【摘要】当SpaceX AI准备把地面的计算范式照搬到太空，光本位科技也试图用“光”重写AI算力的底层逻辑。

但从技术优势走向规模商用，光计算仍需回答几个更现实的问题：系统级能效能否兑现、软件生态能否适配，以及芯片能否稳定在场景中跑起来。

把数据中心搬到太空，正在从一个听上去有些疯狂的设想，变成一场真实的技术竞赛。

以下为正文：

8月24日，英伟达宣布，SpaceXAI计划将经过优化的Vera Rubin NVL72系统用于首代Starmind AI卫星，并尽可能保留地面与太空之间共同的架构和软件生态。也就是说，马斯克要把地面上已经成熟的计算范式重新工程化，再送上太空。

而在中国，一家专注于AI光计算系统的公司——光本位科技，则尝试开辟了一条截然不同的路线。它没有继续琢磨如何让GPU适应太空环境，而是直接从底层物理载体入手，将光计算作为解决方案。

资本市场对这条路线的关注也在迅速升温。8月28日，光本位科技宣布近一年内公司累计融资金额达到数十亿元人民币，这是公司今年以来首次正式对外披露融资进展。据公开信息，公司投后估值达到近200亿元人民币。

01

为什么是光？光本位科技的目标在哪里？

关于太空算力，马斯克的预测相当激进：“36个月内，甚至可能更早，太空将成为部署AI最便宜的地方”。相比地面，太空太阳能不受云层和大气衰减影响，并可通过轨道设计获得更高的日照利用率，同一块太阳能板在太空的有效发电能力可达到地面的约5倍。

虽然听起来很诱人，简单的逻辑上也似乎确实如此。但坐在大气层的你，需要重新思考太空环境下，这绝不是把一块GPU装进卫星那么简单。

地面上的Vera Rubin本身已经依赖高密度液冷，而到了真空和失重环境，不仅没有了空气对流，液体的流动也开始不稳定。

整个散热系统只能依靠热传导和热辐射向外散热，这就意味着需要极其庞大的散热表面积。与此同时，GPU又必须面对宇宙辐射带来的单粒子翻转、性能退化等问题。

因此，太空算力面临的是一道互相矛盾的难题：要依靠有限的能源供给在轨长期运行，就必须尽可能压低功耗和载荷重量；但要维持高性能，又不可避免地需要增加功耗，额外的散热板、太阳能帆板设计又不可避免地会增加系统重量。

而光计算则直接绕开了这道难题。

首先是散热和功耗。光计算芯片依靠光的传输完成计算，这个过程产热极少，同时，光本位科技采用的存内计算架构也使得数据也无需频繁搬运，将功耗与发热压低到了极限。

其次是辐射。光计算以光子为载体，光子本身不带电荷，因此天然免于宇宙高能粒子的干扰。光本位科技还通过晶格结构所带来的物理性质差异来编码信息，进一步提高了辐射耐受性，实现了芯片级的抗辐射能力。

还有一点得天独厚的优势：光计算与光通信的协同。卫星之间正在加速激光通信的使用，如果计算也能使用光，就有机会减少中间反复把光信号转换成电信号的过程，使分布式天基算力网络能够用光连成一个整体。

今年7月WAIC期间，光本位科技完成256×256矩阵规模光计算芯片流片。《科创板日报》报道称，公司将基于这颗芯片推出第二代光电融合计算卡，将峰值算力从百TOPS级推进至千TOPS级。

02

材料的集体创新：更大胆的一步

如果说光计算已经足够另辟蹊径，光本位科技今年在WAIC展示的另一款产品，则把这条路线又向前推了一步——玻璃基光计算芯片。

通常说起芯片基材，人们想到的第一种材料是硅。但硅基芯片受限于光刻面积上限、光路损耗、晶圆翘曲以及互连密度，要想进一步扩展计算规模有一定难度。

光本位科技则提出另辟蹊径的思路：既然计算的主体已经从电子转向光子，还一定需要按照硅芯片的方式扩大计算规模吗？

今年WAIC，公司展示了玻璃基光计算芯片。公开资料显示，其思路之一是利用玻璃作为光计算芯片的衬底，借助更大的可制造面积和光学特性，为进一步扩大光子计算矩阵提供空间。

如果这条路线能够成熟，光计算芯片就不必完全受限于传统硅晶圆的尺寸和光刻方式，采用玻璃衬底和纳米压印工艺，可以在更大的基底上铺设更多计算单元，并降低长距离光传输中的损耗，从而实现晶圆级光计算芯片的超低成本量产。

但是，任何一种新型芯片想真正商业化，都不可能只靠一家公司的实验室。流片、材料、设备、封装、软件、服务器系统、客户适配，每一环都需要产业链配合。

今年6月，由上海交通大学与曦智科技联合共建的上海市集成光计算芯片与系统重点实验室正式启动。一个月后，上海市经信委进一步释放产业信号，提出将围绕光子芯片、光电集成、先进封装等环节，完善全链条布局，并在智算中心等场景开放光子技术试点。

另一个显著的变化发生在今年的WAIC。

AI光算力首次拥有独立展区，从上游的光通信、光芯片、光计算，到中游的NPO、LPO、CPO，再到下游的超节点光算力集群，一批产品和合作项目集中亮相。

光计算正在从少数公司的单点突破，逐步走向产业链协同。封装、光互连、服务器和应用生态越成熟，客户采用新型光计算架构的迁移成本就越低。

03

光之下，影子同样存在

故事讲到这里，光本位科技的逻辑似乎已经无懈可击。但从技术设想走到规模化商用，中间还有几道必须跨越的门槛。

首先，光芯片省电，不代表整套系统一定省电。

光本位科技目前做的仍然是光电融合系统，数据进入光芯片前后都要经过光电转换，激光器、控制芯片、存储器同样需要耗电。真正有意义的比较，不是单颗光芯片能做到多少TOPS/W，而是跑同一个大模型时，整张计算卡到底能省多少电、快多少、每个Token能便宜多少。目前，光本位科技已经通过第一代光电融合计算卡在垂类模型上的应用获得一些实测数据。

第二，老生常谈的软件生态问题。GPU真正难以替代的，不只是芯片性能，还有CUDA、PyTorch、算子库和开发工具组成的成熟体系。

这也是SpaceX AI选择Vera Rubin的一个现实原因。NVIDIA在8月24日的公告中甚至专门强调，双方希望在地面与轨道之间保留共同的软件生态。光计算如果要求客户重新改模型、写代码、训练工程师，再高的硬件效率也可能被迁移成本抵消。

光本位科技显然也考虑到了这点。今年2月，公司与百度智能云合作推出Lightmate——面向光芯片、模拟芯片、数字芯片开发流程的AI研发方案。虽然Lightmate和软件生态有本质区别，但也释放出一个重要信号：光本位科技正在补齐从芯片、软件到底层工具链的完整能力。

最后，还有绕不开的量产和商业问题。

无论是硅基路线还是玻璃基路线，都需要经历从样片到量产的验证过程，这个过程中涉及流片良率、封装难度等。此外，太空算力本身也是一个建设周期极长的市场，从流片、地面测试到卫星制造、发射和在轨验证，每一步都需要持续投入。

因此，光本位科技要证明的，不只是“光能不能拿来计算”，而是技术优势能不能最终变成稳定量产的产品、足够低的使用门槛，以及持续增长的客户订单。

04

芯流观点

今天，太空算力已经从概念走向全球竞逐。真正拉开长期差距的，已经不只是谁先把更多算力送上天，而是什么样的计算架构更适合太空。

一条路线，是继续沿用成熟的GPU、CPU和软件生态，通过散热、抗辐射等工程改造适应太空；另一条路线，则试图利用太空特殊的能源、通信和可靠性约束，重构计算方式。

对光本位科技而言，太空提供了一个极具想象力的试验场。但最终决定这条路线能不能站住脚的，仍然是最朴素的三个指标——跑得够不够快、用得够不够省，以及能不能稳定在太空中跑起来。