在玻璃上雕刻閃電：一場靜悄悄的算力革命

資料圖。本文來源：北京商報(bào)、中國國創(chuàng)會(huì)

本賬號(hào)接受投稿，投稿郵箱：jingjixuejiaquan@126.com

資料圖。本文為新經(jīng)濟(jì)學(xué)家智庫專稿，轉(zhuǎn)載請(qǐng)注明來源。

本賬號(hào)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(jì)學(xué)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(xué)》雜志上引發(fā)了物理學(xué)與計(jì)算機(jī)科學(xué)的雙重震動(dòng)。LightGen，這個(gè)由上海交通大學(xué)和清華大學(xué)聯(lián)合研發(fā)的光學(xué)計(jì)算原型，以集成超過200萬光子神經(jīng)元的芯片，超越英偉達(dá)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(xiàng)技術(shù)指標(biāo)上超越行業(yè)標(biāo)桿，當(dāng)然也不會(huì)是最后一次。這次突破的意義遠(yuǎn)超單一技術(shù)指標(biāo)的比較——它揭示了AI芯片競爭正在進(jìn)入一個(gè)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(xué)、神經(jīng)形態(tài)、量子等多種技術(shù)路徑正在同時(shí)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(shí)世界中，巨頭依然穩(wěn)坐江山——英偉達(dá)仍掌控著全球AI算力的命脈，其2025年AI GPU市場份額高達(dá)92%——94%。然而就整體規(guī)模而言，這個(gè)已突破2032億美元的龐大市場正以15.7%的年復(fù)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(jì)算范式的邊界探索

光學(xué)計(jì)算并非新概念，它的歷史幾乎與數(shù)字計(jì)算機(jī)一樣悠久，但始終未能實(shí)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(qiáng)庫侖相互作用，這使得光學(xué)系統(tǒng)理論上可以同時(shí)處理大量信息流。然而，長期以來困擾光學(xué)計(jì)算的核心難題是缺乏可靠的光學(xué)存儲(chǔ)器、模擬信號(hào)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(jìn)展在于同時(shí)解決了光計(jì)算做生成任務(wù)的兩個(gè)老問題：一是通過提出“光學(xué)潛在空間”，在光學(xué)域內(nèi)實(shí)現(xiàn)網(wǎng)絡(luò)維度的變化與表征變換，從而減少傳統(tǒng)方案中耗時(shí)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(xùn)練策略，使光學(xué)生成模型訓(xùn)練對(duì)“顯式標(biāo)簽”的依賴顯著降低，更貼近生成式任務(wù)的訓(xùn)練需求。

這項(xiàng)突破的技術(shù)意義需要放在當(dāng)前AI發(fā)展的能源危機(jī)背景下理解。生成式AI模型對(duì)算力的需求呈指數(shù)級(jí)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(yīng)用的關(guān)鍵瓶頸。英偉達(dá)A100 GPU的熱設(shè)計(jì)功耗為400瓦，當(dāng)數(shù)以萬計(jì)的這類芯片集中在數(shù)據(jù)中心時(shí)，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(shí)際生產(chǎn)環(huán)境中復(fù)現(xiàn)，將為AI應(yīng)用的可持續(xù)發(fā)展開辟新路徑。

但這并不是說LightGen對(duì)現(xiàn)有電子芯片可迅速達(dá)成全面顛覆。雖然LightGen在生成式AI任務(wù)如圖像合成、去噪、風(fēng)格遷移和3D場景操作中表現(xiàn)優(yōu)異，但從實(shí)驗(yàn)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(xué)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(duì)現(xiàn)有方案的實(shí)質(zhì)性挑戰(zhàn)，光學(xué)芯片可能還有數(shù)年甚至更長時(shí)間的路要走，而在此期間，電子芯片技術(shù)也不會(huì)停滯不前。

從歷史經(jīng)驗(yàn)也可以看出，新計(jì)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(yīng)用領(lǐng)域，與現(xiàn)有技術(shù)形成互補(bǔ)而非對(duì)立關(guān)系。光學(xué)芯片很可能也會(huì)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(wù)中找到自己的位置，成為AI計(jì)算生態(tài)系統(tǒng)中的一個(gè)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(biāo)志，它為不同需求的用戶提供更多選擇，也為整個(gè)行業(yè)的持續(xù)創(chuàng)新提供動(dòng)力。

二、英偉達(dá)的護(hù)城河與多方位的包圍

英偉達(dá)在AI芯片領(lǐng)域的主導(dǎo)地位建立在硬件性能、軟件生態(tài)相互強(qiáng)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(shí)提供80GB等顯存配置與高帶寬顯存方案，在訓(xùn)練與推理中樹立了當(dāng)代電子GPU的性能標(biāo)桿。而在迭代后的新電子GPU基線上，H200進(jìn)一步把“顯存容量/帶寬”推向更高水平——官方強(qiáng)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(jìn)入Blackwell階段，英偉達(dá)把FP4/FP8低精度張量計(jì)算與“AI工廠”式系統(tǒng)化部署作為核心敘事，并給出整機(jī)1,440GB總顯存與64TB/s HBM3e帶寬、以及FP8訓(xùn)練/FP4推理吞吐等指標(biāo)，顯示電子路線仍在快速演進(jìn)。

更關(guān)鍵的是CUDA平臺(tái)和cuDNN、TensorRT等軟件工具，它們經(jīng)過多年發(fā)展，已形成對(duì)主流深度學(xué)習(xí)開發(fā)與部署的關(guān)鍵支撐。 再疊加頭部云與超大規(guī)模客戶的持續(xù)部署，英偉達(dá)在硬件迭代、軟件棧優(yōu)化與生態(tài)網(wǎng)絡(luò)效應(yīng)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(fù)制或撼動(dòng)，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(dá)的主導(dǎo)地位也正面臨來自多個(gè)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(diǎn)芯片性能”擴(kuò)展到“軟硬一體與機(jī)架級(jí)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(jí)支持，并在2025年持續(xù)推出MI350/MI355X等路線與開放機(jī)架基礎(chǔ)設(shè)施。英特爾方面，雖然市場端對(duì)其Gaudi 3出貨目標(biāo)做出下修討論，但英特爾堅(jiān)持選擇在生態(tài)與規(guī)模化方面承壓下持續(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(fù)載上擊敗英偉達(dá)的GPU，但會(huì)在自家平臺(tái)的特定任務(wù)上追求更好的TCO與供應(yīng)穩(wěn)定性。以微軟為例，外媒報(bào)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(jìn)。這些對(duì)英偉達(dá)意味著一個(gè)長期結(jié)構(gòu)變化：最大客戶同時(shí)也是潛在替代方案的提供者，市場的均衡會(huì)更依賴供給、成本、軟件棧與平臺(tái)鎖定等綜合因素。

中國市場的變量則更復(fù)雜：一方面，政策與供應(yīng)鏈環(huán)境的變化會(huì)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(bǔ)單卡差異。華為公開把Ascend作為其AI計(jì)算戰(zhàn)略基礎(chǔ)，并強(qiáng)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(kuò)展，這類“系統(tǒng)路線”本質(zhì)上是在與英偉達(dá)的整套平臺(tái)能力對(duì)標(biāo)。

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(bǔ)架構(gòu)的方向分化。除了持續(xù)演進(jìn)的GPU和新興光學(xué)芯片，神經(jīng)形態(tài)計(jì)算正試圖模仿大腦的信息處理方式，用事件驅(qū)動(dòng)的尖峰神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)超低功耗的實(shí)時(shí)處理。IBM的TrueNorth這一早期代表性系統(tǒng)，在模式識(shí)別任務(wù)中整片芯片運(yùn)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(xué)的 BrainScaleS 系統(tǒng)采用模擬混合信號(hào)電路直接模擬神經(jīng)動(dòng)力學(xué)，在加速模式下可以比生物時(shí)間快約三數(shù)量級(jí)，在特定實(shí)驗(yàn)配置中甚至報(bào)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(diǎn)，是通過存算一體與事件驅(qū)動(dòng)編碼，盡量減少存儲(chǔ)與處理單元之間的數(shù)據(jù)搬運(yùn)，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(fù)載中，數(shù)據(jù)在存儲(chǔ)層級(jí)間的遷移可能占據(jù)系統(tǒng)能耗的絕大部分。

量子計(jì)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(jì)算機(jī)距離通用、穩(wěn)定的工程實(shí)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(qiáng)算法被認(rèn)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(jī)會(huì)在處理復(fù)雜高維數(shù)據(jù)時(shí)展現(xiàn)新的性能區(qū)間，目前更多還停留在小規(guī)模實(shí)驗(yàn)層面。光子量子計(jì)算試圖把光學(xué)計(jì)算的高速低損耗與量子計(jì)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(gè)可能的未來圖景之一是：訓(xùn)練階段主要依托大規(guī)模GPU或?qū)Ｓ眉铀偌海评黼A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(wù)中調(diào)用光學(xué)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(jì)算將成為常態(tài)，而系統(tǒng)集成、任務(wù)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?yàn)槿绱耍瑯I(yè)界對(duì)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(yīng)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(fù)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(shí)保持長期領(lǐng)先，更現(xiàn)實(shí)的情形是圍繞不同應(yīng)用與物理范式形成若干細(xì)分領(lǐng)域的“局部領(lǐng)軍者”。英偉達(dá)在GPU加速上的優(yōu)勢，未必會(huì)自動(dòng)延伸到神經(jīng)形態(tài)或量子增強(qiáng)系統(tǒng)；同樣，專注光子計(jì)算的公司也未必能在類腦架構(gòu)里占主導(dǎo)。對(duì)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(shí)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(yù)判。在這種環(huán)境中，保持技術(shù)生態(tài)的開放度、鼓勵(lì)多樣化探索，并通過國際合作機(jī)制降低系統(tǒng)性風(fēng)險(xiǎn)，往往比在某一時(shí)間點(diǎn)的“絕對(duì)領(lǐng)先”更有長期價(jià)值。

四、長期競爭的本質(zhì)：創(chuàng)新能力而非單點(diǎn)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(jìn)AI芯片領(lǐng)域更為顯著”，斷定中國在半導(dǎo)體領(lǐng)域?qū)?huì)長期落后于美國和其他發(fā)達(dá)經(jīng)濟(jì)體。文章強(qiáng)調(diào)這樣一個(gè)邏輯：任何后來者都面臨的挑戰(zhàn)是，當(dāng)你努力縮小差距時(shí)，差距本身也在不斷向前移動(dòng)。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(dǎo)者的公司和國家面臨的挑戰(zhàn)。但文章沒有看到的事實(shí)是，半導(dǎo)體行業(yè)的歷史充滿了領(lǐng)導(dǎo)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(dǎo)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(xué)》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(jí)的成果。后面的重點(diǎn)考驗(yàn)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(xué)研合作機(jī)制的建立、知識(shí)產(chǎn)權(quán)的保護(hù)、風(fēng)險(xiǎn)投資的活躍、市場反饋的快速響應(yīng)，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(xué)到硅谷的創(chuàng)業(yè)文化，從DARPA的高風(fēng)險(xiǎn)研究資助到活躍的風(fēng)險(xiǎn)投資，從開放的學(xué)術(shù)交流到嚴(yán)格的知識(shí)產(chǎn)權(quán)保護(hù)。

同時(shí)，我們也應(yīng)該看到，當(dāng)下的全球化的半導(dǎo)體產(chǎn)業(yè)鏈?zhǔn)情L期國際合作的產(chǎn)物。臺(tái)積電的先進(jìn)制程依賴于ASML的極紫外光刻機(jī)，ASML的光刻機(jī)依賴于德國蔡司的光學(xué)系統(tǒng)和日本信越化學(xué)的光刻膠，而AI芯片的設(shè)計(jì)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(dǎo)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(huì)走向一個(gè)“多種技術(shù)路線并存，多個(gè)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(biāo)準(zhǔn)協(xié)調(diào)同步進(jìn)行”的新階段。在這之中，LightGen式的突破會(huì)不斷出現(xiàn)——有時(shí)來自中國，有時(shí)來自美國或歐洲；有時(shí)在大公司，有時(shí)在初創(chuàng)企業(yè)；有時(shí)在GPU領(lǐng)域，有時(shí)在光學(xué)或神經(jīng)形態(tài)芯片。每一次突破都會(huì)推動(dòng)整個(gè)行業(yè)向前，也會(huì)重新洗牌競爭格局。沒有誰能永遠(yuǎn)保持絕對(duì)領(lǐng)先，也沒有誰注定永遠(yuǎn)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(jìn)化中不斷尋找新的可能性、開拓新的應(yīng)用場景、創(chuàng)造新的價(jià)值。這是一場沒有終點(diǎn)的馬拉松，而所有認(rèn)真對(duì)待這場競賽的參與者，都有機(jī)會(huì)在某個(gè)階段、某個(gè)領(lǐng)域領(lǐng)跑一段距離。

結(jié)語

在光的速度與電子的流動(dòng)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(gè)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(jìn)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(fù)雜現(xiàn)實(shí)，也無助于各方制定有效的長期策略，對(duì)其自身的反噬當(dāng)下已經(jīng)初步顯現(xiàn)。應(yīng)將AI芯片的發(fā)展置于人類命運(yùn)共同體的框架內(nèi)，在競爭中“推動(dòng)技術(shù)進(jìn)步、拓展應(yīng)用邊界、創(chuàng)造人類福祉”的觀念不可或缺。從這個(gè)意義上說，我們需要的不是一場勝負(fù)已定的競賽，而是一場永不停息的人類文明進(jìn)化之旅。■

掃碼入群可參加全年至少12場精彩閉門研討