進入2026年下半年，AI算力的敘事正在發生微妙而劇烈的變化。
如果說去年市場還在爭論“算力夠不夠用”時，那麼今年，行業共識已經轉向了另一個更棘手的問題——“算力用得起嗎？” 隨著大模型參數躍升至兆等級，推理成本與能耗也呈現指數級攀升，這正成為吞噬整個產業利潤，並將其消耗在巨大電費和晶片採購單裡的一個隱形枷鎖。
與此同時，當輝達的GPU一卡難求，當智算中心的PUE值成為懸在營運方頭上的達摩克利斯之劍，一個沉默的事實也隨之浮出水面：電晶片的摩爾定律已逼近物理極限，而大模型的規模擴張遠未見頂。
在這個結構性困局中，一家源自清華大學電子系、名為“每刻深思”的公司，正試圖用一種物理學層面的底層創新，繞開傳統電晶片的“死亡之谷”。
他們沒有擠進熱鬧的中國國產GPU替代賽道，也沒有在CUDA生態裡做錦上添花的適配，而是選擇了一條更為硬核且孤獨的路——空間光計算。
選擇那條“代際差”最大的路
每刻深思
在很多時候，非共識才是破局的鑰匙。
故事的起點，遠比每刻深思成立時的2020年，要早得多。當時，在整個晶片行業都陷入狂熱追逐數位電路的摩爾定律之時，清華實驗室裡的喬飛老師就長期深耕於一個少有人關注的方向——模擬計算。團隊堅信：模擬架構才是更貼合物理世界的原生訊號特徵，也是最直接的路徑。
2020年，在戴瓊海院士與清華電子系喬飛老師的共同帶領下，每刻深思正式誕生。履歷顯示，每刻深思聯合創始人兼CEO鄒天琦與CTO劉哲宇博士為清華電子系科班出身，在兩位老師的“熏陶”下，讀書期間鄒天琦就對光電融合有著極強的興趣與認知。
然而，真正讓鄒天琦下定決心深耕這條技術路線的，是 2023 年團隊在《自然》雜誌上，刊發的一篇聚焦空間光計算領域的研究論文。
“這是業內較早刊發、也是基於公開資料在中國率先刊發的首篇論文。” 鄒天琦在採訪中談及這項成果時，仍記憶猶新，“這篇成果發表後，包括人民日報、新華社等媒體都對我們進行了報導。”
這一判斷，直接決定了公司未來的發展軌跡。在每刻深思成立初期，鄒天琦和團隊便看穿事物的本質：當傳統電晶片在1奈米以下之後，量子隧穿效應明顯。這意味著，摩爾定律到頭了。而光在傳播過程中沒有損耗，頻寬和速度都比電子要高出幾個數量級。
“在中國，電力是明顯的技術優勢，而美國的優勢是算力。那麼，現在市場共識中的‘電算光聯’只是過渡、階段性方案”鄒天琦判斷道，“未來，‘光算光連’將是長期方向，這也是我們團隊持續探索的重點領域。”
更為關鍵的是，鄒天琦也對大模型時代的算力供需關係，有著自己的洞察和思考。當前，大模型的參數量已從幾十B飆升到TB等級，帶來的能耗和延時瓶頸水漲船高。在這種背景下，用光來替代電做特定計算，不是線性迭代，而是天然具備差異化的技術優勢。
於是，每刻深思從出生之日起，就選擇了一條在外人看來“不切實際”的路線：不做通用的數字AI晶片，聚焦空間光計算。鄒天琦的邏輯鏈條也十分簡單：在大模型推理側，光是天然適配矩陣向量乘加運算的物理載體。在傳播中平行計算，無需像電訊號那樣受制於RC延遲和串擾。
他的邏輯是：在計算中心的總擁有成本（TCO）裡，功耗和散熱成本正以驚人的速度吞噬利潤，而光計算在推理側，能帶來能耗比和運算速度上的顯著優勢。當GPU在做推理時由於冗餘功能導致性價比變低時，空間光計算晶片（OPU）作為專用的Decoder，讓GPU去做Prefill任務，分工協作，整體TCO下降立竿見影。
畢竟，這是大模型推理爆發的時代，而不是單純堆砌訓練卡的時代。
鄒天琦用物理原理，量化了空間光與一維光波導方案的差異。在他看來，一維光波導是“一頭進一頭出”，器件規模擴大時相位調製損耗成正比增長；而空間光是“在一個三維空間裡同時發生”的計算，基於惠更斯-菲涅耳原理，利用自由空間光傳播，兩者技術可以互補。
“如果把傳統光計算比作單一公路，那麼我們的空間光計算，就是整體城市路網。”鄒天琦用這個形象的對比，來解釋了空間光計算的平行度優勢：這不僅僅是路變寬了，而是實現了質的飛躍。
“相當於，陣列規模直接決定了能承載多大的模型，而空間光計算能讓算力隨著面積呈平方級爆發；同時，付出的介面損耗代價，只呈線性增長。這意味著，用更小的代價，換取了更大的算力爆發。”
所以，每刻深思團隊正在做的事情，歸根結底為一句話：在智算中心的推理側，通過空間光計算這一底層物理範式的創新，有效緩解電晶片製程發展帶來的制約，借助光的衍射與完成算力場景中能耗最高的矩陣乘法運算，實現單位算力成本的大幅下降。
而這條技術路線，早在 2023 年團隊發表頂刊論文時就已確定，只是當時大多數投資人和產業方都盯著製程微縮和CUDA生態遷移。如今回頭來看，這條具備顯著代際技術差異的路線，正在被時間聽見。
從“可用”到“好用”，每刻深思的產業驗證
每刻深思
再說回產業鏈的現實，每刻深思是純中國國產的光計算晶片與應用方案提供商。
但中國國產替代從來不是一條容易的路。縱觀硬科技產業發展，始終通行“落地為王”的現實主義邏輯，如今這條邏輯同樣適用於空間光計算賽道的每刻深思。要知道，在空間光計算賽道，光源、衍射超表面、CMOS接收器、光電共封技術等上游供應鏈，雖然在中國光通訊和顯示行業已有大規模量產基礎，但把它們拼裝成一個能跑大模型推理的商用光計算晶片，卻是之前沒有人走過的路。
“我們不是從零起步，”鄒天琦坦言，“光互連光通訊和顯示行業的頭部玩家，他們的產能和技術已被我們充分復用。”但即便如此，將經典的波動光學原理與當代超表面製造技術結合起來，把實驗室裡的光場調控方案變成資料中心裡可插拔的OPU板卡，這中間隔著的絕不僅是工程難題，而是系統級的架構創新。
2026 年每刻深思實現空間光計算商業化落地。我們選擇差異化的空間光計算技術路徑，依靠獨特硬體架構實現了算力處理能力跨越式提升，這也是我們率先落地商用的關鍵。
依託團隊深厚的工程與演算法協同。他們把計算中心裡最耗時的矩陣向量乘加，用光的衍射在三維空間裡平行完成後，再通過CMOS感測器陣列讀取訊號，在電域完成非線性的可程式設計操作，並反饋給光源進行循環迭代——形成了一套完整的光電混合計算回路。
外界常將團隊的突破簡單歸結於“清華背景”，但這只是冰山一角。空間光計算賽道創業成功的核心在於領導者是否“懂物理、懂材料、懂演算法、懂工程”。傳統數字晶片設計的分工模式在這裡失效了，你必須深入光、電、材料的交叉細節，才能把理論上平行度極高的光學優勢，轉化為實際資料中心裡可測量的低延時和低功耗。
截至目前，全球範圍內，包括 Neurophos、Lumai 在內的多家海外機構都在佈局空間光計算賽道，且各家也結合自身情況，規劃出了差異化的研發路徑。
但鄒天琦表示：每刻深思的研發重心，是放在技術打通、產品落地與客戶場景的實際試用上。“依託這套側重產業落地的工程研發思路，團隊已完成中國千卡級智算中心商業化試點落地。”
儘管從客觀上看，當前光計算整體產業鏈尚處發展早期，配套產業生態也仍需持續培育，但團隊只要依託中國成熟的光通訊、顯示產業鏈配套，去適配光計算底層物理特性的研發方案，就能逐步抹平工程化初期的成本鴻溝。
鄒天琦把這種“角色”，定位為中國國產算力生態中，新型計算範式的重點探索者。他進一步解釋，正如GPU的出現替代了CPU在平行計算中的主導地位，OPU與GPU之間，同樣是代際差別。此前，‘十五五’規劃前瞻佈局未來算力產業，光電融合、光子計算作為前沿技術被納入重點攻關方向，為產業長期發展明確了政策導向。我們團隊始終深耕這條技術路線，並持續推進研發落地。
而這一判斷，也在2026年7月迎來了關鍵的產業驗證。7月，每刻深思與中國國產GPU領軍企業壁仞科技、大模型獨角獸階躍星辰達成三方戰略合作，聯合發佈光電融合AI智算平台。三方打通了“光計算推理晶片+通用GPU+大模型演算法”的全端技術鏈路：每刻深思提供空間光計算晶片，加速能效比的提升；壁仞科技通過旗艦壁礪™系列GPU產品，提供算力底座與叢集調度方案；階躍星辰則負責大模型最佳化與算子層底層適配，打通演算法與異構硬體的壁壘。
這並非簡單的商業聯盟，而是從學術共識走向工程協同的系統性答卷，更是每刻深思從“可用”到“好用”，迎來產業驗證的高光時刻。
光子紅利，每刻深思的故事正在被市場看見
每刻深思
如果說供應鏈復用與產業驗證，是每刻深思破局的關鍵，那麼基礎物理原理的工程化就是每刻深思最核心的“護城河”。
（每刻深思創始人、董事長 鄒天琦）
在採訪中，鄒天琦反覆提及一個判斷：“光計算相比於電計算，在做專用的矩陣向量乘加中，速度、功耗、Token每秒上都具備突出優勢。 ”這種優勢並非來自軟體最佳化，而是來自物理世界的底層法則——光在傳播中天然平行、天然無阻。
在這種觀念和信仰的驅使下，每刻深思團隊攻堅空間光計算技術，經過多輪技術迭代與可靠性驗證，最終將衍射超表面、光源陣列和CMOS接收陣列封裝成可商用的產品形態。過程中，他們做了一件讓行業驚訝的事：用已成熟的光通訊和顯示行業的供應鏈，“攢出”了一顆能跑AI大模型推理的專用空間光計算晶片。
當然，每刻深思團隊核心定位是紮根算力底層的 “物理層創新者”—— 不侷限於軟體層面的迭代最佳化，而是從物理定律維度重新定義計算架構。
因此，在技術路線上，每刻深思放棄了在單一晶片上追求極致整合度的做法，轉而採用“大規模陣列+光電混合回路”的架構，使得陣列規模達到400×400，在資料平行處理的能力上，實現了兩個數量級的提升。
“只要跟傳統電晶片反著來，你會發現有比較大的收益。 ”鄒天琦這句話背後，是每刻深思對“電算光聯”主流共識的徹底顛覆。他們取消了電晶片中複雜的快取和調度邏輯，把算力直接寫在光的衍射場裡。
當然，晶片硬體突破只是開始。基於OPU，團隊進一步提出了“光電異構推理架構”——讓OPU做專用的Decoder處理推理的矩陣乘加，讓GPU去處理Prefill等需要靈活性的任務。這種分工，在不改變上層應用程式碼的前提下，將推理的總擁有成本大幅拉低。
鄒天琦解釋，目前大模型推理中GPU的算力利用率並不高，很多功能在推理場景是冗餘的。“我們的OPU一代，就是為推理而生，量身打造的產品。 ”他說。
隨著商業化合作的逐步落地，每刻深思的OPU將在其中扮演著至關重要的角色——“加速卡”，並承接大模型推理中最繁重的矩陣運算。這僅是產業化落地的起步階段。後續，公司的核心工作將是，在多地推進算力叢集商業化試點項目；與此同時，相關項目也不只侷限於實驗室Demo階段，而是客戶真金白銀的採購，進行實際投入。
一個有趣的現像是，目前，在每刻深思智算中心的落地項目中，客戶最關心的不再是“光計算是什麼”，而是“它能幫我省多少電、省多少卡”。這本身已說明，AI算力的核心矛盾已經從“能不能算”轉移到了“算不算得起”。
在這一點上看，每刻深思已從“非共識”走向了舞台中央。它的故事，正在被市場看見和認可。當電子晶片的摩爾定律逐漸失效時，光計算恰恰給了一家從清華實驗室走出來的公司，實現“換道超車”的機會。
他們用一束光的衍射，在這場新的競賽中，照出了一條新路：讓光計算不再是學術論文裡的概念，而是資料中心裡實打實的第三選擇。也正因如此，在中國國產算力全面突圍的時代，每刻深思已先行一步，跑出了自己的加速度。(芯師爺)