后摩尔时代算力突围：一家清华系“空间光计算”芯片商的代际跃升

进入2026年下半年，AI算力的叙事正在发生微妙而剧烈的变化。

如果说去年市场还在争论“算力够不够用”时，那么今年，行业共识已经转向了另一个更棘手的问题——“算力用得起吗？” 随着大模型参数跃升至万亿级别，推理成本与能耗也呈现指数级攀升，这正成为吞噬整个产业利润，并将其消耗在巨大电费和芯片采购单里的一个隐形枷锁。

与此同时，当英伟达的GPU一卡难求，当智算中心的PUE值成为悬在运营方头上的达摩克利斯之剑，一个沉默的事实也随之浮出水面：电芯片的摩尔定律已逼近物理极限，而大模型的规模扩张远未见顶。

在这个结构性困局中，一家源自清华大学电子系、名为“每刻深思”的公司，正试图用一种物理学层面的底层创新，绕开传统电芯片的“死亡之谷”。

他们没有挤进热闹的国产GPU替代赛道，也没有在CUDA生态里做锦上添花的适配，而是选择了一条更为硬核且孤独的路——空间光计算。

选择那条“代际差”最大的路

每刻深思

在很多时候，非共识才是破局的钥匙。

故事的起点，远比每刻深思成立时的2020年，要早得多。当时，在整个芯片行业都陷入狂热追逐数字电路的摩尔定律之时，清华实验室里的乔飞老师就长期深耕于一个少有人关注的方向——模拟计算。团队坚信：模拟架构才是更贴合物理世界的原生信号特征，也是最直接的路径。

2020年，在戴琼海院士与清华电子系乔飞老师的共同带领下，每刻深思正式诞生。履历显示，每刻深思联合创始人兼CEO邹天琦与CTO刘哲宇博士为清华电子系科班出身，在两位老师的“熏陶”下，读书期间邹天琦就对光电融合有着极强的兴趣与认知。

然而，真正让邹天琦下定决心深耕这条技术路线的，是 2023 年团队在《自然》杂志上，刊发的一篇聚焦空间光计算领域的研究论文。

“这是业内较早刊发、也是基于公开资料在中国率先刊发的首篇论文。” 邹天琦在采访中谈及这项成果时，仍记忆犹新，“这篇成果发表后，包括人民日报、新华社等媒体都对我们进行了报道。”

这一判断，直接决定了公司未来的发展轨迹。在每刻深思成立初期，邹天琦和团队便看穿事物的本质：当传统电芯片在1纳米以下之后，量子隧穿效应明显。这意味着，摩尔定律到头了。而光在传播过程中没有损耗，带宽和速度都比电子要高出几个数量级。

“在中国，电力是明显的技术优势，而美国的优势是算力。那么，现在市场共识中的‘电算光联’只是过渡、阶段性方案”邹天琦判断道，“未来，‘光算光连’将是长期方向，这也是我们团队持续探索的重点领域。”

更为关键的是，邹天琦也对大模型时代的算力供需关系，有着自己的洞察和思考。当前，大模型的参数量已从几十B飙升到TB级别，带来的能耗和延时瓶颈水涨船高。在这种背景下，用光来替代电做特定计算，不是线性迭代，而是天然具备差异化的技术优势。

于是，每刻深思从出生之日起，就选择了一条在外人看来“不切实际”的路线：不做通用的数字AI芯片，聚焦空间光计算。邹天琦的逻辑链条也十分简单：在大模型推理侧，光是天然适配矩阵向量乘加运算的物理载体。在传播中并行计算，无需像电信号那样受制于RC延迟和串扰。

他的逻辑是：在计算中心的总拥有成本（TCO）里，功耗和散热成本正以惊人的速度吞噬利润，而光计算在推理侧，能带来能耗比和运算速度上的显著优势。当GPU在做推理时由于冗余功能导致性价比变低时，空间光计算芯片（OPU）作为专用的Decoder，让GPU去做Prefill任务，分工协作，整体TCO下降立竿见影。

毕竟，这是大模型推理爆发的时代，而不是单纯堆砌训练卡的时代。

邹天琦用物理原理，量化了空间光与一维光波导方案的差异。在他看来，一维光波导是“一头进一头出”，器件规模扩大时相位调制损耗成正比增长；而空间光是“在一个三维空间里同时发生”的计算，基于惠更斯-菲涅耳原理，利用自由空间光传播，两者技术可以互补。

“如果把传统光计算比作单一公路，那么我们的空间光计算，就是整体城市路网。”邹天琦用这个形象的对比，来解释了空间光计算的并行度优势：这不仅仅是路变宽了，而是实现了质的飞跃。

“相当于，阵列规模直接决定了能承载多大的模型，而空间光计算能让算力随着面积呈平方级爆发；同时，付出的接口损耗代价，只呈线性增长。这意味着，用更小的代价，换取了更大的算力爆发。”

所以，每刻深思团队正在做的事情，归根结底为一句话：在智算中心的推理侧，通过空间光计算这一底层物理范式的创新，有效缓解电芯片制程发展带来的制约，借助光的衍射与完成算力场景中能耗最高的矩阵乘法运算，实现单位算力成本的大幅下降。

而这条技术路线，早在 2023 年团队发表顶刊论文时就已确定，只是当时大多数投资人和产业方都盯着制程微缩和CUDA生态迁移。如今回头来看，这条具备显著代际技术差异的路线，正在被时间听见。

从“可用”到“好用”，每刻深思的产业验证

每刻深思

再说回产业链的现实，每刻深思是纯国产的光计算芯片与应用方案提供商。

但国产替代从来不是一条容易的路。纵观硬科技产业发展，始终通行“落地为王”的现实主义逻辑，如今这条逻辑同样适用于空间光计算赛道的每刻深思。要知道，在空间光计算赛道，光源、衍射超表面、CMOS接收器、光电共封技术等上游供应链，虽然在国内光通信和显示行业已有大规模量产基础，但把它们拼装成一个能跑大模型推理的商用光计算芯片，却是之前没有人走过的路。

“我们不是从零起步，”邹天琦坦言，“光互连光通信和显示行业的头部玩家，他们的产能和技术已被我们充分复用。”但即便如此，将经典的波动光学原理与当代超表面制造技术结合起来，把实验室里的光场调控方案变成数据中心里可插拔的OPU板卡，这中间隔着的绝不仅是工程难题，而是系统级的架构创新。

2026 年每刻深思实现空间光计算商业化落地。我们选择差异化的空间光计算技术路径，依靠独特硬件架构实现了算力处理能力跨越式提升，这也是我们率先落地商用的关键。

依托团队深厚的工程与算法协同。他们把计算中心里最耗时的矩阵向量乘加，用光的衍射在三维空间里并行完成后，再通过CMOS传感器阵列读取信号，在电域完成非线性的可编程操作，并反馈给光源进行循环迭代——形成了一套完整的光电混合计算回路。

外界常将团队的突破简单归结于“清华背景”，但这只是冰山一角。空间光计算赛道创业成功的核心在于领导者是否“懂物理、懂材料、懂算法、懂工程”。传统数字芯片设计的分工模式在这里失效了，你必须深入光、电、材料的交叉细节，才能把理论上并行度极高的光学优势，转化为实际数据中心里可测量的低延时和低功耗。

截至目前，全球范围内，包括 Neurophos、Lumai 在内的多家海外机构都在布局空间光计算赛道，且各家也结合自身情况，规划出了差异化的研发路径。

但邹天琦表示：每刻深思的研发重心，是放在技术打通、产品落地与客户场景的实际试用上。“依托这套侧重产业落地的工程研发思路，团队已完成国内千卡级智算中心商业化试点落地。”

尽管从客观上看，当前光计算整体产业链尚处发展早期，配套产业生态也仍需持续培育，但团队只要依托国内成熟的光通信、显示产业链配套，去适配光计算底层物理特性的研发方案，就能逐步抹平工程化初期的成本鸿沟。

邹天琦把这种“角色”，定位为国产算力生态中，新型计算范式的重点探索者。他进一步解释，正如GPU的出现替代了CPU在并行计算中的主导地位，OPU与GPU之间，同样是代际差别。此前，‘十五五’规划前瞻布局未来算力产业，光电融合、光子计算作为前沿技术被纳入重点攻关方向，为产业长期发展明确了政策导向。我们团队始终深耕这条技术路线，并持续推进研发落地。

而这一判断，也在2026年7月迎来了关键的产业验证。7月，每刻深思与国产GPU领军企业壁仞科技、大模型独角兽阶跃星辰达成三方战略合作，联合发布光电融合AI智算平台。三方打通了“光计算推理芯片+通用GPU+大模型算法”的全栈技术链路：每刻深思提供空间光计算芯片，加速能效比的提升；壁仞科技通过旗舰壁砺™系列GPU产品，提供算力底座与集群调度方案；阶跃星辰则负责大模型优化与算子层底层适配，打通算法与异构硬件的壁垒。

这并非简单的商业联盟，而是从学术共识走向工程协同的系统性答卷，更是每刻深思从“可用”到“好用”，迎来产业验证的高光时刻。

光子红利，每刻深思的故事正在被市场看见

每刻深思

如果说供应链复用与产业验证，是每刻深思破局的关键，那么基础物理原理的工程化就是每刻深思最核心的“护城河”。

（每刻深思创始人、董事长邹天琦）

在采访中，邹天琦反复提及一个判断：“光计算相比于电计算，在做专用的矩阵向量乘加中，速度、功耗、Token每秒上都具备突出优势。 ”这种优势并非来自软件优化，而是来自物理世界的底层法则——光在传播中天然并行、天然无阻。

在这种观念和信仰的驱使下，每刻深思团队攻坚空间光计算技术，经过多轮技术迭代与可靠性验证，最终将衍射超表面、光源阵列和CMOS接收阵列封装成可商用的产品形态。过程中，他们做了一件让行业惊讶的事：用已成熟的光通信和显示行业的供应链，“攒出”了一颗能跑AI大模型推理的专用空间光计算芯片。

当然，每刻深思团队核心定位是扎根算力底层的 “物理层创新者”—— 不局限于软件层面的迭代优化，而是从物理定律维度重新定义计算架构。

因此，在技术路线上，每刻深思放弃了在单一芯片上追求极致集成度的做法，转而采用“大规模阵列+光电混合回路”的架构，使得阵列规模达到400×400，在数据并行处理的能力上，实现了两个数量级的提升。

“只要跟传统电芯片反着来，你会发现有比较大的收益。 ”邹天琦这句话背后，是每刻深思对“电算光联”主流共识的彻底颠覆。他们取消了电芯片中复杂的缓存和调度逻辑，把算力直接写在光的衍射场里。

当然，芯片硬件突破只是开始。基于OPU，团队进一步提出了“光电异构推理架构”——让OPU做专用的Decoder处理推理的矩阵乘加，让GPU去处理Prefill等需要灵活性的任务。这种分工，在不改变上层应用代码的前提下，将推理的总拥有成本大幅拉低。

邹天琦解释，目前大模型推理中GPU的算力利用率并不高，很多功能在推理场景是冗余的。“我们的OPU一代，就是为推理而生，量身打造的产品。 ”他说。

随着商业化合作的逐步落地，每刻深思的OPU将在其中扮演着至关重要的角色——“加速卡”，并承接大模型推理中最繁重的矩阵运算。这仅是产业化落地的起步阶段。后续，公司的核心工作将是，在多地推进算力集群商业化试点项目；与此同时，相关项目也不只局限于实验室Demo阶段，而是客户真金白银的采购，进行实际投入。

一个有趣的现象是，目前，在每刻深思智算中心的落地项目中，客户最关心的不再是“光计算是什么”，而是“它能帮我省多少电、省多少卡”。这本身已说明，AI算力的核心矛盾已经从“能不能算”转移到了“算不算得起”。

在这一点上看，每刻深思已从“非共识”走向了舞台中央。它的故事，正在被市场看见和认可。当电子芯片的摩尔定律逐渐失效时，光计算恰恰给了一家从清华实验室走出来的公司，实现“换道超车”的机会。

他们用一束光的衍射，在这场新的竞赛中，照出了一条新路：让光计算不再是学术论文里的概念，而是数据中心里实打实的第三选择。也正因如此，在国产算力全面突围的时代，每刻深思已先行一步，跑出了自己的加速度。

- END -

本文内容均来自公开信息，不构成任何投资建议，如有任何问题，敬请与我们联系（微信号：global360iot01）。

▼ 往期精彩回顾 ▼

推荐关注