英伟达重金押注的赛道,一家中国控光芯片企业的微秒级突围|甲子光年

栏目:科技 | 来源:甲子光年 | 2026-11-16 14:09

力策获奖的研究瞄准了AI基础设施中越来越受关注的“连接”问题——全光交换(OCS)。

作者|周悦

编辑|栗子

算力竞赛,开始向“光”要答案。

10月14日,在美国圣何塞举行的开放计算项目(OCP)全球峰会上,力策科技的一项光交换研究《Wavelength-Granular OCS with Solid-State OPA: Energy-per-Bit for AI Fabrics》,获得未来技术研讨会AI/HPC(人工智能与高性能计算)最佳论文奖。

获奖奖杯图片

这是本届OCP未来技术研讨会公布的三项最佳论文奖之一。总体最佳论文奖由剑桥大学团队获得,可持续性最佳论文奖则由佛罗里达大学与马里兰大学帕克分校团队获得,力策是唯一来自企业的获奖团队。据力策科技创始人张忠祥向「甲子光年」介绍,本届研讨会共有160多篇投稿。

OCP汇集了超大规模云厂商、通信服务商、数据中心运营商与技术供应商,其未来技术研讨会关注未来数年可能产生实际影响的计算基础设施技术。

力策获奖的研究瞄准了AI基础设施中越来越受关注的“连接”问题——全光交换(OCS)。

当成千上万颗GPU共同训练和运行大模型时,数据需要在计算芯片之间频繁流动,通信拥堵与同步等待,都可能让昂贵的算力花时间“等路”。OCS通过直接建立光连接,减少数据传输中反复发生的光电转换。OCP今年4月发布的白皮书,已将其列为下一代AI和超大规模数据中心网络的重要技术方向。

资金也已开始向这一链条聚集。2026年3月,英伟达宣布分别向光器件企业Lumentum和Coherent投资20亿美元,并配套多年采购承诺与产能安排。算力巨头的关注点,正从计算芯片延伸到芯片之间如何连接。在光交换领域,英伟达也直接参与了OCS作为主营产品的iPronics和nEYE的投资。

但光互联的下一步,可能不只是把数据传得更快。一项AI任务的不同阶段,数据流向会发生变化。如果连接关系也能随任务调整,网络带宽便有机会得到更灵活的分配。谷歌把基于MEMS的OCS这一将近二十年历史的“老技术”带到了规模化实用阶段,基本满足了在训练(training)阶段对于AI计算中心之间数据搬运的需求。随着近几年AI计算中心的基建逐步深入,规模也在不断扩大,基建投入重心也从训练往推理转变,这是近期不少投资人向张忠祥追问的问题:光交换会不会从目前的低频率数据搬运和故障恢复,走向更快的动态重构?

力策的获奖论文提出了一种器件方案,将微秒级切换、波长粒度的带宽分配与较低光学损耗结合起来,并把评价指标指向传输每一个有效比特所消耗的能量。

支撑这一方案的,是力策多年积累的固态光束操控技术:在雷达中,它决定光束照向哪里;在光交换中,它决定携带数据的光进入哪条输出路径。张忠祥介绍,团队从2025年开始将这套能力拓展至光通信,两类应用共享大量底层技术。一项过去用于“看见世界”的技术,开始进入AI算力之间的连接。

1. AI网络,到底需要多快的光开关?

先回答投资人们关注的问题:AI网络确实正在产生对更快OCS的需求,但并非所有场景都需要微秒级切换,更不是越快越好。

全光交换并非新技术。Google早在2013年便将OCS部署进Jupiter生产网络;2020年投入运行的TPUv4超级计算机,也利用OCS动态重构不同计算单元之间的连接。

在Jupiter中,OCS替代了部分电交换层,减少光电转换;在TPUv4中,OCS则用于连接不同TPU计算单元,使网络能够根据任务重组拓扑、绕过故障硬件。OCP今年4月发布的白皮书中,已将这些列为进入实际部署的应用。

问题是,实际通信中究竟需要连接关系用多快的速度改变?

目前大量已部署的OCS更像一套自动重新布线的系统。如果在一个训练任务开始前,已知接下来哪些计算单元需要互联,网络就可以提前配置光路并保持相对稳定。此时,开关是用1毫秒还是10毫秒完成重构,对整体任务的影响并不明显。

OCP今年10月发布的《Fast-Switching OCS: Benefits, Technologies, System-Level Considerations, and Emerging Applications for Dynamic AI Fabrics》(快速切换OCS:面向动态AI Fabric的优势、技术、系统级考量与新兴应用)白皮书进一步划分了需求:毫秒级OCS适合低频连接调整、网络容量优化及拓扑相对固定的场景;当通信关系在数毫秒内就会发生变化(如训练迭代内部需重新分配连接),微秒级OCS才开始打开新的应用空间。

白皮书将“快速OCS”定义为亚毫秒级,典型范围在10至1000微秒。

白皮书同时指出,对于周期性、结构化的机器学习训练,网络可用于重构的空档通常只有微秒到毫秒级:当留给网络的窗口缩短到这个级别,几毫秒的重构时间就可能转化为GPU的等待时间,算力将在等待中被浪费。微秒级OCS针对的正是这样的场景。

2025年,哥伦比亚大学与英伟达研究人员在SC 2025发表的ACTINA研究《ACTINA: Adapting Circuit-Switching Techniques for AI Networking Architectures》,进一步量化了这种差异。

在其评估条件下,当OCS重构延迟低于100微秒时,任务内动态重构相比一次性静态配置,在特定配置下的通信性能最高可提升约2.3倍。但研究也指出,当网络带宽足够高时,这种优势会明显缩小。

反过来,即使在通信关系高度动态的MoE(混合专家)模型中,毫秒级OCS也不一定无用。香港科技大学等团队2025年在网络顶会SIGCOMM发表的MixNet研究《MixNet: A Runtime Reconfigurable Optical-Electrical Fabric for Distributed Mixture-of-Experts Training》发现,专家间的All-to-All通信虽然动态变化,却存在一定局部性,相邻迭代并非完全随机。系统可以利用上一轮流量预测下一轮需求,在GPU计算期间提前完成毫秒级光路重构,把等待时间“藏”在计算过程中。

ACTINA与MixNet提供了两种思路:前者用更快的器件缩短重构,后者借助预测和调度避开等待。两者可以结合。「甲子光年」认为,“AI需要更快OCS”不是一句适用于所有网络的产业口号。价值取决于工作负载的变化速度、可用带宽以及整套系统的配合。

换言之,更快的器件是一种解法,提前预测与调度也是一种解法。两者并不是互斥路线。前者缩短物理切换时间,后者尽量把等待提前“藏”进计算过程,二者还可以结合使用。

其中更关键的指标,是端到端重构时间。这就像铁路调图:道岔拨过去,不意味着列车立刻可以通行。网络先决定新的连接方式、下发指令;光开关完成切换后,接收端还要重新识别信号、恢复时钟和数据,服务器及网卡也要做好准备。

OCP白皮书指出,传统连续模式收发器在接入新的光源后,重新恢复时钟等过程可能需要数百微秒至毫秒。如果收发器、控制软件没有同步加快,一颗微秒级光开关省下的时间,仍会被其他环节消耗。

因此,更快的器件是缩短端到端重构时间的一环,却不是充分条件。它最终能为AI集群带来多大收益,还取决于网络调度、收发器和控制软件能否协同改进。

对力策而言,首先要解决的是其中的物理器件问题:当AI网络需要更短的重构窗口时,让光开关本身能够在微秒尺度内完成切换。

2. 十年控光积累,为什么能用于光交换?

2013年10月,张忠祥在深圳创办力策科技时,并没有想到,十多年后,这家公司研发的光束操控技术,会被用来研究AI数据中心的网络连接。

此前,他于2007年从中国科学技术大学毕业,2011年获得香港中文大学电子工程博士学位,曾访问美国哈佛大学Capasso研究组与台湾清华大学,并在香港生产力促进局从事MEMS传感器和半导体工艺开发。

力策另一位联合创始人、首席技术官杨丁宁,是张忠祥在中国科大的本科同班同学,后来保研去中科院攻读计算机方向博士,曾任职工信部泰尔实验室。两人在光学器件、驱动、控制算法与系统架构方面形成互补。

创业最初,力策尝试用拉曼激光雷达进行玻璃等材料检测,但市场空间有限。2015年初,团队转向测距型激光雷达。张忠祥在早年采访中回忆,当时深圳机器人行业兴起,力策所在的留学生创业大厦里,楼上楼下就有不少需要导航雷达的企业。新的客户需求,让光学技术找到了更明确的产品方向。

力策科技激光雷达曾配置在百度配送机器人

但团队还想解决一个更底层的问题:能否不用机械转动的部件,控制光束快速指向不同位置?

2017年前后,随着自动驾驶和固态激光雷达受到关注,力策将研发重心逐步转向光学相控阵(OPA)芯片。传统扫描雷达通常利用旋转机构或反射镜改变光束方向。OPA则不依赖反射镜的大幅机械转动,而是通过控制阵列中不同发光单元的相位关系,重新塑造光的波前,使光束转向指定位置。

对于当时的力策来说,这意味着从开发一款面向特定应用的雷达产品,进一步深入到决定光束如何转向的核心器件。

这条研发路线并不轻松,但也不断产生实质性的技术进展。2019年11月,张忠祥在接受麦姆斯咨询采访时介绍,力策的OPA芯片已经完成第三轮流片,其芯片架构的物理可行性得到验证,部分性能仍在持续优化。回忆早期研发计划,他承认:“我们在2017年的时候没有预料到流片会这么漫长。”直到2021年5月,力策才在学术会议上公开了OPA芯片的架构与相关成果。

反射式OPA芯片图

漫长的研发留下了可以检验的技术结果。根据力策此次提交的OCP论文,OPA芯片已经实现设计视场范围内的二维光束转向、角分辨率验证与微秒级随机访问切换;同一芯片平台还用于自由空间光链路和激光雷达点云采集。芯片与应用层面的直接成果,足以证明这套控光能力不会只徘徊在仿真阶段。除了此前发布的反射式OPA芯片,力策从去年七月份开始也开始公开演示透射式OPA芯片,相比反射式,在很多应用中透射式具有可实现更紧凑的光学设计的优势,但是对工艺的要求相比反射式会进一步提高。

达到这些结果并不容易。力策技术长文曾记录一次试错:团队曾尝试基于金属纳米天线的可调超表面方案,小尺寸器件尚可工作,但口径扩大至3毫米时,纳米级结构对晶圆制造提出极高要求,漏电使成品率下降。类似探索迫使团队同时思考效率、速度、扫描范围和工艺可制造性,而非只追求实验室中的光束偏转。

到2025年,AI光网络开始提出新的光交换需求,力策找到第二个应用方向。张忠祥向「甲子光年」介绍,从激光雷达到光交换,两类产品约有70%的底层技术共用,包括OPA芯片架构、驱动ASIC、制造工艺、光束校准与控制算法。虽然底层技术的共用并不代着研发成本的直接减少,但已有的技术累积从此刻起面向的是更广阔的市场。

在雷达中,芯片让光束照向外部目标;在光交换中,则是把携带数据的光引向指定输出端口。两种产品的工程要求不同,但多年前做出的控光器件,为进入通信市场提供了起点。

过去十年的研发,由此为力策进入一个新的市场提供了技术起点。

3. 一篇获奖论文,三项器件能力

这次获得OCP最佳论文奖的研究,是力策将上述积累迁移到通信场景的一次集中展示。论文中展示的方案并非单纯追求打造“最快的光开关”,而是从AI网络传输每一个有效比特的能耗出发,将切换速度、波长粒度的带宽分配与较低光学损耗结合起来。

第一项是切得更快。力策采用固态OPA方案,通过行波声场在纳米天线阵列上形成可编程相位分布,实现二维光束操控。

论文披露,其OPA器件随机访问切换时间约为0.3—10微秒,具体取决于有效区域与驱动配置。它提供的,是在AI网络需要更快改变连接关系时,将物理光开关的切换时间压缩至微秒尺度的可能性。

第二项是分得更细。目前许多OCS按整根光纤建立连接,相当于每次网络调度都要分配“一整条路”。但一根光纤本身可以同时承载多个不同波长的光信号。

力策利用光束偏转的波长色散特性,提出在O-band八波长网格中,使不同波长分别指向不同输出光纤。这相当于在光纤内划分车道,由此,单根光纤的带宽有机会被进一步拆分,而不必全部绑定到同一个目的地。

示意图

这种设计有望更灵活地匹配MoE等稀疏、非均匀的通信需求,减少整根光纤分配后未被充分利用的情况。

论文还报告了芯片在设计偏转范围内超过28 dB的旁瓣抑制比。不过,多波长同时运行的完整系统验证,以及大规模网络中的实际收益,仍需要在下一阶段完成。

第三项是降低光学损耗。光信号经过开关会产生能量损失,进而影响整个通信链路的功率预算。论文披露的芯片固有插损为0.7 dB;结合光纤耦合与封装,团队预测完整OCS/WSS系统总插损低于3 dB。

以上三项能力的组合,是力策论文的主要技术主张。目前已有芯片级测试结果,而端口规模、长期可靠性和制造成本,仍需要在通信系统中继续验证。

全光交换的未来并非只有中国企业能预见到,海外也已有企业沿着相近或不同路线进入OCS。美国Lumotive同样由激光雷达和3D感知起步,以可编程光控制超表面操控光束,已将数据中心OCS列为重要应用。2025年其B轮融资累计达到5900万美元,投资方包括比尔·盖茨旗下投资平台Gates Frontier、亚马逊工业创新基金等,三星风投也是既有股东;公开报道称其累计风险融资超过1亿美元。

另一家西班牙硅光企业iPronics,则已经推进到制造与客户导入环节。

2026年9月,iPronics完成1.25亿美元B轮融资,英伟达参与投资,累计融资达到1.77亿美元。同年3月,公司与光电子制造企业Fabrinet合作建设硅光OCS封装、组装、测试和认证产线,并披露已获得首批10家超大规模数据中心和AI集群OEM客户。

此外,另一家美国硅光企业Voyant Photonics也在2026年10月宣布,将此前为FMCW激光雷达开发的硅光开关架构用于AI数据中心OCS,计划向网络设备商提供可集成的光交换引擎。

无论是资本进入、制造合作,还是从感知到通信的技术迁移,力策都并非孤例。竞争正在从器件指标延伸至产品与客户。

4. 一颗控光芯片,怎样进入AI光互联供应链?

对力策来说,OCP获奖之后,更现实的问题是如何把器件能力变成可以交付的产品。

从目前的产品规划看,OCS(全光交换)与WSS(波长选择开关)是力策推进最快的通信方向。

两者共用光束指向和校准能力,但应用有所区别:OCS负责在不同端口之间建立和重构光路;WSS则可以将一根光纤中的不同波长分别送往不同输出端口,满足更细粒度的波长调度需求。力策提出的交付形态,包括OPA芯片、光引擎以及OCS/WSS模组,目标客户覆盖通信设备商、运营商及数据中心等。

根据公司材料,WSS原型正在推进,力策已启动与头部通信厂商的NRE(一次性工程研发)合作。NRE说明双方开始围绕具体产品需求进行工程开发,但尚不能等同于量产订单,也缺少可以公开核实的验收和采购数据。

力策此前规划,2026年第四季度推进1X9与1×20 WSS原型,2027年第一季度推进OCS样片和客户验证,2027年第三季度以OCS产品放量为目标。

对设备商来说,芯片能够在实验室中实现微秒级切换,还远远不够。实际产品不仅要满足端口数、总插损、串扰等性能要求,还要经过长期稳定性、封装、环境适应性与制造一致性的检验。

半导体工艺是力策长期投入的另一环。芯片架构解决的事物理基础的问题,而器件的实现最终需要依赖高度定制化的半导体工艺。经历了长达4年的外发流片后,在2021年力策转向了自建Fab,半导体工艺的优化终于进入了快车道。目前力策拥有150 nm自有工艺,并配套外发流片的90纳米驱动ASIC、芯片测试和校准能力,相关晶圆工艺覆盖6英寸和8英寸规格。

力策微纳器件研发中心以及6/8英寸晶圆裸片

自有工艺并不天然意味着成本更低或良率更高。它的潜在价值在于,当非标准光学器件仍处于快速迭代期时,芯片结构、工艺参数、驱动电路与封装可以更紧密地协同,而不必完全依赖外部标准工艺的开发节奏。

除OCS/WSS外,力策也将控光能力延伸至动态光耦合和卫星激光通信。前者面向CPO(共封装光学)及先进封装中的光纤—波导接口,仍处于关键工程验证阶段;后者用于卫星激光链路的捕获、指向与跟踪,尚在样片及后续搭载验证阶段。

回头看力策的创业经历,市场需求曾不止一次改变这家公司的产品方向。2015年,深圳机器人的需求让团队从材料检测转向激光雷达;十年后,AI网络对动态光连接的探索,又为同一套控光技术提供了新的应用市场。

这次,力策已有经多年验证的芯片架构与工艺积累,但要争取的是通信设备商系统中的位置。OCP获奖让技术方案受到关注;接下来,更有说服力的结果将来自客户验证和实际交付。

(封面图来源:AI生成,文中插图来源:力策科技)

了解更多

猜你想看

← 返回首页