从一家仅凭顶级论文创业的实验室公司，到成功登陆港交所的“全球AI硅光芯片第一股”，沈亦晨带领曦智科技走过的九年，正是光计算从理论走向商业的缩影。他的策略并非一蹴而就，而是一场精密的“多维棋局”。
要理解他如何推动光计算商用落地，我们需要从战略决策、技术演进、生态构建三个关键维度来拆解。
从战略决策的视角来看，沈亦晨走了一条“先易后难，以战养战”的务实路径
2017年，沈亦晨在《自然·光子学》发表封面论文，理论上验证了光计算的可行性。但创业之初，他面临一个根本性选择：是直接攻坚终极目标——光计算芯片，还是先解决一个更紧迫、更成熟的现实问题？
他选择了后者。 2022年，曦智科技将战略重心转向了光互连业务。这个决策背后有清晰的商业逻辑：当时国内AI算力需求爆发，但单芯片算力不足，必须将大量芯片连接成集群，这导致了严重的“内存墙”和“功耗墙”瓶颈。
光互连技术恰好能破解这个难题，且技术成熟度远高于光计算，能更快实现商业化。
从结果看，这一步棋至关重要。光互连业务迅速成为公司的“现金牛”：2025年，该业务贡献了公司总收入的80%，并在中国独立Scale-up光互连市场占据了88.3% 的市场份额。这笔稳定的现金流，为需要长期投入、风险更高的光计算研发提供了持续的“输血”能力。
一位行业分析师指出，这种“光互连-光计算”两步走策略，是技术创业者应对商用落地挑战的典型路径，有效降低了技术商业化的风险[来自研究摘要]。
转向技术演进的视角，这是一场从实验室到产线的“马拉松式”攻坚
光计算的魅力在于其物理优势：光子不发热，传输几乎没有损耗。沈亦晨团队的核心技术——光子矩阵计算（oMAC），理论上能在特定的大规模矩阵运算（如AI训练中的核心计算）中实现指数级的速度提升。
然而，从论文到产品，每一步都充满挑战。曦智科技的技术迭代路径清晰可见：
2019年：发布首款光子芯片原型板卡“彗星”，验证工程可行性。
2021年：推出PACE处理器，在特定算法上展现出比当时高端GPU快数百倍的计算速度。
2025年：发布第二代产品“曦智天枢”（PACE 2），光子矩阵规模达到128x128，等效光算力为上一代的4倍。
性能数据确实诱人：在AI大模型训练场景下，其光电混合架构可实现单位算力能耗降低超50%，传输延迟降低90%以上。但沈亦晨本人也坦言，最初低估了工程落地的难度，“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”。
挑战集中在光电封装精度、硅光器件量产良率，以及整个光计算软件栈和开发者生态的匮乏上。
从生态构建的视角来看，沈亦晨选择了“开放中立”，与巨头错位竞争
在由英伟达、华为等巨头主导的算力生态中，一家创业公司如何突围？曦智科技的答案是：不做封闭体系的挑战者，而做全行业可复用的“基础设施提供商”。
这与华为、英伟达的路径形成鲜明对比。后者的光互连技术深度内嵌于自身的全栈体系，而曦智科技则强调开放合作，其光互连产品已与多家一线GPU公司适配。
这种“中立性”使其能够服务更广泛的客户群，截至2025年底已累计服务44家客户，并与GPU及服务器厂商签署了超15项设计导入合作。
为了构建护城河，曦智科技在产业链协同上深入布局：
资本协同：引入阿里巴巴、中国移动、腾讯等产业资本，通过投资纽带深化合作。
研发协同：联合上海交通大学、中际旭创等，提前布局CPO、OCS等前沿技术所需的上游工艺。
标准与专利：累计参与制定13项行业标准，拥有428项专利，其中超50%同时服务于光互连与光计算业务，构建了技术复用壁垒。
综合判断：一场务实的“持久战”，远未到终局
通过这三个维度的拆解，沈亦晨推动光计算商用的核心逻辑变得清晰：以光互连的“确定性现在”，滋养光计算的“颠覆性未来”。这是一条极为务实的路径，它让公司在2025年实现了光计算业务收入同比增长579%，并交付了首个光计算集群订单，证明了从单卡到集群的商业化能力。
然而，这场“追光”之旅远未结束。从整合视角看，曦智科技的成功在于其战略定力与生态卡位，但挑战同样巨大：
商业化规模：光计算业务收入基数仍小，2025年仅占公司总收入的20.8%，需要跨越从“有用”到“大规模用”的鸿沟。
工程与成本：正如沈亦晨所言，工程复杂度和成本控制是当前最大挑战，尤其是在使用全国产供应链的背景下。
生态成熟度：光计算专用的编译器、算子库等软件生态仍处于早期，需要与整个AI产业共同成长。
因此，沈亦晨的故事并非一个简单的技术胜利叙事，而是一个关于如何在正确的时间做正确的事，并用商业的可持续性为技术突破赢得时间的经典案例。
光计算能否最终成为算力主流，不仅取决于曦智科技的技术迭代速度，更取决于整个AI产业对算力效率的极致追求，何时能超越对现有成熟生态的路径依赖。这场“光”与“电”的竞赛，刚刚进入中场。
伍伍策略提示：文章来自网络，不代表本站观点。
