每刻深思邹天琦：“光算光连”将是长期方向
新浪科技讯 8月4日下午消息，如果说去年市场还在争论“算力够不够用”时，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？”源自清华大学电子系的纯国产的光计算芯片与应用方案提供商每刻深思，选择了空间光计算。每刻深思联合创始人兼CEO邹天琦表示，“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。”
每刻深思成立初期便认识到，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。
邹天琦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。
邹天琦的逻辑链条非常清晰：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。
在邹天琦看来，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。”
因此，每刻深思团队正在做的事情，就是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。
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。”
2026 年每刻深思实现空间光计算商业化落地，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。
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。
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。”
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，每刻深思团队始终深耕这条技术路线，并持续推进研发落地。
2026年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。
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。
每刻深思团队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。在技术路线上，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。
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。
邹天琦认为，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。他说：“我们的OPU一代，就是为推理而生，量身打造的产品。”