首页科技快讯牛津大学博士回国创业，瞄准光计算芯片换道超车

牛津大学博士回国创业，瞄准光计算芯片换道超车

来源：晰数塔互联网快讯时间：2024年06月05日 19:53

作者丨马文佩

编辑丨刘恒涛

图源丨光本位科技

公司全称：光本位科技（苏州）有限公司

融资轮次：天使+轮

产品/服务：光子计算板卡和定制化计算解决方案

创始人：程唐盛、熊胤江

出生年份：1996年、1997年

教育背景：牛津大学博士(Harish Bhaskaran院士组)，博士期间主导和参与了牛津大学的相变材料光计算芯片、新型超低功耗纳米相变材料的研发，并最终成功实现光计算芯片的人工智能应用开发；伊利诺伊大学香槟分校工程物理与材料科学学士，期间主攻物理光学研究。

2024年3月，光计算芯片公司光本位完成了近亿元人民币的天使+轮融资。本次融资由中赢创投领投，接力天使、慕石资本跟投，老股东超额追投。

这家成立于2022年的初创企业在半年内完成了天使和天使+轮融资。光本位的研发团队由一群来自牛津大学、清华大学、英国帝国理工大学、复旦大学、芝加哥大学等世界顶尖研究院所的科研人员，以及光计算芯片、光通信、电芯片等领域的资深专家组成。其联合创始人&CEO程唐盛在牛津大学攻读博士期间，选择与高中时期好朋友熊胤江一起回国创建了光本位，并迅速获得了资本和市场的肯定。

“投资人开玩笑说我们应该早一些出来创业，那时候融资好拿，但我觉得对于创业来说，符合技术和市场的第一性原理才是最好的时间点。”

市场前景广阔，光计算重回舞台

1997年出生的程唐盛很早就有了创业的想法。光本位的另一位联合创始人熊胤江早在大学期间就与程唐盛尝试了一些创业项目。在前往牛津读博期间，熊胤江也从芝加哥大学取得了计算科学硕士学位，并尝试独立创业，获得了美国一线投资人的支持。

在某个时机到来之后，他们放下手上的工作决定一起回国创业。“在博二结束时，我认为光计算芯片产业的合适创业时机已经到了，” 程唐盛解释，“我和胤江一拍即合，我暂停了学业，他关掉了美国的公司，全身心的投入到了光本位的创业中。”

这个时机是光计算芯片技术的成熟。

最早在上世纪40年代，科学家们就尝试利用光学来解决计算问题了。80年代，光计算这个术语被正式使用，并在光电传感器问世后迅速发展出了大量的理论模型。简单来说，光计算指的是利用光的物理特性如折射、衍射等规律来实现计算功能。由于这种技术本身的特点，光计算的性能、能耗、速度、抗干扰等方面全面优于目前常见的电芯片。

但在半导体工业高速发展的21世纪初，由于光计算所具备的超高的计算速率与当时各类应用中的计算需求普遍脱节，且在材料上面临瓶颈，光计算的高速运算能力反而无法得到更多运用，因此光计算曾一度处于发展迟缓的状态，逐渐淡出人们的视野。

2020年前后，随着基于硅基电芯片的摩尔定律逐渐失效，电芯片计算能力提升面临物理规律的天花板，光计算重新回到了舞台上。

程唐盛是从自己的研究中判断光计算技术已经成熟的。他从本科期间就投身物理光学研究，在牛津读博期间，他师从全球“相变材料光计算”第一人、牛津大学材料系教授、英国皇家工程院院士Harish Bhaskaran，还主导和参与了牛津大学的相变材料光计算芯片、新型超低功耗纳米相变材料的研发，并最终成功实现光计算芯片的人工智能应用开发。

而在市场方面，2020年开始，光计算产业迎来了高速发展，结合投资热潮，大量资金进入该领域。根据研究机构Gartner的统计，2021年，全球光子产品总收入已经超过2.1万亿美元，2021年到2026年的市场规模复合增长率将超过7%，而光子产品和相关服务的估值则高达7-10万亿美元左右，约占全球世界经济总量的11%左右。

能耗只有十分之一，大幅降低算力成本

2022年，程唐盛和熊胤江开始创业，拿到第一笔融资的时候，OpenAI还没有发布那个改变了整个互联网行业的ChatGPT，投资人看中的是光计算芯片换道超车的机会。众所周知，半导体芯片产业被卡脖子一直是我国整个半导体产业都在试图解决的问题。

在高耸的技术和贸易壁垒下，光计算芯片指出了另一条道路：光计算芯片本身的性能相比电芯片有着巨大的优势，但对于先进制程的要求却并不高，国内产业链完全能够实现；与积累了大量产业经验的电芯片相比，各国在光计算芯片的研发上几乎处于同一起跑线上。

在进入生成式人工智能时代后，全社会对于算力的需求突飞猛进，光计算芯片市场更出现了指数级增长。光计算芯片之前最成熟的应用是在通信领域中负责光电转换，广泛应用于 5G 前传、光接入网络、城域网和数据中心等场景。

相比已经较为成熟的通信场景，为AI提供算力是光计算芯片更关键的应用场景，主要原因之一是光计算能够大幅度降低算力成本。AI科学家田奇曾表示，大模型训练成本中60%是电费，电力的降本增效已迫在眉睫。OpenAI也在其《AIand Compute》分析报告中指出，自2012年以来，AI训练应用的电力需求每3个月到4个月就会翻一倍。

光计算芯片在计算时没有欧姆加热，因此大幅度降低了能耗。程唐盛表示，“我们现在的产品可以对标当前业内领先的电芯片，尤其在AI领域，算力相同的情况下，能耗只有电芯片的十分之一。” 这意味着，光计算芯片的普及会大大降低算力成本，而低成本的算力是人工智能产业快速发展的必要条件之一。