近日，光本位科技宣布正在用玻璃代替硅作为衬底来研制玻璃光计算芯片。在光本位科技此次突破之前，世界主流光计算公司普遍选择以硅为衬底制造光计算芯片。这是因为硅光平台与现有CMOS工艺之间几乎无缝兼容，具有较高的工艺成熟度和集成便利性。然而，纯硅调制存在诸多局限性，其中最为突出的是矩阵规模扩展困难。从64×64扩大至128×128的矩阵规模，竟然间隔了三年之久，这严重制约了光计算芯片性能的提升和应用的拓展。

与此同时，AI计算领域对算力和能效比的要求日益严苛。预计到2030年，AI推理将占AI计算总量的75%，市场规模达2550亿美元。但目前推理市场主要由ASIC芯片主导，GPU在能效比上并不具备优势，难以满足未来AI计算大规模、高效率的需求。

在这样的背景下，光本位科技毅然踏上用玻璃代替硅研发光计算芯片的创新之路，试图打破传统束缚，为AI计算开辟新的发展路径。

算力超传统AI推理芯片千倍

玻璃光计算芯片在算力方面实现了质的飞跃。受限于光刻机的最大光罩尺寸，当前硅光平台可设计的光计算芯片最大尺寸为32mm×25mm，若进一步提升面积，后续每一次迭代的设计和工艺难度都会持续增长。而光本位科技采用玻璃作为衬底，通过纳米压印工艺，在保持芯片精度的同时突破了已有硅光平台的曝光尺寸限制。

据公司联合创始人程唐盛介绍，200mmx200mm的玻璃光计算芯片算力可达2600POPS，是ASIC芯片的1400倍，是GPU的1300倍，并且根据AI推理市场需求和工艺发展趋势预测，芯片尺寸仍有数倍扩大空间，这意味着未来算力还将不断提升。

在能效比方面，玻璃光计算芯片同样表现惊人。光本位科技利用相变材料的非易失性，实现了光计算芯片零静态功耗，只需一次电驱动即可执行完一个AI计算任务。由于玻璃的非线性光学效应极弱，光的波导传播损耗极低，在芯片设计时可选择小功率的激光器。此外，玻璃在介电损耗、透光率、平整性、热稳定性等方面的优势，也能进一步降低芯片功耗。

程唐盛预测，200mm×200mm玻璃光计算芯片的能效比可以超过1000TPOS/W，相当于ASIC芯片的200倍以上，大大降低了能源消耗和散热压力。

玻璃光计算芯片还成功解决了AI大模型面临的内存困局。光本位科技利用相变材料的非易失性，实现了光芯片的存算一体，即芯片的计算单元即是存储单元，可以存储AI计算的各种参数，打破了冯·诺依曼体系中的内存墙。

芯片存储的参数量取决于计算单元的规模，200mm×200mm玻璃光计算芯片可以存储6.5亿个计算单元。每一个token将以光速完成计算，无需反复读取模型参数，并且零静态功耗，极大地提高了计算效率和数据处理能力。

研发进展

目前，光本位科技在玻璃光计算芯片的研发上已取得了显著进展。公司已验证完毕光波导等光学器件在玻璃上的制备工艺，波导损耗已优化至低于硅光平台水平。同时，同步开展了大规模阵列样品制备以及相变材料的工艺优化，并且打通了上下游产业链。上游与纳米压印等厂商联合优化工艺，下游与大型企业形成研发应用双向反馈机制，为产品的持续优化和快速迭代提供了有力保障。

光本位科技不仅着眼于芯片本身的研发，还提出了基于玻璃光计算打造下一代全光计算系统的宏伟目标。即整个AI计算任务都通过光计算完成，算力、能效比、计算效率的天花板将同时被打破。

发展全光计算已经成为全球学术界和产业界的共识，其核心意义是突破电计算的能耗与散热瓶颈，使超高算力与超低能耗得以兼顾。而玻璃光计算芯片计算核心内部的参数均可根据不同模型与需求进行实时调整，应用场景更全面更灵活。此外，将具备表面平整、热膨胀系数低、翘曲率低等特性的玻璃作为衬底，更容易将不同平台的芯片集成在一起，从而实现全光计算。

小结

对于光计算的未来，程唐盛充满信心。他认为玻璃光计算芯片将改变当今光计算产品的“电主光辅”架构，形成“光电融合，以光为主”甚至“全光”的计算集群架构。

光本位科技的“星辰大海”是为不同类型用户提供全场景覆盖的全栈光计算解决方案，小到给C端用户提供50P+算力的玻璃光计算盒子，等同于一个家用小型数据中心，可以驱动人形机器人等；也可以为大模型公司等提供500P+算力的“光算+光连”方案；甚至可以为政府或者大型企业通过“光算+光连+光传”方案建设一个5000P+算力的大型数据中心。届时，包括光本位科技在内的中国企业有望赢得这场改写全球AI计算竞争格局的“新能源汽车”式科技和产业革命。

文章来自：电子发烧友