資料圖。本文來源：北京商報、中國國創(chuàng)會

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

資料圖。本文為新經(jīng)濟學家智庫專稿，轉(zhuǎn)載請注明來源。

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

在玻璃上雕刻閃電：一場靜悄悄的算力革命

旻宏

新經(jīng)濟學家智庫特約研究員

2025年12月18日，一枚面積僅136.5平方毫米的芯片在《科學》雜志上引發(fā)了物理學與計算機科學的雙重震動。LightGen，這個由上海交通大學和清華大學聯(lián)合研發(fā)的光學計算原型，以集成超過200萬光子神經(jīng)元的芯片，超越英偉達A100芯片百倍的速度和能效比，向世人展示了光子替代電子的驚人潛力。這不是第一次有研究者宣稱在某項技術(shù)指標上超越行業(yè)標桿，當然也不會是最后一次。這次突破的意義遠超單一技術(shù)指標的比較——它揭示了AI芯片競爭正在進入一個全新的階段：傳統(tǒng)電子芯片的物理弊端日益顯現(xiàn)，而光學、神經(jīng)形態(tài)、量子等多種技術(shù)路徑正在同時發(fā)力，試圖為人工智能的未來開辟新的可能性。

站在2025年末回望，現(xiàn)實世界中，巨頭依然穩(wěn)坐江山——英偉達仍掌控著全球AI算力的命脈，其2025年AI GPU市場份額高達92%——94%。然而就整體規(guī)模而言，這個已突破2032億美元的龐大市場正以15.7%的年復合增長率狂奔向2032年的5648.7億美元，這也就擁有了足夠的空間容納新技術(shù)的野蠻生長。

LightGen可能就是這樣一道刺破舊秩序的光。

一、從電子到光子：計算范式的邊界探索

光學計算并非新概念，它的歷史幾乎與數(shù)字計算機一樣悠久，但始終未能實現(xiàn)大規(guī)模商業(yè)化。光子相比電子的本質(zhì)優(yōu)勢在于更高的帶寬、更低的能耗和天然的并行性——光子之間沒有像電子那樣的強庫侖相互作用，這使得光學系統(tǒng)理論上可以同時處理大量信息流。然而，長期以來困擾光學計算的核心難題是缺乏可靠的光學存儲器、模擬信號的噪聲控制，以及與現(xiàn)有電子基礎(chǔ)設(shè)施的集成困難。LightGen的關(guān)鍵進展在于同時解決了光計算做生成任務的兩個老問題：一是通過提出“光學潛在空間”，在光學域內(nèi)實現(xiàn)網(wǎng)絡維度的變化與表征變換，從而減少傳統(tǒng)方案中耗時的維度轉(zhuǎn)換與頻繁光電往返；二是提出基于貝葉斯思想的訓練策略，使光學生成模型訓練對“顯式標簽”的依賴顯著降低，更貼近生成式任務的訓練需求。

這項突破的技術(shù)意義需要放在當前AI發(fā)展的能源危機背景下理解。生成式AI模型對算力的需求呈指數(shù)級增長，而傳統(tǒng)電子芯片的能耗問題已成為制約AI規(guī)模化應用的關(guān)鍵瓶頸。英偉達A100 GPU的熱設(shè)計功耗為400瓦，當數(shù)以萬計的這類芯片集中在數(shù)據(jù)中心時，能耗和散熱成本變得極為可觀。LightGen聲稱的6.64×102TOPS/瓦的能效，如果能在實際生產(chǎn)環(huán)境中復現(xiàn)，將為AI應用的可持續(xù)發(fā)展開辟新路徑。

但這并不是說LightGen對現(xiàn)有電子芯片可迅速達成全面顛覆。雖然LightGen在生成式AI任務如圖像合成、去噪、風格遷移和3D場景操作中表現(xiàn)優(yōu)異，但從實驗室原型到可量產(chǎn)、可商業(yè)化部署的產(chǎn)品，中間還有巨大的鴻溝需要跨越：光學芯片的溫度敏感性、制造一致性、成本控制和與現(xiàn)有系統(tǒng)的兼容性，都是必須解決的工程問題。如果真正形成對現(xiàn)有方案的實質(zhì)性挑戰(zhàn)，光學芯片可能還有數(shù)年甚至更長時間的路要走，而在此期間，電子芯片技術(shù)也不會停滯不前。

從歷史經(jīng)驗也可以看出，新計算范式的成功往往不是完全替代舊范式，而是找到其最適合的應用領(lǐng)域，與現(xiàn)有技術(shù)形成互補而非對立關(guān)系。光學芯片很可能也會沿著這條路徑發(fā)展：不是全面取代GPU，而是在生成式AI、高速推理或特定視覺任務中找到自己的位置，成為AI計算生態(tài)系統(tǒng)中的一個重要組成部分。這種技術(shù)多樣性恰恰是健康競爭環(huán)境的標志，它為不同需求的用戶提供更多選擇，也為整個行業(yè)的持續(xù)創(chuàng)新提供動力。

二、英偉達的護城河與多方位的包圍

英偉達在AI芯片領(lǐng)域的主導地位建立在硬件性能、軟件生態(tài)相互強化的基礎(chǔ)之上：

硬件性能方面，以H100為例，它面向大模型引入Transformer Engine并支持FP8精度加速，同時提供80GB等顯存配置與高帶寬顯存方案，在訓練與推理中樹立了當代電子GPU的性能標桿。而在迭代后的新電子GPU基線上，H200進一步把“顯存容量/帶寬”推向更高水平——官方強調(diào)其為首款提供141GB HBM3e、4.8TB/s帶寬的GPU，容量接近H100兩倍、帶寬約1.4倍，以緩解生成式AI與LLM的內(nèi)存瓶頸。進入Blackwell階段，英偉達把FP4/FP8低精度張量計算與“AI工廠”式系統(tǒng)化部署作為核心敘事，并給出整機1,440GB總顯存與64TB/s HBM3e帶寬、以及FP8訓練/FP4推理吞吐等指標，顯示電子路線仍在快速演進。

更關(guān)鍵的是CUDA平臺和cuDNN、TensorRT等軟件工具，它們經(jīng)過多年發(fā)展，已形成對主流深度學習開發(fā)與部署的關(guān)鍵支撐。 再疊加頭部云與超大規(guī)�？蛻舻某掷m(xù)部署，英偉達在硬件迭代、軟件棧優(yōu)化與生態(tài)網(wǎng)絡效應之間形成閉環(huán)，使其優(yōu)勢很難被“單一技術(shù)突破”在短期內(nèi)復制或撼動，需要在硬件、軟件和生態(tài)建設(shè)上的全方位長期投入。

然而，英偉達的主導地位也正面臨來自多個方向的挑戰(zhàn)，而且這些挑戰(zhàn)的性質(zhì)與烈度并不相同。

在傳統(tǒng)“同類競爭”層面，AMD正在把競爭從“單點芯片性能”擴展到“軟硬一體與機架級方案”：AMD公開稱MI300X已在Azure上為專有與開源模型提供生產(chǎn)級支持，并在2025年持續(xù)推出MI350/MI355X等路線與開放機架基礎(chǔ)設(shè)施。英特爾方面，雖然市場端對其Gaudi 3出貨目標做出下修討論，但英特爾堅持選擇在生態(tài)與規(guī)�；矫娉袎合鲁掷m(xù)投入。

更具結(jié)構(gòu)性的挑戰(zhàn)來自云與模型巨頭的“自研加速器”策略：它們未必追求在所有工作負載上擊敗英偉達的GPU，但會在自家平臺的特定任務上追求更好的TCO與供應穩(wěn)定性。以微軟為例，外媒報道雖然其Azure Maia量產(chǎn)及部署節(jié)奏遲緩，但自研AI芯片的路線仍在推進。這些對英偉達意味著一個長期結(jié)構(gòu)變化：最大客戶同時也是潛在替代方案的提供者，市場的均衡會更依賴供給、成本、軟件棧與平臺鎖定等綜合因素。

中國市場的變量則更復雜：一方面，政策與供應鏈環(huán)境的變化會迫使本土方案加速成熟；另一方面，本土路線也在通過“系統(tǒng)化集群能力”彌補單卡差異。華為公開把Ascend作為其AI計算戰(zhàn)略基礎(chǔ)，并強調(diào)通過SuperPoD互聯(lián)、UnifiedBus等體系化能力來支撐更大規(guī)模的算力集群擴展，這類“系統(tǒng)路線”本質(zhì)上是在與英偉達的整套平臺能力對標。

三、技術(shù)路徑的分叉：從單一到多元的范式轉(zhuǎn)移

AI芯片技術(shù)正在經(jīng)歷一場范式轉(zhuǎn)移，其特征不再是單一依賴馮·諾依曼架構(gòu)，而是朝著多種替代與互補架構(gòu)的方向分化。除了持續(xù)演進的GPU和新興光學芯片，神經(jīng)形態(tài)計算正試圖模仿大腦的信息處理方式，用事件驅(qū)動的尖峰神經(jīng)網(wǎng)絡實現(xiàn)超低功耗的實時處理。IBM的TrueNorth這一早期代表性系統(tǒng)，在模式識別任務中整片芯片運行功耗約為70毫瓦，研究和官方資料都用“接近常規(guī)微處理器功率密度的萬分之一”來形容其能效優(yōu)勢。德國海德堡大學的 BrainScaleS 系統(tǒng)采用模擬混合信號電路直接模擬神經(jīng)動力學，在加速模式下可以比生物時間快約三數(shù)量級，在特定實驗配置中甚至報告過接近一萬倍的加速因子。這類神經(jīng)形態(tài)系統(tǒng)的共同特點，是通過存算一體與事件驅(qū)動編碼，盡量減少存儲與處理單元之間的數(shù)據(jù)搬運，從而緩解馮·諾依曼結(jié)構(gòu)中“內(nèi)存墻”帶來的能耗與延遲問題——有研究指出，在某些AI工作負載中，數(shù)據(jù)在存儲層級間的遷移可能占據(jù)系統(tǒng)能耗的絕大部分。

量子計算則代表了另一條仍處在早期階段的技術(shù)路徑。雖然現(xiàn)有量子計算機距離通用、穩(wěn)定的工程實用還有顯著差距，但在特定優(yōu)化問題與高維概率分布建模上，量子增強算法被認為可能提供超出經(jīng)典體系的潛在優(yōu)勢。一些前沿研究提出，將量子比特與神經(jīng)形態(tài)或類腦架構(gòu)結(jié)合，有機會在處理復雜高維數(shù)據(jù)時展現(xiàn)新的性能區(qū)間，目前更多還停留在小規(guī)模實驗層面。光子量子計算試圖把光學計算的高速低損耗與量子計算的并行疊加能力結(jié)合起來。

值得注意的是，這些技術(shù)路線之間的關(guān)系，更大的可能是長期并存乃至最后逐步融合。一個可能的未來圖景之一是：訓練階段主要依托大規(guī)模GPU或?qū)Ｓ眉铀偌�，推理階段在功耗敏感場景由ASIC或神經(jīng)形態(tài)芯片承載，在特定生成任務中調(diào)用光學或光子加速器，而在某些極端優(yōu)化或模擬問題上借助量子協(xié)處理器。這意味著異構(gòu)計算將成為常態(tài)，而系統(tǒng)集成、任務調(diào)度和跨架構(gòu)編程模型的創(chuàng)新，其重要性可能不亞于單一芯片本身的性能突破。也正因為如此，業(yè)界對OpenCL、SYCL等面向多硬件后端的異構(gòu)編程框架持續(xù)投入，希望為這種“多物理載體共存”的格局提供更平滑的開發(fā)抽象。

我們還應該看到的是，技術(shù)路徑的多元化也自然帶來了競爭格局的復雜化。沒有任何一家企業(yè)能夠在GPU、ASIC、存算一體、神經(jīng)形態(tài)、光子與量子等所有賽道上同時保持長期領(lǐng)先，更現(xiàn)實的情形是圍繞不同應用與物理范式形成若干細分領(lǐng)域的“局部領(lǐng)軍者”。英偉達在GPU加速上的優(yōu)勢，未必會自動延伸到神經(jīng)形態(tài)或量子增強系統(tǒng)；同樣，專注光子計算的公司也未必能在類腦架構(gòu)里占主導。對國家而言，中國企業(yè)有可能在部分新興架構(gòu)上形成突破，例如這次AI芯片LightGen的豐碩成果，但在其他領(lǐng)域仍需要追趕。在這種高度分化的體系下，簡單用“誰領(lǐng)先誰落后”來下結(jié)論往往失真，也使得任何試圖依靠出口管制或技術(shù)封鎖來“永久鎖定優(yōu)勢”的想法變得不切實際。技術(shù)本質(zhì)上是一條不斷分叉的演化路徑，其具體走向常常難以預判。在這種環(huán)境中，保持技術(shù)生態(tài)的開放度、鼓勵多樣化探索，并通過國際合作機制降低系統(tǒng)性風險，往往比在某一時間點的“絕對領(lǐng)先”更有長期價值。

四、長期競爭的本質(zhì)：創(chuàng)新能力而非單點突破

《大西洋月刊》2024年的一篇文章曾基于“美國公司占據(jù)全球芯片市場的一半，而中國僅占7%，并且這一差距在代表未來產(chǎn)業(yè)的先進AI芯片領(lǐng)域更為顯著”，斷定中國在半導體領(lǐng)域?qū)L期落后于美國和其他發(fā)達經(jīng)濟體。文章強調(diào)這樣一個邏輯：任何后來者都面臨的挑戰(zhàn)是，當你努力縮小差距時，差距本身也在不斷向前移動。這不僅是中國面臨的挑戰(zhàn)，也是所有試圖挑戰(zhàn)現(xiàn)有領(lǐng)導者的公司和國家面臨的挑戰(zhàn)。但文章沒有看到的事實是，半導體行業(yè)的歷史充滿了領(lǐng)導者易主的故事——從英特爾在CPU領(lǐng)域的統(tǒng)治到被AMD挑戰(zhàn)，從日本在DRAM市場的主導到被韓國超越，沒有任何領(lǐng)先是永久的。

LightGen的研究成果在《科學》雜志發(fā)表，已說明中國在基礎(chǔ)研究方面的投入已經(jīng)開始產(chǎn)生世界級的成果。后面的重點考驗的是建立持續(xù)創(chuàng)新的體系能力，這是如何讓成果開花結(jié)果的關(guān)口。這種能力包括基礎(chǔ)研究的投入、高水平人才的培養(yǎng)、產(chǎn)學研合作機制的建立、知識產(chǎn)權(quán)的保護、風險投資的活躍、市場反饋的快速響應，以及容忍失敗的文化氛圍。我們需要正視，美國有今天的科技優(yōu)勢的一大原因在于成熟的創(chuàng)新生態(tài)系統(tǒng)——從斯坦福、MIT等頂尖大學到硅谷的創(chuàng)業(yè)文化，從DARPA的高風險研究資助到活躍的風險投資，從開放的學術(shù)交流到嚴格的知識產(chǎn)權(quán)保護。

同時，我們也應該看到，當下的全球化的半導體產(chǎn)業(yè)鏈是長期國際合作的產(chǎn)物。臺積電的先進制程依賴于ASML的極紫外光刻機，ASML的光刻機依賴于德國蔡司的光學系統(tǒng)和日本信越化學的光刻膠，而AI芯片的設(shè)計又離不開Synopsys和Cadence的EDA工具。美國政府出口管制和技術(shù)脫鉤在短期內(nèi)給全球帶來了很大困難，但長期來看，它也刺激了其他國家加速自主創(chuàng)新的步伐。最終的結(jié)果可能導致平行生態(tài)系統(tǒng)的出現(xiàn)，而非一方的永久領(lǐng)先。

AI芯片競爭大概率會走向一個“多種技術(shù)路線并存，多個區(qū)域市場發(fā)展出各具特色的生態(tài)系統(tǒng)，國際合作與本土創(chuàng)新并重，開放競爭與標準協(xié)調(diào)同步進行”的新階段。在這之中，LightGen式的突破會不斷出現(xiàn)——有時來自中國，有時來自美國或歐洲；有時在大公司，有時在初創(chuàng)企業(yè)；有時在GPU領(lǐng)域，有時在光學或神經(jīng)形態(tài)芯片。每一次突破都會推動整個行業(yè)向前，也會重新洗牌競爭格局。沒有誰能永遠保持絕對領(lǐng)先，也沒有誰注定永遠落后。競爭的本質(zhì)不是零和博弈，而是在持續(xù)的技術(shù)進化中不斷尋找新的可能性、開拓新的應用場景、創(chuàng)造新的價值。這是一場沒有終點的馬拉松，而所有認真對待這場競賽的參與者，都有機會在某個階段、某個領(lǐng)域領(lǐng)跑一段距離。

結(jié)語

在光的速度與電子的流動之間，在硅基芯片與新材料之間，在商業(yè)競爭與國際合作之間，AI芯片的未來正在被書寫。這個未來不屬于任何單一的技術(shù)路線或國家，而屬于所有愿意投入、敢于創(chuàng)新、持續(xù)進化的參與者。競爭的終極意義不是誰能永久壓制誰，美國將其簡化為卡脖子的方式，既不符合技術(shù)發(fā)展的復雜現(xiàn)實，也無助于各方制定有效的長期策略，對其自身的反噬當下已經(jīng)初步顯現(xiàn)。應將AI芯片的發(fā)展置于人類命運共同體的框架內(nèi)，在競爭中“推動技術(shù)進步、拓展應用邊界、創(chuàng)造人類福祉”的觀念不可或缺。從這個意義上說，我們需要的不是一場勝負已定的競賽，而是一場永不停息的人類文明進化之旅。■

掃碼入群可參加全年至少12場精彩閉門研討