科技的股价表现与其营收规模的脱钩，本质上是对“算力之光”的一种期权定价。随着铜线在 TB/s 级传输面前彻底力竭，光子芯片将不再是实验室的科幻设想，而是支撑下一个人工智能十年的坚实地基础。