英偉達砸40億押注光芯片，硅光子技術真能讓AI算力翻10倍？

導讀：數據中心耗電量將在2030年突破全球總用電的4%，而英偉達剛剛用40億美元賭了一把——用光代替電來傳輸數據。

2014年，英國南安普頓大學的一個實驗室里，幾臺二手半導體設備被拼湊起來，組成了一個叫CORNERSTONE的開放原型平臺。沒人想到，這個"學術作坊"會在十年后成為英偉達布局下一代AI芯片的關鍵拼圖。

從電到光：為什么芯片非要"換賽道"

傳統芯片用電子傳遞信息，就像用馬車運貨——便宜、成熟，但速度和能耗都到了天花板。硅光子技術（Silicon Photonics）的思路很直接：讓光來做這件事。

光在光纖里的傳輸損耗極低，帶寬是銅線的數百倍，而且幾乎不產生熱量。CORNERSTONE的負責人Graham Reed教授打了個比方：「電信號在長距離傳輸時會像漏水的水管一樣衰減，而光信號幾乎不會。」

這個差異在AI時代被放大了。訓練一個大模型，GPU之間需要每秒交換數TB的數據，電互連的功耗和延遲讓工程師頭疼。英偉達的DGX系統里，光是用于GPU間通信的NVLink電纜，功耗就占了整機的15%以上。

用光互連替代電互連，理論上能把能效提升10倍，延遲降到納秒級。這不是優化，是換了一條路。

開源工廠：一個英國學術項目的"反商業"邏輯

CORNERSTONE的運營模式在半導體行業顯得很"叛逆"。它不追求專利墻，而是提供免許可的開放工藝平臺，任何人都能提交設計、制造原型。

創始人Reed的解釋很直白：「光子芯片的制造設備太貴了，一套電子束光刻機就要幾千萬英鎊。如果我們不讓更多人用上，這個行業永遠長不大。」

這種模式借鑒了開源軟件的經驗。過去十年，CORNERSTONE支撐了超過200個研究項目，孵化了十幾家初創公司。它的工藝庫被全球50多個機構調用，包括一些后來加入英偉達供應鏈的企業。

英偉達2024年對硅光子領域的40億美元投資，部分流向了與CORNERSTONE有技術淵源的團隊。錢流向哪里，往往說明技術路線已經跑通了。

從實驗室到數據中心：光芯片的落地時間表

硅光子不是新概念。英特爾在2000年代初就開始布局，但商業化一直卡在成本和封裝環節。光子器件和電子電路的集成難度，遠高于純電子芯片。

轉折點出現在2023年。ChatGPT引爆的算力需求，讓"能耗"從可選項變成了生死線。谷歌、亞馬遜的數據中心PUE（能源使用效率）已經逼近理論極限，再往下挖，必須從芯片層面動刀。

CORNERSTONE的合作伙伴、光計算公司Finchetto的CEO說得很具體：「我們用光來控制光，省去了光電轉換的環節。在特定計算任務上，能效可以比傳統方案高100倍。」

英偉達的動作更快。它的下一代AI芯片架構中，光互連被設計為標配而非選配。40億美元的投資里，收購和自建產線各占一半，目標是在2026年前實現量產。

誰還在牌桌上

除了英偉達，英特爾、臺積電、三星都在加碼硅光子。但技術路線有分歧：英特爾押注硅基激光器的單片集成，臺積電則傾向于將光子芯片和電子芯片封裝在一起。

CORNERSTONE的開放模式提供了一條中間道路——不站隊，讓市場自己選。它的工藝平臺同時支持多種集成方案，相當于給行業提供了一個"沙盒"。

英國政府2024年追加的2.5億英鎊半導體投資，有相當部分流向了這類基礎設施。在全球芯片競賽中，英國沒有最先進的制程，但試圖用開放創新卡住生態位。

這個策略能走多遠？一個信號是：CORNERSTONE的年度用戶申請量在2023年增長了47%，其中企業占比首次超過學術機構。

光芯片從實驗室到機房的距離，可能比電芯片短得多。當英偉達把硅光子寫進下一代產品的必選項時，這個行業的基礎設施才算真正成熟。問題是，你的數據中心準備好換"光纖"了嗎？