光子互連技術是這篇文章討論的核心

💡 核心結論: Olix 透過「光子互連 (Photonic Interconnects)」與專用化設計,試圖徹底繞過 NVIDIA 賴以生存的 HBM (高頻寬記憶體) 瓶頸,將 AI 算力從單一晶片轉向「整機櫃方案」。
📊 未來預測: 隨著推論需求在 2026-2027 年爆發,專用 AI 推論晶片市場規模預計將突破 2 兆美元,光子計算技術將使能源效率提升 10-100 倍。
🛠️ 行動指南: 企業應關注從「通用 GPU」轉向「異構專用加速器」的部署策略,降低對昂貴 HBM 供應鏈的依賴。
⚠️ 風險預警: 儘管估值飆升至 33 億美元,但 Olix 的產品尚未大規模量產,Tape-out 後的良率與軟體生態系統(類 CUDA)的兼容性是最大變數。
最近在矽谷和倫敦的硬體圈子裡,大家都在聊一個叫 Olix 的怪物新創。老實說,看到一個 25 歲的小將在半年內把公司估值從 10 億美元直接推到 33 億美元,而且投資名單裡居然有 Arm、Netflix 創辦人 Reed Hastings 還有量化交易巨頭 Hudson River Trading,這劇本簡直像是在寫科幻小說。我觀察了這波資金流向後發現,資本市場這次賭的不是另一款「更好的 GPU」,而是一場關於 「如何不用 HBM 也能跑 AI」 的豪賭。
為什麼 Olix 的 33 億美元估值讓業界震驚?
現在的 AI 算力市場基本上是 NVIDIA 的獨角戲,但 NVIDIA 的 H100/B200 有個阿基里斯之腱:記憶體牆 (Memory Wall)。為了讓晶片能快速讀取數據,必須使用極其昂貴且供應受限的 HBM (高頻寬記憶體),這導致晶片價格飛漲,且生產週期被 TSMC 和 SK Hynix 等供應鏈死死卡住。
Olix 幹了件很瘋的事:他們直接宣佈 「不依賴先進製程、不依賴 HBM、不依賴先進封裝」。這在傳統半導體工程師看來簡直是天方夜譚,但 Olix 證明了只要改變傳輸邏輯,就能在不追求極小製程的情況下,實現極高的吞吐量。這就是為什麼 Arm 等公司會瘋狂湧入——因為如果 Olix 成功,AI 晶片的成本將大幅下降,權力中心將從「擁有最先進封裝設備的公司」轉移到「擁有最優傳輸架構的公司」。
光子互連是什麼?如何砍掉 HBM 的枷鎖?
簡單來說,目前的晶片是用「電子」在銅線裡跑,但電子在高速傳輸時會發熱且有電阻,這就是為什麼伺服器機房像烤箱一樣。Olix 採用的是 光子互連 (Photonic Interconnects),也就是用「激光」來傳輸數據。
想像一下,原本數據像是在擁擠的巷弄(銅線)裡開車,現在 Olix 直接修了一條高速光纖隧道。因為光速極快且幾乎不發熱,他們可以將數據在晶片與記憶體之間「瞬間移動」,而不需要將記憶體像 HBM 那樣死死地堆疊在計算核心旁邊。這意味著 Olix 可以使用更便宜、更易獲取的記憶體方案,而依然保持極高的速度。
2026 年 AI 基礎設施:從「單晶片」到「整機櫃」的轉向
James Dacombe 在訪談中提到一句非常關鍵的話:「單一晶片處理所有 AI 工作負載的時代已經結束。」 這才是 Olix 最恐怖的戰略眼光。他不打算做一顆單獨的晶片拿去跟 H100 比,他要直接賣 「整機櫃方案」。
這意味著 Olix 將晶片、光子網路設備和軟體層面全部整合在一起。在 2026 年的 AI 定義中,「算力」將不再由單顆晶片的 TFLOPS 決定,而是由整個機櫃的 「有效吞吐量」 決定。當數據傳輸不再是瓶頸時,即便單個核心性能稍微低於 NVIDIA,但只要機櫃整體的能效比 (Performance per Watt) 提高 5 倍,雲端服務商 (CSP) 如 AWS 或 Azure 絕對會毫不猶豫地轉單。
James Dacombe:從腦科學到光子晶片的「連續創業天才」
聊到 Olix 不能不聊 James Dacombe。這傢伙 25 歲,但履歷表簡直是開掛。他在創業之前就創辦了 CoMind,一家專注於非侵入性腦部監測的新創公司,已經募資約 1 億美元。CoMind 的核心技術同樣涉及光子學(利用低功耗激光測量腦血流),這解釋了為什麼他能如此迅速地將光子技術橫移到 AI 晶片領域。
這種從「生物光子學」到「計算光子學」的跨界,讓 Olix 擁有了非常獨特的視角。他意識到 AI 的神經網路結構與人類大腦的資訊傳遞有驚人的相似之處:大量的局部連接與高速的長程傳輸。而光子互連恰恰是實現這種結構的唯一物理手段。
對 NVIDIA 的實際威脅有多大?
坦白說,短期內 NVIDIA 依然是王者,因為 CUDA 生態系統太深了。但 Olix 採取的是「側翼包抄」策略:他們專攻 AI 推論市場。對於大模型推論來說,不需要像訓練時那樣頻繁更新權重,更在乎的是延遲和能耗。這正是光子晶片的主場。
如果 Olix 明年交付的首批產品能證明在相同能耗下,推論速度提升 3 倍且成本降低 50%,那麼 NVIDIA 將面臨自 2012 年 CUDA 誕生以來最大的結構性挑戰。我們可能正處於 AI 硬體從「電子時代」跨入「光子時代」的臨界點。
常見問題 FAQ
Q1: Olix 的技術真的能完全取代 NVIDIA 的 GPU 嗎?
目前看來,Olix 的目標是取代 AI 推論(Inference)部分的基礎設施,而非全面取代訓練(Training)市場。它的優勢在於能效和成本,而非通用計算能力。
Q2: 為什麼不使用 HBM 會是巨大的優勢?
HBM 是目前 AI 晶片最大的成本與供應瓶頸。擺脫 HBM 意味著 Olix 可以靈活選擇記憶體供應商,大幅降低單價並縮短生產週期,這對追求規模化的雲端廠商極具吸引力。
Q3: 光子互連技術是否已經成熟?
光子技術在光纖通信中已成熟數十年,但將其集成到晶片級別(Silicon Photonics)仍是前沿挑戰。Olix 的成功關鍵在於其 Tape-out 後的實際量產良率。
參考文獻與權威來源:
Share this content:












