你看量子计算还有那么_老虎社区_美港股上老虎

你看量子计算还有那么多公司在做呢--杀人诛心啊

对话曦智科技沈亦晨：一个 MIT 博士与光计算穿越死亡谷的十年

2017 年，28 岁的沈亦晨创立曦智科技时，瞄准的是英伟达。2022 年底，曦智的光计算产品陷入瓶颈。技术团队强烈希望继续投入、公司还能继续融资，但沈亦晨还是将其叫停了。同一年，曦智再次启动了新一代光计算芯片的研发，目标是让它真正进入大模型推理环节。我们与沈亦晨的这次对话发生在上市前夕。

对话曦智科技沈亦晨：一个 MIT 博士与光计算穿越死亡谷的十年

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

推荐
最新

暂无评论

热议股票

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":558396660602240,"tweetId":"558396660602240","gmtCreate":1777359018873,"gmtModify":1777359335945,"author":{"id":3471039804232802,"idStr":"3471039804232802","authorId":3471039804232802,"authorIdStr":"3471039804232802","name":"米格21","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":5,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":51,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body>你看量子计算还有那么多公司在做呢--杀人诛心啊</body></html>","htmlText":"<html><head></head><body>你看量子计算还有那么多公司在做呢--杀人诛心啊</body></html>","text":"你看量子计算还有那么多公司在做呢--杀人诛心啊","highlighted":1,"essential":1,"paper":1,"likeSize":2,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/558396660602240","repostId":1190418486,"repostType":2,"repost":{"id":"1190418486","kind":"news","pubTimestamp":1777353943,"share":"https://www.laohu8.com/m/news/1190418486?lang=zh_CN&edition=full","pubTime":"2026-04-28 13:25","market":"us","language":"zh","title":"对话曦智科技沈亦晨：一个 MIT 博士与光计算穿越死亡谷的十年","url":"https://stock-news.laohu8.com/highlight/detail?id=1190418486","media":"晚点LatePost","summary":"2017 年，28 岁的沈亦晨创立曦智科技时，瞄准的是英伟达。2022 年底，曦智的光计算产品陷入瓶颈。技术团队强烈希望继续投入、公司还能继续融资，但沈亦晨还是将其叫停了。同一年，曦智再次启动了新一代光计算芯片的研发，目标是让它真正进入大模型推理环节。我们与沈亦晨的这次对话发生在上市前夕。","content":"<html><head></head><body>2017 年，28 岁的沈亦晨创立曦智科技时，瞄准的是英伟达。<img src=\"https://static.tigerbbs.com/5910e8b4d5622e0a876ed1485120b6e1\" tg-width=\"861\" tg-height=\"573\"/>那时，摩尔定律放缓已是行业共识，芯片制造逼近 7 纳米，继续靠电芯片提升算力看起来越来越难。他的想法是，用全新的光计算芯片替代英伟达的 GPU，承担 AI 计算任务。技术源自上一年他在 Nature Photonics 上发表的论文——第一次从实验上验证了用光进行深度学习计算的可行性。这篇论文至今仍是光子计算领域被引用最多的奠基性工作之一。也是因为这篇论文，沈亦晨拿到了来自真格、百度、五源等的 1100 万美元天使轮融资。九年后，摩尔定律仍然坚挺；先进制程已经推进到了 1 纳米；英伟达的市值跃升了数十倍至 5 万亿美元，光计算却还在寻找能落地的场景。投资人也谨慎了起来。中国的国产 GPU 厂商每家都融了近百亿元，而在更难做的光计算行业，曦智融得最多，但一共也只有二十几亿元。技术最早看到未来，商业世界却只愿意为已经发生的现实定价。多数原始创新的硬科技创业公司都要穿越这样的 “死亡谷”，ASML 经历过、Genentech 和英伟达也经历过。曦智科技投资人、和利资本执行合伙人张飚说，关键要会适应时势。大方向固然重要，但每到一个节点，得先把那些容易摘到的果子先摘下来，“有时候，最怕的反而是十年磨一剑。”2022 年底，曦智的光计算产品陷入瓶颈。新项目至少还要再花 5 亿元，而公司账上只有 3 亿元。技术团队强烈希望继续投入、公司还能继续融资，但沈亦晨还是将其叫停了。也是在此时，大模型爆发带来的算力需求，让超节点和 GPU 集群之间的高速互连变得越来越重要。曦智将重心转向了光互连业务——用光来替代一部分电线，把芯片、服务器和 GPU 集群更快、更省电地连在一起。“活下去才是最重要的。” 沈亦晨说。他很清楚，如果把这笔钱花掉，即便还能再融资，公司也会陷入被动，甚至被迫签下对赌。那段时间，他见证了十几位 MIT（麻省理工学院）同学创办的公司因此而倒下。2025 年，光互连已经为曦智贡献了接近 80% 的收入，达 8400 万元左右；在中国独立 Scale-up 光互连解决方案供应商中，曦智占据了 80% 的市场份额。同一年，曦智再次启动了新一代光计算芯片的研发，目标是让它真正进入大模型推理环节。今天，曦智科技在港交所上市，吸引了包括阿里巴巴、GIC（新加坡政府投资公司）、中国移动、贝莱德、淡马锡、高瓴等 20 家基石投资人，目前市值超过 800 亿港元。“现在我们有星辰大海，也有面包了。” 沈亦晨说。我们与沈亦晨的这次对话发生在上市前夕。专访前，他刚结束一场技术会；采结束后，又卡着点赶往了下一场会议。这是他的日常——几乎没有独处时间，但看不出任何疲态，只是顶着一头有些凌乱的头发。路过的同事提醒他：你该剪头发了。“十年过去了，有没有可能光计算这条路本身可能就不成立？” 我们问他。“站在技术进步的角度，这件事就应该有公司去尝试。” 沈亦晨说。“但也有可能成为炮灰。”“哪怕成为炮灰。” 他说，我们本来就是最早提出这条路线的人，我们不做，谁来做？”一篇价值 2200 万美金的论文晚点：光计算在今天看来都算是相对超前的方向，但你在 2017 年还没毕业时就拿到了真格、百度、顺为、五源等机构给的 1000 万美元 。他们当时真的理解你要做的事情吗？沈亦晨：多数人都不怎么理解，毕竟我们在 Nature（国际顶级学术期刊）上的那篇论文才刚发出来。安娜（方爱之，真格基金创始合伙人兼首席执行官）和我在北京国贸的一家咖啡店聊了 20 分钟后就直接给了投资意向书。五源聊得比较久，先投了 20 万美元，后来又补了一些。不过这也和大环境有关系。前一年 AlphaGo 刚赢了李世石、寒武纪刚成立，很多人看到了 AI 在往前走，所以 AI 计算这个赛道在当时也是相对热的。晚点：你是怎么算出来要融 1000 万美元的？沈亦晨：天使轮我们其实也只能融到那么多，因为我们只有一篇论文，团队都还没有。那篇论文大家算了算，值个一亿多元，所以我们就按 2200 万美元的投前估值融了 1100 万美元。就我所知，历史上可能也没有哪篇论文能值钱到这个程度。当然后来写出 Transformer 论文的一批人陆续出来创业，很多公司估值很高。晚点：一篇论文为什么可以有这么高的定价？沈亦晨：首先那篇论文在当时的影响力确实比较大，Nature 上大多数文章平均引用量是 50 次，我们这篇过去几年的平均引用超过了 500 次。美国的技术投资市场会有这种周期：一个方向突然被点燃，大家发现它过去很多年没做出来，现在好像又快要做出来了，预期就会被迅速打高。而且那段时间，和我一起写那篇论文的同学也成立了一家光计算公司 Lightmatter，这件事本身就很有话题性。晚点：你们竟然没有一起创业？沈亦晨：我们的性格和理念不太一样。就像美国有两类创业者，一类是像马斯克一样的大梦想家，一类是拉里·佩奇这种更务实和落地的人。我其实更欣赏后者。晚点：你当时的预期是什么？沈亦晨：我当时判断，光计算三到五年内有机会做出来，而且是聚焦在 AI 领域，替代那些用电的传统 AI 芯片，计算速度大概比它们快 10 倍左右。我们对自己的定位就是 AI 芯片领域里的特斯拉。晚点：所以你想挑战英伟达，这听起来不也是一个很大的 “故事” 吗？和他说的要取代英特尔，本质上有什么不同？沈亦晨：十年前英伟达的市值是英特尔的九分之一；它和特斯拉的市值加起来也就和小米差不多，所以还不算是一个巨物。另外 2017 年还没有大模型，大家谈的 AI 主要还是计算机视觉。所以我设想的场景是，做一台光子计算机，用来快速识别和分析海量视频流，解决内容安全、涉黄检测、违规内容识别等问题。晚点：你当时为什么没有选择在学校把研究继续做下去，或是先去大厂积累点经验？沈亦晨：我拿到过苹果和 Meta 的 offer，苹果当时感兴趣的是如何用硅光做出一款能检测血糖的手表，因为硅光是可以无损的穿透皮肤的；Meta 则是想用硅光解决 Oculus 的透明显示问题。进了大厂，资源确实多，但你肯定就得去研究它们要的这些方向，而不是去搞光计算这种 “不靠谱” 的东西。学校的好处是自主权大，但资源太少。通常也就是一两百万美元启动资金，带一两个博士生慢慢做，节奏会很慢。但创业不一样。我们公司成立后，第一笔融资就是 1100 万美元，很快组起了 20 多个人的团队。一年之内，就把我博士五年做的东西重新做了一遍，而且做得更好。创业最大的优势，就是速度一下子被拉起来了。晚点：你在刚创业就吸引了 Maurice Steinman（mo）的加入，他当时是 AMD 最高级别的技术专家（Senior fellow）。但听说你们此前完全不认识，是你直接发邮件联系他的？沈亦晨：我给美国四十多个半导体行业的专家都发了邮件，基本是能找到的人都联系了一遍，包括 Jim Keller（半导体行业最有名的芯片架构师之一）这样的人。大部分人没回，也有一些人回了，mo 就是其中一个。他后来给我讲的版本是，收到邮件那天晚上，他刚好和太太在我们公司附近吃饭。那时他刚做完 AMD 的芯片互联架构 Infinity Fabric 这个项目，也在想接下来做什么。他理想中的下一站，就是去一家创业公司做工程副总裁，而我在邮件里恰好是邀请他来做我们的工程副总裁。他后来跟我说，这件事像是上天安排好的。晚点：你怎么想到这个办法的，听起来是一个效率非常低的做法？沈亦晨：当时 MIT 的创业氛围还是挺浓的，我们也听过很多类似的创业故事。很多人可能会觉得，这个学生怎么这么搞笑，但万一有人愿意回呢？反正我是 nothing to lose（没什么可失去的）。再加上我们是学生团队，能招到的人大概率也还是学生，但公司特别迫切需要一个真正做过芯片、带过工程团队的行业老兵。而且他们的加入对我们未来吸引人才也会有很大的帮助。晚点：你觉得最终吸引 Maurice 加入的关键原因是什么？沈亦晨：从我发邮件到他真正加入，中间其实隔了大概半年。那段时间，我几乎每周都会想办法约他，跟他讲我们的最新进展，也不断讲我们对这件事的判断和愿景。直到某个节点，他才真正下定决心加入。而且在他加入之前，我还请他帮我们面试候选人了。所以那时候我不只是在招他，也在想尽办法把这些真正懂行业的人拉到我们身边。晚点：听说他加入后还降薪了 50%？沈亦晨：这挺有意思的，其实他加入我们的时候，AMD 的股价正好比较低迷。来我们这边，现金收入大概砍了一半，但我给了他期权，也给了他一个未来做到百亿美元公司的想象空间，这个是远远高于他当时能在 AMD 能拿到的钱。mo 之前待过的都是大公司，AMD 甚至是他呆过最小的一家公司。包括像我们现在的 COO 王泷，上一家公司是哲库（OPPO 旗下自研芯片公司），那也是他呆过最小的一家公司。一个人在大公司里做了二三十年，到职业生涯后半段，可能也会想去一家更有朝气、更有想象力的创业公司。当然，他们的薪酬肯定都远远高过我。技术可行和真正商用之间隔着巨大的鸿沟晚点：你之前说你比较保守，认为光芯片替代传统电芯片要用三到五年。但今天已经过去快十年了，电芯片仍然是主流。沈亦晨：那个时候业内普遍认为摩尔定律在几年后就要完蛋了，7 纳米之后，电芯片继续提升的空间已经不大，下一步机会可能在光上。但谁也没想到摩尔定律是那么地坚韧，还在往 5 纳米、3 纳米、2 纳米一路往前走，甚至 1 纳米也还在推进；后来 HBM、3D 堆叠、Chiplet 这些新技术也陆续成熟起来，电芯片的竞争力反而一直在提高。再一个是我们自己在工程上、在光的供应链等各个环节也碰到了很多挑战。我当时认为光计算就是行业共识，但现在回头看可能根本不是。晚点：你应该是全世界对光计算是最了解的人了，核心技术路线也是你提出来的，反而却低估了它落地的难度？沈亦晨：我还记得 2018 年 A 轮融资时，经纬的合伙人左凌烨问我们，光计算真正产业化大概要多久、多少钱。我给了一个自认为已经很狂野的估算：3 到 5 年，3 亿美元。结果他听完后只回了一句：这么便宜？就这么点钱？当时我不理解他那话什么意思，但现在理解了。如果我是从英特尔出来的，完整做过一款 CPU，可能会更清楚一颗商业化芯片到底要花多少钱。但我是从学校出来的，过去一个项目最多花个 10 万美元就能做出成果。后来才知道，研发一款真正商业化的 GPU，本身可能就是十亿美元级别；更不用说做一款试图改变计算范式的光计算产品，它需要的钱只会更多。晚点：你的产品工程副总裁 Maurice 来自 AMD，是产业里非常资深的老人了，他应该清楚你们需要多少资源？沈亦晨：这里面还有一个很重要的原因是，我们当时判断，如果只做一款能在某个单一场景里应用的光计算芯片，3 亿美元其实是够的，甚至可能还用不了这么多。事实上我们也做出来了，曦智的 Pace 芯片在单一场景上的速度比传统电芯片要快了将近 1000 倍。但我们忽略了两个关键问题：第一，芯片研发周期通常要两到三年。你立项时判断的是一个场景，等芯片真正做出来，市场关注点可能已经变了。比如当时瞄准的计算机视觉现在已经没人关心了，都在看大模型了。大模型对于存储带宽和配电带宽的要求远远大于计算机视觉的计算，所以我们上一代产品是不兼容的。第二，我们只是在一个特定场景里证明了光芯片能比电芯片的速度快 1000 倍，而市场要的是速度提升 10 倍，同时可以在十几个真实的商用场景都能用的通用芯片，这件事的挑战难度是巨大的。晚点：2022 年底大模型热潮起来后，机会明显比计算机视觉更大。你们当时没有立刻启动面向大模型的光计算芯片，是不是说明内部对光计算产生了犹豫？沈亦晨：其实我们在 2022 年已经准备研发了，内部代号叫 Vanguard（先锋）。但当时公司账上的钱很有限，一共只有 3 亿元人民币，而这一个项目就要花 5 亿元人民币，且公司还没有能真正实现商业化的产品。各种评估下风险都太大了，所以我就把它停掉了。晚点：不能靠融资继续做下去吗？很多人相信大赌才能大赢。沈亦晨：那确实是一个非常难做的决定。当时团队里有很多人都劝我继续花这个钱，后来我们还专门做了一次内部辩论，把支持和反对的人分成红队、黑队，各自用两个月时间论证自己的判断。但我核心还是认为，公司活下去才是最重要的。事实证明这个决定也是对的，2023、2024 年资本寒冬就来了，如果真的把这笔钱花掉，下一轮融资就会非常被动。我们过去融资一直相对顺利，一个重要原因是账上从来没有少于两年的现金储备，所以每次我们都是主动的一方，也从没签过对赌条约。晚点：看起来你其实也不是那么有把握，将这 5 亿砸下去后真能做出想要的产品？沈亦晨：我认为从技术方向上看，这条路没有错。但以我们当时的工程能力，要做出一款全新的光电一体化、垂直合封芯片，难度非常高，更不用说还要一次做成。当时全球真正做这件事的公司很少，主要就是我们和 Lightmatter。他们到现在都没有产品出来。也正是因为全世界都没有人做过这个事儿，对于它有多难，没有人有完整的认知。晚点：现在为什么又能做了？沈亦晨：我们现在已经有了可以持续产生收入的业务——光互连；上市后我们的融资渠道也变多了，安全垫就更厚了。比如去年，公司真实现金支出只有 2 亿多元人民币。这次上市我们融了 30 亿，加上账上接近 10 亿元现金，理论上按这个消耗速度，即使不考虑收入，也能支撑个二十年。晚点：有了充裕的资金后，目前来看大的挑战还有什么？沈亦晨：今天最大的挑战还是成本和工程复杂度。比如我们的 PACE 3 一开始就是按更大规模的 AI 计算来设计的，不只是单卡能力，而是要考虑未来怎么组成更大的系统，甚至进入超节点场景。这就意味着它不是单独做一颗芯片那么简单，还涉及先进封装、存储和互连，整个系统复杂度很高。再加上我们现在使用的是全国产供应链，每个环节的成熟度、良率都会影响最终成本。但即使最后成本没有达到最理想状态，只要它在性能上能体现出优势，并能实现小批量部署，对我们来说也是一个很重要的阶段性成果，然后再慢慢努力爬升。晚点：性能优势是足以覆盖掉成本劣势的吗？沈亦晨：按照我们目前的设计，不管是产品规格、系统架构，还是具体工程方案，我们都觉得 PACE 3 的性能会非常强，最终性价比应该是会不错的。但坦诚讲，这是一套非常复杂的系统。即便放到全球范围内，这种复杂度的光电芯片系统也很少有人真正做过。要把它完整交付出来，确实需要时间。最终效果也要等芯片回来、验证完成之后，才能真正落到纸面上。晚点：你对这款芯片的预期是什么？沈亦晨：我的目标是至少先找到一个 killer app（杀手级应用），或者说是有商业价值的市场，证明光芯片能比电芯片表现得好，不管它是 1 亿美金的市场还是 10 亿美金的市场，这是非常有可能实现的。目前看就是大模型推理。晚点：在大模型推理上完全取代电芯片？沈亦晨：肯定还是要一起协作。现阶段光计算还没有到完全独立于电芯片去运作的地步，还有太多的工程问题没有解决，比如存储问题、非线性的问题。它们之间有点类似 CPU 和 GPU，不是替代关系，而是各自负责各自擅长的事情。现在是在国内做光计算最好的时刻晚点：你的创业最早是在美国起步的，但早期融资主要来自国内 VC。你一开始就计划最后要回国发展吗？沈亦晨：一方面是国内的投资人比较热情，抢得比较厉害一些；另一方面，美国资金有很多附加条件，我们不太能接受。比如到 2019 年，我们再去 Sand Hill Road（沙丘路，位于美国硅谷）融资时，作为一个中国创业者，已经明显感受到他们态度的差异。Google 当时也找我们聊过，说肯定不会投 Lightmatter。结果把我们的技术细节都问了一遍后，最后投了 Lightmatter。但我的私心确实觉得，这个技术如果能在中国做成是最好的。晚点：你在什么时候决定彻底把公司转成国内架构的？沈亦晨：2023、2024 年的时候。其实我最早在 2020 年初的规划还是，美国团队至少要扩到 200 人。那时候租赁市场也很热，三年期办公室很难租，于是我们直接在波士顿市中心最高的大厦租了一整层，一签就是八年。这个办公室也是选了很久才定的。它环境很好，下面又没有地铁，震动小，适合做硬件研发。到现在那个办公室的租期都还没到。晚点：地缘环境的变化对你来说最直接的影响是什么？沈亦晨：此前的很多合作没办法推进下去了。比较幸运的是，北京、上海两地政府都很支持国产硅光产线建设，又遇到了没有私心帮助我们的贵人，所以最后这件事还是成了。晚点：今天大模型起来后，算力需求、互连带宽和能耗压力都在快速上升，光计算看起来比前几年更有吸引力。但国内真正做光计算的公司仍然不算多，这是为什么？沈亦晨：去年国内也成立了十几家光计算公司，但大家都会碰到同一个问题：光计算的技术难度可能比做 GPU 还高，资本市场愿意给的资源却远少于 GPU 公司。GPU 公司有很多家，每家都融了接近一百亿；但光计算公司里，融得最多的可能还是我们。不算这次上市融资，过去也就是十几二十亿元。这个资金量其实是远远不够的。晚点：因为 GPU 是确定性更高的机会？沈亦晨：是的。投资人或许也认可光计算未来有百亿、几百亿元市场空间，但觉得成功概率只有 5%，最后算出来的估值可能也就几十亿元。中国的大模型和商业火箭能拿到高估值，一个重要原因是美国已有 OpenAI、SpaceX 这样的参照物，国内投资人更容易定价。但光计算没有这样的参照。美国还没有公司真正跑出来，投资人就只能按很低的成功概率来算估值。估值低，能融到的钱就少；钱少，又不足以真正做出一款光计算产品。这就是当时的死结。晚点：美国的资金很充裕，为什么它到今天没有涌现光计算创业潮，也没有成功的产品出来？沈亦晨：美国这边没做出来，一个重要原因就是我那位同学的公司 Lightmatter，它要追赶的是一个更大的巨兽——英伟达。在中国做一款有竞争力的光计算产品，大概 5 亿元人民币就可以启动。这个量级，差不多相当于做一颗 12 纳米或 7 纳米电芯片的流片成本。但在美国，如果你说要做一款颠覆英伟达的产品，这不是 5 亿元人民币能解决的问题，而是可能要投入 5 亿美元甚至更多，去做一款能和 Rubin 这种最先进芯片竞争的产品。这还是挺绝望的。所以我认为，现在是中国做光计算的黄金时期，国产电芯片过去 5 年都没有任何变化，先进制程受限，反而让光计算这样的新路线有了更现实的机会，也可能更快冒出来。晚点：和十年前相比，你对光计算前景的判断发生了什么变化？沈亦晨：其实还是一样的，摩尔定律总有一天会到头。现在制程已经推进到一纳米量级，而一个原子的尺度也就是零点几纳米，再往下走一定会越来越难。当然，谁也不知道中间会不会又冒出新的封装、架构或者材料技术，把电计算这条路再往前延几年。把赚到的钱全都投进研发里才是对得起投资人的事晚点：曦智最早是从光计算起步的，但为什么你们现在的收入主要来自光互连业务？外界很多人也认为你们是一家做光互连的公司。沈亦晨：2022 年底，公司到了一个关键节点。虽然账上还有两三年的钱，但在钱花完之前，我们还没有看到一个能真正产生收入的产品。加上当时被寄予厚望的 Hummingbird（曦智早期的光电互连芯片）没能取得商业成功，而如果要再做一个新产品，又要花 5 亿元，再等两三年。那段时间其实挺绝望的。恰好这个时候，大模型爆发了。我们很快意识到，未来大模型训练不可能只靠单颗 GPU，一定要靠大规模集群；而集群越大，GPU 之间的数据传输就越容易成为瓶颈。只要这个瓶颈存在，光互连就有机会。正好我们之前为光计算做过相关技术储备，所以迅速把光互连做成了一条独立业务。晚点：听起来像是公司在碰壁之后，不得不做的一个决定？沈亦晨：当时没有太多选择。如果我在美国，还能靠着光计算的技术领先优势再去融一笔钱，那边的投资人肯定希望我就只做研发，然后哪天被大厂收购。但在国内，尤其还是在当时的资本环境下，没有人会只相信一个 “故事”。不过我确实没想到今天算力需求会涨到这个程度。最近见一个潜在客户，他跟我讲了明年国产芯片的流片数量，我听完大受震撼，每天都在被快速变化的市场教育。晚点：听说你们这次上市时，定价逻辑也主要按光互连公司来算的？沈亦晨：我觉得这样对投资人更公平，也更容易交代。我当时也直接跟投资人说，只看光互连业务，公司就不止这个价格；至于光计算，如果未来做成了，对你们来说就是额外惊喜。晚点：你们的客户有一部分是沐曦、壁仞这些 GPU，跟这类传统 GPU 厂商合作时，它们最大的顾虑是什么？沈亦晨：客户最大的担心是稳定性。铜导线用了很多年，足够成熟，出了问题也知道怎么修。但光互连不一样。用光直接连接两个计算芯片、连接 GPU，此前没有真正大规模做过。大家担心的是，信号传过去会不会出错：这边发的是 01，那边收到的是 10，系统就没法正常工作。除此之外，温度、灰尘、震动会不会影响传输效率，当时也都是未知数。过去两年，我们一直和这些 GPU 厂商做适配，过程中也出现了不稳定的情况，但不是那种调一年只提升 1% 的问题。通常一两个月内，就能把稳定性修到客户可以接受的状态。现在，即便是数千卡集群已经能落地，说明这套方案基本跑通了。晚点：既然问题都能解决，为什么光互连至今还没有被广泛应用到超节点里面去？沈亦晨：因为它还是比电互连要贵。光纤本身比铜线便宜，可一旦加上两端的光电转换芯片，整体成本就上去了。所以只要铜线能连，客户一般还是会优先用铜，因为它便宜、成熟、稳定。不过如果距离一拉长，铜线就很难撑住。比如超过 1 米后，带宽和功耗都会，这时候就必须考虑光。核心问题是，你到底要把多少张计算卡连在一起。如果是在一台服务器、一个机柜内部，大家还是尽量用铜；但一旦跨服务器、跨机柜，光互连的必要性就会越来越强。晚点：你认为光互连什么时候会全面普及开来？沈亦晨：国内已经有很明确的信号了。华为的 CloudMatrix 384 已经开始大规模落地，它用 14 个机柜连接 384 张卡，里面有大量光互连模块，说明这条路已经被验证过。互联网大厂应该从明年开始会大面积铺开，我们也已经在和它们讨论做设计对接了。晚点：英伟达似乎并不着急？它现在的思路还是尽量把更多 GPU 塞进一个机柜，用 NVLink 和铜背板把单机柜内的 scale-up 做到极致。沈亦晨：那是因为它在 NVL72 这类高功耗机柜系统上已经投入了 100 亿美金，液冷、供电、背板、电互连都是一整套体系。既然已经投入这么多，它短期内一定会尽量延长电互连的生命周期，让这套系统服务更多代芯片。你看谷歌就不同。它一开始就判断，算力集群最终还是要走向光，所以干脆更早地投入了光互连，甚至是光交换。虽然早期用光更贵，但长期看有机会把系统效率和规模优势收回来。晚点：你预计英伟达什么时候会全面转向光互连？沈亦晨：下一代产品大概率就会上。互连带宽每一代都在涨，带宽越高，铜能传的距离就越短。今天能在几十厘米内解决的问题，下一代可能就会变得很难。看老黄的态度，他甚至可能想跳过传统光模块，直接走硅光共封装的路。否则今年 GTC 他就不会花那么多篇幅讲 CPO（共封装光学），而是会讲，我们又有一种新技术，可以让两颗芯片在 5 厘米以内高速互连，做出一个密度更高、完全靠电连接的机柜。晚点：你认为光互连未来的市场接下来会如何演变？沈亦晨：竞争会越来越激烈。一个是 “易中天”（新易盛、中际旭创、天孚通信）这些模块厂商和服务器厂商，它们原来虽然不做芯片，但现在有钱了后肯定会往芯片端去布局；还有很多创业公司也开始有钱了。晚点：听说现在很多新的创业公司已经在外面形容你们是 “上一代” 光计算公司了。沈亦晨：我听说了。这些公司要融资，投资人肯定也会问，曦智已经做了 8 年，有团队、有资金，现在还上市了，凭什么你们能超过它？所以它们必须讲一个不一样的故事，于是我们就很荣幸地成了大家想颠覆的那条龙，我觉也行吧。这也给了我们更多前进的动力。晚点：虽然你们现在靠光互连获得收入了，但从财报上看，曦智的账面亏损是在扩大的。你认为多久能改善这个情况？沈亦晨：实话实说我不是那么追求盈亏平衡，我如果真想做，明年后年就有机会。但我觉得，这不是当下最重要的目标，特别是在变化和竞争如此激烈的时候，用一个要尽快实现盈亏平衡的心态做公司，可能会错失很多机会，也说明这家企业没有太多研发。但是我会控制亏损，在内部也提出了要尽量收窄亏损，主要是让大家不要乱花钱。把赚到的钱全都投进研发里才是对得起投资人的事。有些事总要有人去试，哪怕最后会有人当炮灰晚点：听说你在 MIT 读博期间还创业过两次，都是基于自己的学术成果，而且最后都失败了？沈亦晨：第一次创业来自我们做的一个 Science（国际顶级学术期刊）级别的研究成果，研究的是光学纳米材料，也可以理解为一种特殊的光学膜。它最特别的地方在于，不同角度下会呈现完全不同的视觉效果：有些角度看像镜子，有些角度看又像透明玻璃。我们一开始想把它用在太阳能电板上，希望提高光能利用效率，解决能源问题。结果这层膜贴上去后三天就坏了。最后找了半天发现，发现它最好的落地场景是手机防窥膜。连电脑都用不上，因为那个膜做不了那么大的。后来 3M 公司花了十几二十万美元把专利买了过去，但到现在也没用上。晚点：你们在实验室做实验的时候没有发现，它在太阳能上用三天就会坏吗？沈亦晨：发论文的时候不会把这种事情当回事儿的。比如我们发第一篇光计算论文的时候，也不会考虑让芯片跑一整天会怎样，它只要能成功跑哪怕一秒，作为一篇论文来讲就足够了。第二次也是，我们做的是一种透明显示技术的玻璃。它平时看起来透明，但用特定激光投影仪一打，就能显示画面，相当于把玻璃变成屏幕。这个技术量产不难，但商业模式不成立——一两平方米的贴膜只能卖 200 元左右，特定的三色激光投影仪却要卖 2 万块。最后一算，我们说做这个膜还不如做代理卖投影仪赚钱快。晚点：看起来还是技术创业的老问题，低估了把一个论文里的成果做成商业化产品的难度。沈亦晨：是的。再比如我们今天做光芯片，基本是站在巨人的肩膀上，可以利用台积电、中芯国际这样的成熟制造能力。但当时做光学膜不一样，市场上没有现成的纳米级光学膜产线。要把它从实验室样品变成产品，就得自己建产线，投入很重，成本也非常高。晚点：但手机膜为什不能继续做下去，全球手机防窥膜每年应该还是有十几亿美元的市场的。沈亦晨：到第二年时，我的光芯片研究出来了。我同步开始看光芯片，明显感觉到市场对这项技术的关注度更高。如果是把太阳能效率提高 10% 这种更有影响力的事，我会很有热情继续做，因为它解决的是能源问题。但如果只是让一张原本偏暗的防窥膜变亮一点，我很难觉得这是一件足够重要的事。晚点：重要的标准是什么，市场规模还是公司的规模？沈亦晨：还是这件事本身的价值，它是不是一件我愿意很自豪地跟父母、朋友，甚至以后跟我的孩子讲的事。比如我的导师 Marin Soljačić，他在很年轻的时候就成为了 MIT 正教授，最有名的工作之一是发明了隔空传输电力，就是无线充电技术。再举个例子，如果中国能做出一家自己的英伟达，那当然很伟大。但如果回到十年前，我还是会选择做光计算而不是 GPU，因为光计算如果能做成，哪怕最后只拿到 10% 的市场份额，也是一件更有突破性的事。传统 GPU 这条路，我不做也会有很多人做；但光计算这条路，如果我们不做，大概率整个行业会比今天发展得还慢。晚点：除了你是 “第一人” 以外，光计算这件事情对你的吸引力还有什么？沈亦晨：做什么其实无所谓，只不过正好我是研究这个的，你看我也做过光学膜创业。但核心还是 Technology matters（技术本身有没有价值）。晚点：这是你的导师带给你的影响吗？沈亦晨：我觉得他在我创业上最大的帮助，是没有拿很大的控制性股份。这一点在教授带学生创业里其实很少见。国内很多教授学生创业，常见情况是老师占很大比例，自己又不全职出来，学生拿很少股份，全职在公司里干。最后成功的往往很少，因为一旦失败，学生付出的是全部机会成本，导师其实没有太大损失，还可以继续做教授、再带下一批学生。晚点：你和强脑科技的韩璧丞、晶泰科技的温书豪都属于 2017 年前后那批有科研背景的创业者。同样是技术创业，你觉得你们和今天的这波大模型创业者有什么不同？沈亦晨：国内现在这一波大模型创业，很多创始人其实已经在业界做过一段时间，或者已经创业过一次了。比如杨植麟、闫俊杰都不是刚从学校毕业就出来创业。唐杰老师稍微不一样，他本来就是高校教授。但我们那一波不太一样。很多人是博士刚毕业，甚至还没毕业，就拿着论文和实验室成果出来创业。那更像是科学家第一次被资本系统性推到创业前台。如果再早五年，机会可能完全不一样，投资人未必敢投这种硬科技项目。晚点：你心目中技术创业的标杆企业家是谁？沈亦晨：张忠谋吧。但我觉得他最厉害的地方不只是技术，而是做出了几个非常关键的商业判断。比如选择做独立晶圆厂，走晶圆代工这条路；在正确的时间切入 CPU 制程；不去和客户竞争做自己的芯片，包括不像三星一样去做存储。这些判断后来都被证明非常重要。相比之下，我们今天还没有完成这样的商业验证。当然，我也希望自己未来能做出类似级别的战略决策。晚点：你们现在还会对标英伟达吗？沈亦晨：我觉得我们现在已经很难再把自己对标成英伟达了。更现实的路径，是成为未来数据中心，光芯片里的领先公司。我们判断，光芯片未来可能占到数据中心市场的 30% 到 50%，这个空间本身已经很大。接下来最重要的是两件事：光互连尽快抢占位置；光计算找到第一个真正成立的杀手级应用。晚点：你做光计算已经十年过去了，有没有哪一刻怀疑过，可能光计算这条路本身可能就不成立？沈亦晨：站在技术进步的角度，这件事就应该有公司去尝试。更何况万一摩尔定律真的到头了呢？一旦做成，我们的上限也会非常高。晚点：但也有可能成为炮灰？沈亦晨：哪怕成为炮灰。我们本来就是最早提出这条路线的人，如果我们不做这个炮灰，谁来做？而且这条路上值得有炮灰，你看量子计算还有那么多公司在做呢。</body></html>","source":"wandian","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>对话曦智科技沈亦晨：一个 MIT 博士与光计算穿越死亡谷的十年</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n对话曦智科技沈亦晨：一个 MIT 博士与光计算穿越死亡谷的十年\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-04-28 13:25 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/uGErP1DahLSHIFFD-qr_og>晚点LatePost</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n2017 年，28 岁的沈亦晨创立曦智科技时，瞄准的是英伟达。那时，摩尔定律放缓已是行业共识，芯片制造逼近 7 纳米，继续靠电芯片提升算力看起来越来越难。他的想法是，用全新的光计算芯片替代英伟达的 GPU，承担 AI 计算任务。技术源自上一年他在 Nature Photonics 上发表的论文——第一次从实验上验证了用光进行深度学习计算的可行性。这篇论文至今仍是光子计算领域被引用最多的奠基性工作...\n\n<a href=\"https://mp.weixin.qq.com/s/uGErP1DahLSHIFFD-qr_og\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/5910e8b4d5622e0a876ed1485120b6e1","relate_stocks":{"01879":"曦智科技-P"},"source_url":"https://mp.weixin.qq.com/s/uGErP1DahLSHIFFD-qr_og","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1190418486","content_text":"2017 年，28 岁的沈亦晨创立曦智科技时，瞄准的是英伟达。那时，摩尔定律放缓已是行业共识，芯片制造逼近 7 纳米，继续靠电芯片提升算力看起来越来越难。他的想法是，用全新的光计算芯片替代英伟达的 GPU，承担 AI 计算任务。技术源自上一年他在 Nature Photonics 上发表的论文——第一次从实验上验证了用光进行深度学习计算的可行性。这篇论文至今仍是光子计算领域被引用最多的奠基性工作之一。也是因为这篇论文，沈亦晨拿到了来自真格、百度、五源等的 1100 万美元天使轮融资。九年后，摩尔定律仍然坚挺；先进制程已经推进到了 1 纳米；英伟达的市值跃升了数十倍至 5 万亿美元，光计算却还在寻找能落地的场景。投资人也谨慎了起来。中国的国产 GPU 厂商每家都融了近百亿元，而在更难做的光计算行业，曦智融得最多，但一共也只有二十几亿元。技术最早看到未来，商业世界却只愿意为已经发生的现实定价。多数原始创新的硬科技创业公司都要穿越这样的 “死亡谷”，ASML 经历过、Genentech 和英伟达也经历过。曦智科技投资人、和利资本执行合伙人张飚说，关键要会适应时势。大方向固然重要，但每到一个节点，得先把那些容易摘到的果子先摘下来，“有时候，最怕的反而是十年磨一剑。”2022 年底，曦智的光计算产品陷入瓶颈。新项目至少还要再花 5 亿元，而公司账上只有 3 亿元。技术团队强烈希望继续投入、公司还能继续融资，但沈亦晨还是将其叫停了。也是在此时，大模型爆发带来的算力需求，让超节点和 GPU 集群之间的高速互连变得越来越重要。曦智将重心转向了光互连业务——用光来替代一部分电线，把芯片、服务器和 GPU 集群更快、更省电地连在一起。“活下去才是最重要的。” 沈亦晨说。他很清楚，如果把这笔钱花掉，即便还能再融资，公司也会陷入被动，甚至被迫签下对赌。那段时间，他见证了十几位 MIT（麻省理工学院）同学创办的公司因此而倒下。2025 年，光互连已经为曦智贡献了接近 80% 的收入，达 8400 万元左右；在中国独立 Scale-up 光互连解决方案供应商中，曦智占据了 80% 的市场份额。同一年，曦智再次启动了新一代光计算芯片的研发，目标是让它真正进入大模型推理环节。今天，曦智科技在港交所上市，吸引了包括阿里巴巴、GIC（新加坡政府投资公司）、中国移动、贝莱德、淡马锡、高瓴等 20 家基石投资人，目前市值超过 800 亿港元。“现在我们有星辰大海，也有面包了。” 沈亦晨说。我们与沈亦晨的这次对话发生在上市前夕。专访前，他刚结束一场技术会；采结束后，又卡着点赶往了下一场会议。这是他的日常——几乎没有独处时间，但看不出任何疲态，只是顶着一头有些凌乱的头发。路过的同事提醒他：你该剪头发了。“十年过去了，有没有可能光计算这条路本身可能就不成立？” 我们问他。“站在技术进步的角度，这件事就应该有公司去尝试。” 沈亦晨说。“但也有可能成为炮灰。”“哪怕成为炮灰。” 他说，我们本来就是最早提出这条路线的人，我们不做，谁来做？”一篇价值 2200 万美金的论文晚点：光计算在今天看来都算是相对超前的方向，但你在 2017 年还没毕业时就拿到了真格、百度、顺为、五源等机构给的 1000 万美元 。他们当时真的理解你要做的事情吗？沈亦晨：多数人都不怎么理解，毕竟我们在 Nature（国际顶级学术期刊）上的那篇论文才刚发出来。安娜（方爱之，真格基金创始合伙人兼首席执行官）和我在北京国贸的一家咖啡店聊了 20 分钟后就直接给了投资意向书。五源聊得比较久，先投了 20 万美元，后来又补了一些。不过这也和大环境有关系。前一年 AlphaGo 刚赢了李世石、寒武纪刚成立，很多人看到了 AI 在往前走，所以 AI 计算这个赛道在当时也是相对热的。晚点：你是怎么算出来要融 1000 万美元的？沈亦晨：天使轮我们其实也只能融到那么多，因为我们只有一篇论文，团队都还没有。那篇论文大家算了算，值个一亿多元，所以我们就按 2200 万美元的投前估值融了 1100 万美元。就我所知，历史上可能也没有哪篇论文能值钱到这个程度。当然后来写出 Transformer 论文的一批人陆续出来创业，很多公司估值很高。晚点：一篇论文为什么可以有这么高的定价？沈亦晨：首先那篇论文在当时的影响力确实比较大，Nature 上大多数文章平均引用量是 50 次，我们这篇过去几年的平均引用超过了 500 次。美国的技术投资市场会有这种周期：一个方向突然被点燃，大家发现它过去很多年没做出来，现在好像又快要做出来了，预期就会被迅速打高。而且那段时间，和我一起写那篇论文的同学也成立了一家光计算公司 Lightmatter，这件事本身就很有话题性。晚点：你们竟然没有一起创业？沈亦晨：我们的性格和理念不太一样。就像美国有两类创业者，一类是像马斯克一样的大梦想家，一类是拉里·佩奇这种更务实和落地的人。我其实更欣赏后者。晚点：你当时的预期是什么？沈亦晨：我当时判断，光计算三到五年内有机会做出来，而且是聚焦在 AI 领域，替代那些用电的传统 AI 芯片，计算速度大概比它们快 10 倍左右。我们对自己的定位就是 AI 芯片领域里的特斯拉。晚点：所以你想挑战英伟达，这听起来不也是一个很大的 “故事” 吗？和他说的要取代英特尔，本质上有什么不同？沈亦晨：十年前英伟达的市值是英特尔的九分之一；它和特斯拉的市值加起来也就和小米差不多，所以还不算是一个巨物。另外 2017 年还没有大模型，大家谈的 AI 主要还是计算机视觉。所以我设想的场景是，做一台光子计算机，用来快速识别和分析海量视频流，解决内容安全、涉黄检测、违规内容识别等问题。晚点：你当时为什么没有选择在学校把研究继续做下去，或是先去大厂积累点经验？沈亦晨：我拿到过苹果和 Meta 的 offer，苹果当时感兴趣的是如何用硅光做出一款能检测血糖的手表，因为硅光是可以无损的穿透皮肤的；Meta 则是想用硅光解决 Oculus 的透明显示问题。进了大厂，资源确实多，但你肯定就得去研究它们要的这些方向，而不是去搞光计算这种 “不靠谱” 的东西。学校的好处是自主权大，但资源太少。通常也就是一两百万美元启动资金，带一两个博士生慢慢做，节奏会很慢。但创业不一样。我们公司成立后，第一笔融资就是 1100 万美元，很快组起了 20 多个人的团队。一年之内，就把我博士五年做的东西重新做了一遍，而且做得更好。创业最大的优势，就是速度一下子被拉起来了。晚点：你在刚创业就吸引了 Maurice Steinman（mo）的加入，他当时是 AMD 最高级别的技术专家（Senior fellow）。但听说你们此前完全不认识，是你直接发邮件联系他的？沈亦晨：我给美国四十多个半导体行业的专家都发了邮件，基本是能找到的人都联系了一遍，包括 Jim Keller（半导体行业最有名的芯片架构师之一）这样的人。大部分人没回，也有一些人回了，mo 就是其中一个。他后来给我讲的版本是，收到邮件那天晚上，他刚好和太太在我们公司附近吃饭。那时他刚做完 AMD 的芯片互联架构 Infinity Fabric 这个项目，也在想接下来做什么。他理想中的下一站，就是去一家创业公司做工程副总裁，而我在邮件里恰好是邀请他来做我们的工程副总裁。他后来跟我说，这件事像是上天安排好的。晚点：你怎么想到这个办法的，听起来是一个效率非常低的做法？沈亦晨：当时 MIT 的创业氛围还是挺浓的，我们也听过很多类似的创业故事。很多人可能会觉得，这个学生怎么这么搞笑，但万一有人愿意回呢？反正我是 nothing to lose（没什么可失去的）。再加上我们是学生团队，能招到的人大概率也还是学生，但公司特别迫切需要一个真正做过芯片、带过工程团队的行业老兵。而且他们的加入对我们未来吸引人才也会有很大的帮助。晚点：你觉得最终吸引 Maurice 加入的关键原因是什么？沈亦晨：从我发邮件到他真正加入，中间其实隔了大概半年。那段时间，我几乎每周都会想办法约他，跟他讲我们的最新进展，也不断讲我们对这件事的判断和愿景。直到某个节点，他才真正下定决心加入。而且在他加入之前，我还请他帮我们面试候选人了。所以那时候我不只是在招他，也在想尽办法把这些真正懂行业的人拉到我们身边。晚点：听说他加入后还降薪了 50%？沈亦晨：这挺有意思的，其实他加入我们的时候，AMD 的股价正好比较低迷。来我们这边，现金收入大概砍了一半，但我给了他期权，也给了他一个未来做到百亿美元公司的想象空间，这个是远远高于他当时能在 AMD 能拿到的钱。mo 之前待过的都是大公司，AMD 甚至是他呆过最小的一家公司。包括像我们现在的 COO 王泷，上一家公司是哲库（OPPO 旗下自研芯片公司），那也是他呆过最小的一家公司。一个人在大公司里做了二三十年，到职业生涯后半段，可能也会想去一家更有朝气、更有想象力的创业公司。当然，他们的薪酬肯定都远远高过我。技术可行和真正商用之间隔着巨大的鸿沟晚点：你之前说你比较保守，认为光芯片替代传统电芯片要用三到五年。但今天已经过去快十年了，电芯片仍然是主流。沈亦晨：那个时候业内普遍认为摩尔定律在几年后就要完蛋了，7 纳米之后，电芯片继续提升的空间已经不大，下一步机会可能在光上。但谁也没想到摩尔定律是那么地坚韧，还在往 5 纳米、3 纳米、2 纳米一路往前走，甚至 1 纳米也还在推进；后来 HBM、3D 堆叠、Chiplet 这些新技术也陆续成熟起来，电芯片的竞争力反而一直在提高。再一个是我们自己在工程上、在光的供应链等各个环节也碰到了很多挑战。我当时认为光计算就是行业共识，但现在回头看可能根本不是。晚点：你应该是全世界对光计算是最了解的人了，核心技术路线也是你提出来的，反而却低估了它落地的难度？沈亦晨：我还记得 2018 年 A 轮融资时，经纬的合伙人左凌烨问我们，光计算真正产业化大概要多久、多少钱。我给了一个自认为已经很狂野的估算：3 到 5 年，3 亿美元。结果他听完后只回了一句：这么便宜？就这么点钱？当时我不理解他那话什么意思，但现在理解了。如果我是从英特尔出来的，完整做过一款 CPU，可能会更清楚一颗商业化芯片到底要花多少钱。但我是从学校出来的，过去一个项目最多花个 10 万美元就能做出成果。后来才知道，研发一款真正商业化的 GPU，本身可能就是十亿美元级别；更不用说做一款试图改变计算范式的光计算产品，它需要的钱只会更多。晚点：你的产品工程副总裁 Maurice 来自 AMD，是产业里非常资深的老人了，他应该清楚你们需要多少资源？沈亦晨：这里面还有一个很重要的原因是，我们当时判断，如果只做一款能在某个单一场景里应用的光计算芯片，3 亿美元其实是够的，甚至可能还用不了这么多。事实上我们也做出来了，曦智的 Pace 芯片在单一场景上的速度比传统电芯片要快了将近 1000 倍。但我们忽略了两个关键问题：第一，芯片研发周期通常要两到三年。你立项时判断的是一个场景，等芯片真正做出来，市场关注点可能已经变了。比如当时瞄准的计算机视觉现在已经没人关心了，都在看大模型了。大模型对于存储带宽和配电带宽的要求远远大于计算机视觉的计算，所以我们上一代产品是不兼容的。第二，我们只是在一个特定场景里证明了光芯片能比电芯片的速度快 1000 倍，而市场要的是速度提升 10 倍，同时可以在十几个真实的商用场景都能用的通用芯片，这件事的挑战难度是巨大的。晚点：2022 年底大模型热潮起来后，机会明显比计算机视觉更大。你们当时没有立刻启动面向大模型的光计算芯片，是不是说明内部对光计算产生了犹豫？沈亦晨：其实我们在 2022 年已经准备研发了，内部代号叫 Vanguard（先锋）。但当时公司账上的钱很有限，一共只有 3 亿元人民币，而这一个项目就要花 5 亿元人民币，且公司还没有能真正实现商业化的产品。各种评估下风险都太大了，所以我就把它停掉了。晚点：不能靠融资继续做下去吗？很多人相信大赌才能大赢。沈亦晨：那确实是一个非常难做的决定。当时团队里有很多人都劝我继续花这个钱，后来我们还专门做了一次内部辩论，把支持和反对的人分成红队、黑队，各自用两个月时间论证自己的判断。但我核心还是认为，公司活下去才是最重要的。事实证明这个决定也是对的，2023、2024 年资本寒冬就来了，如果真的把这笔钱花掉，下一轮融资就会非常被动。我们过去融资一直相对顺利，一个重要原因是账上从来没有少于两年的现金储备，所以每次我们都是主动的一方，也从没签过对赌条约。晚点：看起来你其实也不是那么有把握，将这 5 亿砸下去后真能做出想要的产品？沈亦晨：我认为从技术方向上看，这条路没有错。但以我们当时的工程能力，要做出一款全新的光电一体化、垂直合封芯片，难度非常高，更不用说还要一次做成。当时全球真正做这件事的公司很少，主要就是我们和 Lightmatter。他们到现在都没有产品出来。也正是因为全世界都没有人做过这个事儿，对于它有多难，没有人有完整的认知。晚点：现在为什么又能做了？沈亦晨：我们现在已经有了可以持续产生收入的业务——光互连；上市后我们的融资渠道也变多了，安全垫就更厚了。比如去年，公司真实现金支出只有 2 亿多元人民币。这次上市我们融了 30 亿，加上账上接近 10 亿元现金，理论上按这个消耗速度，即使不考虑收入，也能支撑个二十年。晚点：有了充裕的资金后，目前来看大的挑战还有什么？沈亦晨：今天最大的挑战还是成本和工程复杂度。比如我们的 PACE 3 一开始就是按更大规模的 AI 计算来设计的，不只是单卡能力，而是要考虑未来怎么组成更大的系统，甚至进入超节点场景。这就意味着它不是单独做一颗芯片那么简单，还涉及先进封装、存储和互连，整个系统复杂度很高。再加上我们现在使用的是全国产供应链，每个环节的成熟度、良率都会影响最终成本。但即使最后成本没有达到最理想状态，只要它在性能上能体现出优势，并能实现小批量部署，对我们来说也是一个很重要的阶段性成果，然后再慢慢努力爬升。晚点：性能优势是足以覆盖掉成本劣势的吗？沈亦晨：按照我们目前的设计，不管是产品规格、系统架构，还是具体工程方案，我们都觉得 PACE 3 的性能会非常强，最终性价比应该是会不错的。但坦诚讲，这是一套非常复杂的系统。即便放到全球范围内，这种复杂度的光电芯片系统也很少有人真正做过。要把它完整交付出来，确实需要时间。最终效果也要等芯片回来、验证完成之后，才能真正落到纸面上。晚点：你对这款芯片的预期是什么？沈亦晨：我的目标是至少先找到一个 killer app（杀手级应用），或者说是有商业价值的市场，证明光芯片能比电芯片表现得好，不管它是 1 亿美金的市场还是 10 亿美金的市场，这是非常有可能实现的。目前看就是大模型推理。晚点：在大模型推理上完全取代电芯片？沈亦晨：肯定还是要一起协作。现阶段光计算还没有到完全独立于电芯片去运作的地步，还有太多的工程问题没有解决，比如存储问题、非线性的问题。它们之间有点类似 CPU 和 GPU，不是替代关系，而是各自负责各自擅长的事情。现在是在国内做光计算最好的时刻晚点：你的创业最早是在美国起步的，但早期融资主要来自国内 VC。你一开始就计划最后要回国发展吗？沈亦晨：一方面是国内的投资人比较热情，抢得比较厉害一些；另一方面，美国资金有很多附加条件，我们不太能接受。比如到 2019 年，我们再去 Sand Hill Road（沙丘路，位于美国硅谷）融资时，作为一个中国创业者，已经明显感受到他们态度的差异。Google 当时也找我们聊过，说肯定不会投 Lightmatter。结果把我们的技术细节都问了一遍后，最后投了 Lightmatter。但我的私心确实觉得，这个技术如果能在中国做成是最好的。晚点：你在什么时候决定彻底把公司转成国内架构的？沈亦晨：2023、2024 年的时候。其实我最早在 2020 年初的规划还是，美国团队至少要扩到 200 人。那时候租赁市场也很热，三年期办公室很难租，于是我们直接在波士顿市中心最高的大厦租了一整层，一签就是八年。这个办公室也是选了很久才定的。它环境很好，下面又没有地铁，震动小，适合做硬件研发。到现在那个办公室的租期都还没到。晚点：地缘环境的变化对你来说最直接的影响是什么？沈亦晨：此前的很多合作没办法推进下去了。比较幸运的是，北京、上海两地政府都很支持国产硅光产线建设，又遇到了没有私心帮助我们的贵人，所以最后这件事还是成了。晚点：今天大模型起来后，算力需求、互连带宽和能耗压力都在快速上升，光计算看起来比前几年更有吸引力。但国内真正做光计算的公司仍然不算多，这是为什么？沈亦晨：去年国内也成立了十几家光计算公司，但大家都会碰到同一个问题：光计算的技术难度可能比做 GPU 还高，资本市场愿意给的资源却远少于 GPU 公司。GPU 公司有很多家，每家都融了接近一百亿；但光计算公司里，融得最多的可能还是我们。不算这次上市融资，过去也就是十几二十亿元。这个资金量其实是远远不够的。晚点：因为 GPU 是确定性更高的机会？沈亦晨：是的。投资人或许也认可光计算未来有百亿、几百亿元市场空间，但觉得成功概率只有 5%，最后算出来的估值可能也就几十亿元。中国的大模型和商业火箭能拿到高估值，一个重要原因是美国已有 OpenAI、SpaceX 这样的参照物，国内投资人更容易定价。但光计算没有这样的参照。美国还没有公司真正跑出来，投资人就只能按很低的成功概率来算估值。估值低，能融到的钱就少；钱少，又不足以真正做出一款光计算产品。这就是当时的死结。晚点：美国的资金很充裕，为什么它到今天没有涌现光计算创业潮，也没有成功的产品出来？沈亦晨：美国这边没做出来，一个重要原因就是我那位同学的公司 Lightmatter，它要追赶的是一个更大的巨兽——英伟达。在中国做一款有竞争力的光计算产品，大概 5 亿元人民币就可以启动。这个量级，差不多相当于做一颗 12 纳米或 7 纳米电芯片的流片成本。但在美国，如果你说要做一款颠覆英伟达的产品，这不是 5 亿元人民币能解决的问题，而是可能要投入 5 亿美元甚至更多，去做一款能和 Rubin 这种最先进芯片竞争的产品。这还是挺绝望的。所以我认为，现在是中国做光计算的黄金时期，国产电芯片过去 5 年都没有任何变化，先进制程受限，反而让光计算这样的新路线有了更现实的机会，也可能更快冒出来。晚点：和十年前相比，你对光计算前景的判断发生了什么变化？沈亦晨：其实还是一样的，摩尔定律总有一天会到头。现在制程已经推进到一纳米量级，而一个原子的尺度也就是零点几纳米，再往下走一定会越来越难。当然，谁也不知道中间会不会又冒出新的封装、架构或者材料技术，把电计算这条路再往前延几年。把赚到的钱全都投进研发里才是对得起投资人的事晚点：曦智最早是从光计算起步的，但为什么你们现在的收入主要来自光互连业务？外界很多人也认为你们是一家做光互连的公司。沈亦晨：2022 年底，公司到了一个关键节点。虽然账上还有两三年的钱，但在钱花完之前，我们还没有看到一个能真正产生收入的产品。加上当时被寄予厚望的 Hummingbird（曦智早期的光电互连芯片）没能取得商业成功，而如果要再做一个新产品，又要花 5 亿元，再等两三年。那段时间其实挺绝望的。恰好这个时候，大模型爆发了。我们很快意识到，未来大模型训练不可能只靠单颗 GPU，一定要靠大规模集群；而集群越大，GPU 之间的数据传输就越容易成为瓶颈。只要这个瓶颈存在，光互连就有机会。正好我们之前为光计算做过相关技术储备，所以迅速把光互连做成了一条独立业务。晚点：听起来像是公司在碰壁之后，不得不做的一个决定？沈亦晨：当时没有太多选择。如果我在美国，还能靠着光计算的技术领先优势再去融一笔钱，那边的投资人肯定希望我就只做研发，然后哪天被大厂收购。但在国内，尤其还是在当时的资本环境下，没有人会只相信一个 “故事”。不过我确实没想到今天算力需求会涨到这个程度。最近见一个潜在客户，他跟我讲了明年国产芯片的流片数量，我听完大受震撼，每天都在被快速变化的市场教育。晚点：听说你们这次上市时，定价逻辑也主要按光互连公司来算的？沈亦晨：我觉得这样对投资人更公平，也更容易交代。我当时也直接跟投资人说，只看光互连业务，公司就不止这个价格；至于光计算，如果未来做成了，对你们来说就是额外惊喜。晚点：你们的客户有一部分是沐曦、壁仞这些 GPU，跟这类传统 GPU 厂商合作时，它们最大的顾虑是什么？沈亦晨：客户最大的担心是稳定性。铜导线用了很多年，足够成熟，出了问题也知道怎么修。但光互连不一样。用光直接连接两个计算芯片、连接 GPU，此前没有真正大规模做过。大家担心的是，信号传过去会不会出错：这边发的是 01，那边收到的是 10，系统就没法正常工作。除此之外，温度、灰尘、震动会不会影响传输效率，当时也都是未知数。过去两年，我们一直和这些 GPU 厂商做适配，过程中也出现了不稳定的情况，但不是那种调一年只提升 1% 的问题。通常一两个月内，就能把稳定性修到客户可以接受的状态。现在，即便是数千卡集群已经能落地，说明这套方案基本跑通了。晚点：既然问题都能解决，为什么光互连至今还没有被广泛应用到超节点里面去？沈亦晨：因为它还是比电互连要贵。光纤本身比铜线便宜，可一旦加上两端的光电转换芯片，整体成本就上去了。所以只要铜线能连，客户一般还是会优先用铜，因为它便宜、成熟、稳定。不过如果距离一拉长，铜线就很难撑住。比如超过 1 米后，带宽和功耗都会，这时候就必须考虑光。核心问题是，你到底要把多少张计算卡连在一起。如果是在一台服务器、一个机柜内部，大家还是尽量用铜；但一旦跨服务器、跨机柜，光互连的必要性就会越来越强。晚点：你认为光互连什么时候会全面普及开来？沈亦晨：国内已经有很明确的信号了。华为的 CloudMatrix 384 已经开始大规模落地，它用 14 个机柜连接 384 张卡，里面有大量光互连模块，说明这条路已经被验证过。互联网大厂应该从明年开始会大面积铺开，我们也已经在和它们讨论做设计对接了。晚点：英伟达似乎并不着急？它现在的思路还是尽量把更多 GPU 塞进一个机柜，用 NVLink 和铜背板把单机柜内的 scale-up 做到极致。沈亦晨：那是因为它在 NVL72 这类高功耗机柜系统上已经投入了 100 亿美金，液冷、供电、背板、电互连都是一整套体系。既然已经投入这么多，它短期内一定会尽量延长电互连的生命周期，让这套系统服务更多代芯片。你看谷歌就不同。它一开始就判断，算力集群最终还是要走向光，所以干脆更早地投入了光互连，甚至是光交换。虽然早期用光更贵，但长期看有机会把系统效率和规模优势收回来。晚点：你预计英伟达什么时候会全面转向光互连？沈亦晨：下一代产品大概率就会上。互连带宽每一代都在涨，带宽越高，铜能传的距离就越短。今天能在几十厘米内解决的问题，下一代可能就会变得很难。看老黄的态度，他甚至可能想跳过传统光模块，直接走硅光共封装的路。否则今年 GTC 他就不会花那么多篇幅讲 CPO（共封装光学），而是会讲，我们又有一种新技术，可以让两颗芯片在 5 厘米以内高速互连，做出一个密度更高、完全靠电连接的机柜。晚点：你认为光互连未来的市场接下来会如何演变？沈亦晨：竞争会越来越激烈。一个是 “易中天”（新易盛、中际旭创、天孚通信）这些模块厂商和服务器厂商，它们原来虽然不做芯片，但现在有钱了后肯定会往芯片端去布局；还有很多创业公司也开始有钱了。晚点：听说现在很多新的创业公司已经在外面形容你们是 “上一代” 光计算公司了。沈亦晨：我听说了。这些公司要融资，投资人肯定也会问，曦智已经做了 8 年，有团队、有资金，现在还上市了，凭什么你们能超过它？所以它们必须讲一个不一样的故事，于是我们就很荣幸地成了大家想颠覆的那条龙，我觉也行吧。这也给了我们更多前进的动力。晚点：虽然你们现在靠光互连获得收入了，但从财报上看，曦智的账面亏损是在扩大的。你认为多久能改善这个情况？沈亦晨：实话实说我不是那么追求盈亏平衡，我如果真想做，明年后年就有机会。但我觉得，这不是当下最重要的目标，特别是在变化和竞争如此激烈的时候，用一个要尽快实现盈亏平衡的心态做公司，可能会错失很多机会，也说明这家企业没有太多研发。但是我会控制亏损，在内部也提出了要尽量收窄亏损，主要是让大家不要乱花钱。把赚到的钱全都投进研发里才是对得起投资人的事。有些事总要有人去试，哪怕最后会有人当炮灰晚点：听说你在 MIT 读博期间还创业过两次，都是基于自己的学术成果，而且最后都失败了？沈亦晨：第一次创业来自我们做的一个 Science（国际顶级学术期刊）级别的研究成果，研究的是光学纳米材料，也可以理解为一种特殊的光学膜。它最特别的地方在于，不同角度下会呈现完全不同的视觉效果：有些角度看像镜子，有些角度看又像透明玻璃。我们一开始想把它用在太阳能电板上，希望提高光能利用效率，解决能源问题。结果这层膜贴上去后三天就坏了。最后找了半天发现，发现它最好的落地场景是手机防窥膜。连电脑都用不上，因为那个膜做不了那么大的。后来 3M 公司花了十几二十万美元把专利买了过去，但到现在也没用上。晚点：你们在实验室做实验的时候没有发现，它在太阳能上用三天就会坏吗？沈亦晨：发论文的时候不会把这种事情当回事儿的。比如我们发第一篇光计算论文的时候，也不会考虑让芯片跑一整天会怎样，它只要能成功跑哪怕一秒，作为一篇论文来讲就足够了。第二次也是，我们做的是一种透明显示技术的玻璃。它平时看起来透明，但用特定激光投影仪一打，就能显示画面，相当于把玻璃变成屏幕。这个技术量产不难，但商业模式不成立——一两平方米的贴膜只能卖 200 元左右，特定的三色激光投影仪却要卖 2 万块。最后一算，我们说做这个膜还不如做代理卖投影仪赚钱快。晚点：看起来还是技术创业的老问题，低估了把一个论文里的成果做成商业化产品的难度。沈亦晨：是的。再比如我们今天做光芯片，基本是站在巨人的肩膀上，可以利用台积电、中芯国际这样的成熟制造能力。但当时做光学膜不一样，市场上没有现成的纳米级光学膜产线。要把它从实验室样品变成产品，就得自己建产线，投入很重，成本也非常高。晚点：但手机膜为什不能继续做下去，全球手机防窥膜每年应该还是有十几亿美元的市场的。沈亦晨：到第二年时，我的光芯片研究出来了。我同步开始看光芯片，明显感觉到市场对这项技术的关注度更高。如果是把太阳能效率提高 10% 这种更有影响力的事，我会很有热情继续做，因为它解决的是能源问题。但如果只是让一张原本偏暗的防窥膜变亮一点，我很难觉得这是一件足够重要的事。晚点：重要的标准是什么，市场规模还是公司的规模？沈亦晨：还是这件事本身的价值，它是不是一件我愿意很自豪地跟父母、朋友，甚至以后跟我的孩子讲的事。比如我的导师 Marin Soljačić，他在很年轻的时候就成为了 MIT 正教授，最有名的工作之一是发明了隔空传输电力，就是无线充电技术。再举个例子，如果中国能做出一家自己的英伟达，那当然很伟大。但如果回到十年前，我还是会选择做光计算而不是 GPU，因为光计算如果能做成，哪怕最后只拿到 10% 的市场份额，也是一件更有突破性的事。传统 GPU 这条路，我不做也会有很多人做；但光计算这条路，如果我们不做，大概率整个行业会比今天发展得还慢。晚点：除了你是 “第一人” 以外，光计算这件事情对你的吸引力还有什么？沈亦晨：做什么其实无所谓，只不过正好我是研究这个的，你看我也做过光学膜创业。但核心还是 Technology matters（技术本身有没有价值）。晚点：这是你的导师带给你的影响吗？沈亦晨：我觉得他在我创业上最大的帮助，是没有拿很大的控制性股份。这一点在教授带学生创业里其实很少见。国内很多教授学生创业，常见情况是老师占很大比例，自己又不全职出来，学生拿很少股份，全职在公司里干。最后成功的往往很少，因为一旦失败，学生付出的是全部机会成本，导师其实没有太大损失，还可以继续做教授、再带下一批学生。晚点：你和强脑科技的韩璧丞、晶泰科技的温书豪都属于 2017 年前后那批有科研背景的创业者。同样是技术创业，你觉得你们和今天的这波大模型创业者有什么不同？沈亦晨：国内现在这一波大模型创业，很多创始人其实已经在业界做过一段时间，或者已经创业过一次了。比如杨植麟、闫俊杰都不是刚从学校毕业就出来创业。唐杰老师稍微不一样，他本来就是高校教授。但我们那一波不太一样。很多人是博士刚毕业，甚至还没毕业，就拿着论文和实验室成果出来创业。那更像是科学家第一次被资本系统性推到创业前台。如果再早五年，机会可能完全不一样，投资人未必敢投这种硬科技项目。晚点：你心目中技术创业的标杆企业家是谁？沈亦晨：张忠谋吧。但我觉得他最厉害的地方不只是技术，而是做出了几个非常关键的商业判断。比如选择做独立晶圆厂，走晶圆代工这条路；在正确的时间切入 CPU 制程；不去和客户竞争做自己的芯片，包括不像三星一样去做存储。这些判断后来都被证明非常重要。相比之下，我们今天还没有完成这样的商业验证。当然，我也希望自己未来能做出类似级别的战略决策。晚点：你们现在还会对标英伟达吗？沈亦晨：我觉得我们现在已经很难再把自己对标成英伟达了。更现实的路径，是成为未来数据中心，光芯片里的领先公司。我们判断，光芯片未来可能占到数据中心市场的 30% 到 50%，这个空间本身已经很大。接下来最重要的是两件事：光互连尽快抢占位置；光计算找到第一个真正成立的杀手级应用。晚点：你做光计算已经十年过去了，有没有哪一刻怀疑过，可能光计算这条路本身可能就不成立？沈亦晨：站在技术进步的角度，这件事就应该有公司去尝试。更何况万一摩尔定律真的到头了呢？一旦做成，我们的上限也会非常高。晚点：但也有可能成为炮灰？沈亦晨：哪怕成为炮灰。我们本来就是最早提出这条路线的人，如果我们不做这个炮灰，谁来做？而且这条路上值得有炮灰，你看量子计算还有那么多公司在做呢。","news_type":1,"symbols_score_info":{"01879":2}},"isVote":1,"tweetType":1,"viewCount":102,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":["QTUM","QPUX"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":44,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}