进入2026年下半年，AI算力的叙事正在发生微妙而剧烈的变化。

　　如果说去年市场还在争论“算力够不够用”时，那么今年，行业共识已经转向了另一个更棘手的问题——“算力用得起吗?” 随着大模型参数跃升至万亿级别，推理成本与能耗也呈现指数级攀升，这正成为吞噬整个产业利润，并将其消耗在巨大电费和芯片采购单里的一个隐形枷锁。

　　与此同时，当英伟达的GPU一卡难求，当智算中心的PUE值成为悬在运营方头上的达摩克利斯之剑，一个沉默的事实也随之浮出水面：电芯片的摩尔定律已逼近物理极限，而大模型的规模扩张远未见顶。

　　在这个结构性困局中，一家源自清华大学电子系、名为“每刻深思”的公司，正试图用一种物理学层面的底层创新，绕开传统电芯片的“死亡之谷”。

　　他们没有挤进热闹的国产GPU替代赛道，也没有在CUDA生态里做锦上添花的适配，而是选择了一条更为硬核且孤独的路——空间光计算。

　　选择那条“代际差”最大的路

　　在很多时候，非共识才是破局的钥匙。

　　故事的起点，远比每刻深思成立时的2020年，要早得多。当时，在整个芯片行业都陷入狂热追逐数字电路的摩尔定律之时，清华实验室里的乔飞老师就长期深耕于一个少有人关注的方向——模拟计算。团队坚信：模拟架构才是更贴合物理世界的原生信号特征，也是最直接的路径。

　　2020年，在戴琼海院士与清华电子系乔飞老师的共同带领下，每刻深思正式诞生。履历显示，每刻深思联合创始人兼CEO邹天琦与CTO刘哲宇博士为清华电子系科班出身，在两位老师的“熏陶”下，读书期间邹天琦就对光电融合有着极强的兴趣与认知。

　　然而，真正让邹天琦下定决心深耕这条技术路线的，是 2023 年团队在《自然》杂志上，刊发的一篇聚焦空间光计算领域的研究论文。

　　“这是业内较早刊发、也是基于公开资料在中国率先刊发的首篇论文。” 邹天琦在访问中谈及这项成果时，仍记忆犹新，“这篇成果发表后，包括人民日报、新华社等媒体都对我们进行了关注。”

　　这一判断，直接决定了公司未来的发展轨迹。在每刻深思成立初期，邹天琦和团队便看穿事物的本质：当传统电芯片在1纳米以下之后，量子隧穿效应明显。这意味着，摩尔定律到头了。而光在传播过程中没有损耗，带宽和速度都比电子要高出几个数量级。

　　“在中国，电力是明显的技术优势，而美国的优势是算力。那么，现在市场共识中的‘电算光联’只是过渡、阶段性方案”邹天琦判断道，“未来，‘光算光连’将是长期方向，这也是我们团队持续探索的重点领域。”

　　更为关键的是，邹天琦也对大模型时代的算力供需关系，有着自己的洞察和思考。当前，大模型的参数量已从几十B飙升到TB级别，带来的能耗和延时瓶颈水涨船高。在这种背景下，用光来替代电做特定计算，不是线性迭代，而是天然具备差异化的技术优势。

　　于是，每刻深思从出生之日起，就选择了一条在外人看来“不切实际”的路线：不做通用的数字AI芯片，聚焦空间光计算。邹天琦的逻辑链条也十分简单：在大模型推理侧，光是天然适配矩阵向量乘加运算的物理载体。在传播中并行计算，无需像电信号那样受制于RC延迟和串扰。

　　他的逻辑是：在计算中心的总拥有成本(TCO)里，功耗和散热成本正以惊人的速度吞噬利润，而光计算在推理侧，能带来能耗比和运算速度上的显著优势。当GPU在做推理时由于冗余功能导致性价比变低时，空间光计算芯片(OPU)作为专用的Decoder，让GPU去做Prefill任务，分工协作，整体TCO下降立竿见影。

　　毕竟，这是大模型推理爆发的时代，而不是单纯堆砌训练卡的时代。

　　邹天琦用物理原理，量化了空间光与一维光波导方案的差异。在他看来，一维光波导是“一头进一头出”，器件规模扩大时相位调制损耗成正比增长;而空间光是“在一个三维空间里同时发生”的计算，基于惠更斯-菲涅耳原理，利用自由空间光传播，两者技术可以互补。

　　“如果把传统光计算比作单一公路，那么我们的空间光计算，就是整体城市路网。”邹天琦用这个形象的对比，来解释了空间光计算的并行度优势：这不仅仅是路变宽了，而是实现了质的飞跃。

　　“相当于，阵列规模直接决定了能承载多大的模型，而空间光计算能让算力随着面积呈平方级爆发;同时，付出的接口损耗代价，只呈线性增长。这意味着，用更小的代价，换取了更大的算力爆发。”

　　所以，每刻深思团队正在做的事情，归根结底为一句话：在智算中心的推理侧，通过空间光计算这一底层物理范式的创新，有效缓解电芯片制程发展带来的制约，借助光的衍射与完成算力场景中能耗最高的矩阵乘法运算，实现单位算力成本的大幅下降。

　　而这条技术路线，早在 2023 年团队发表顶刊论文时就已确定，只是当时大多数投资人和产业方都盯着制程微缩和CUDA生态迁移。如今回头来看，这条具备显著代际技术差异的路线，正在被时间听见。