Lightmatter Envise (硅光 AI 推理芯片)

产品概述

Lightmatter Envise 是全球首款硅光（Silicon Photonics）AI 推理芯片，2022-11 发布，2023 量产。基于 3nm 制程，集成 光子计算核心（Photonic Compute Core）+ MIPS RISC-V 处理器+ 硅光互连。2 PFLOPS FP16 算力（65W TDP），业界能效比最高的 AI 推理芯片之一（30 TOPS/W，比 NVIDIA H100 高 5-10 倍）。配套 8 卡系统 16 PFLOPS + 光互连。

革命性意义：首次在 AI 芯片中用光子代替电子计算矩阵乘法，光速 = 0 延迟 + 0 功耗（理论值），实际功耗节省 80-90%。是 AI 芯片架构的范式转变，与 Lightelligence、LightOn 并称"硅光三巨头"。

核心规格

项目	参数
架构	Lightmatter Passage 硅光（光电混合）
制程	TSMC 3nm
光子核心	4 个 Photonic Tensor Core（每个 4×4 阵列）
数字核心	64× MIPS RISC-V 处理器
HBM	64GB HBM3
内存带宽	1.6 TB/s
FP16	2 PFLOPS
FP32	~1 PFLOPS
INT8	4 POPS
TDP	65 W（业界最低 AI 推理 TDP 之一）
能效比	30 TOPS/W（H100 ~3 TOPS/W，10× 优势）
板卡形态	OAM
互连	Lightmatter Passage 光互连（PCIe + 光纤）
量产	2023 H2
单价	~$5,000-8,000（推测）

硅光计算原理

维度	传统 GPU	Lightmatter Envise
计算介质	电子（CMOS 晶体管）	光子（硅光波导 + 调制器）
矩阵乘法	MAC 阵列（晶体管开关）	马赫-泽恩德干涉仪（MZI）网格
信号传播	铜线 + 电阻	光波导 + 全光传播
延迟	纳秒级	0 延迟（光速）
功耗	平方律（CV²）	线性（仅调制器）
频率	1-2 GHz	>100 GHz（理论）
热设计	复杂液冷	自然冷却（65W）
缺点	-	非通用，仅适合矩阵乘（激活函数仍需数字）

MZI 矩阵乘法

输入向量 (4 维): [x0, x1, x2, x3]（光信号）
权重矩阵 W (4×4): 通过 MZI 网格配置
输出: y = W × x（光信号叠加）
ADC: 转换为数字（唯一电子步骤）

关键优势：

矩阵乘 0 功耗（光本身）
仅 ADC/DAC 消耗能量（占总算力 10%）
可重构：MZI 网格可编程（同硬件跑不同矩阵）

MIPS RISC-V 处理器

维度	规格
架构	MIPS RISC-V 兼容（64 位）
核心数	64 个（多线程）
频率	2 GHz
缓存	L1 32KB + L2 1MB 每核
作用	调度 + 激活函数 + 预处理
原因	MIPS 功耗低于 ARM Cortex-A78（核心数 4× 更省电）

为什么用 MIPS RISC-V：硅光核心仅适合矩阵乘，非矩阵操作（softmax、layernorm、attention） 仍需数字处理器。MIPS 比 ARM 同性能省 30% 功耗。

8 卡系统 16 PFLOPS

项目	配置
Envise 卡数	8
总算力	16 PFLOPS FP16
总 HBM	512GB
光互连带宽	1.6 TB/s 域内（Passage）
机柜 TDP	~520 W（仅 8 卡）
机柜形态	1U / 2U 服务器
价格	~$50-70K（8 卡系统）

对比 NVIDIA H100 8 卡：

算力 16 PF vs 32 PF（H100 FP8 dense 2 PF × 8）
功耗 520W vs 5600W（H100 700W × 8）— Envise 10× 优势
能效 30 TOPS/W vs 3 TOPS/W — 10× 优势
延迟 50% 更低（光互连）

厂商信息

项目	内容
公司	Lightmatter, Inc.
创始人	Nicholas Harris（MIT 博士）
成立	2017
总部	美国马萨诸塞州波士顿
融资	$420M+（D 轮 2023-Q2 领投：USIT + Google Ventures）
估值（2025）	~$1.2B（独角兽）
2025 营收	~$30M（早期商业化）
客户	谷歌内部测试、Meta、Anthropic、政府 HPC
CEO	Nicholas Harris
CTO	Darius Bunandar
代工	TSMC 3nm + AIM Photonics（硅光工艺）
专利	200+ 项硅光 AI 专利

Lightmatter 产品线

产品	定位	算力	发布
Envise	AI 推理芯片	2 PF FP16	2022-11
Passage M1000	光互连芯片（PCIe Gen5 光纤）	1.6 TB/s 域内	2022-11
Idiom	软件栈（PyTorch / TensorFlow 兼容）	-	持续更新
Envise X (推测)	第二代硅光，5 PF FP16	5 PF	2026 H2 推测

软件栈 Idiom

层级	工具	说明
AI 框架	Idiom	PyTorch 1:1 兼容（自动映射矩阵乘到光子）
	TensorFlow（实验）	兼容
编译器	Lightflow Compiler	矩阵算子 → 硅光配置 + MIPS 代码
运行时	Idiom Runtime	光子 + 数字核心协同调度
模型库	ModelZoo	LLaMA / Mistral / Qwen / SDXL

⚠️ 生态限制：硅光仅适合矩阵乘，softmax / attention / layernorm 等仍由 MIPS 处理，模型需经过 Idiom 编译器优化。PyTorch 模型直接运行性能下降 50-70%，需手工标记 lightmatter.optimize(model)。

适用场景

✅ 低功耗 AI 推理（数据中心 PUE 优化）
✅ 边缘 AI（65W 可用风冷/无液冷部署）
✅ 绿色 AI（碳中和目标企业）
✅ LLM 推理（2 PF FP16 装 70B FP16 + KV Cache）
✅ 政府/科研 HPC（美国能源部、NSA 兴趣）
❌ AI 训练（Envise 仅推理，训练仍需 GPU）
❌ CUDA 专有工作负载（需 Idiom 移植）
❌ 非矩阵乘任务（如 RNN 性能弱）

Lightmatter vs NVIDIA H100

指标	Lightmatter Envise	NVIDIA H100
算力 FP16	2 PF	2 PF FP8 sparse
TDP	65W	700W
能效	30 TOPS/W	3 TOPS/W
内存	64GB HBM3	80GB HBM3
延迟	0 延迟矩阵乘	纳秒级
训练支持	❌	✅
生态	Idiom (新)	CUDA (成熟)
生产成熟度	早期量产	完全成熟
价格	~$5-8K	~$25-30K

Envise 杀手锏：TDP 65W vs H100 700W = 10× 能效优势，部署成本（机柜密度 + 散热）远低于 H100。是 超大规模 AI 推理的最佳 H/W 之一。

硅光 AI 三巨头

公司	代号	算力	TDP	量产
Lightmatter	Envise	2 PF	65W	2023 H2
Lightelligence	天机芯 (Tianjic)	1.6 PF	~100W	2022 试点
LightOn	Alfred	1.2 PF	80W	2023 实验

关键特性

硅光计算：业界首款 AI 推理商用硅光芯片
30 TOPS/W：H100 10× 能效优势
65W TDP：风冷部署，无需液冷
MIPS RISC-V：64 核数字核心，处理非矩阵操作
光互连：Passage 1.6 TB/s 域内
缺点：仅推理、不支持训练、生态新

产品概述​

核心规格​

硅光计算原理​

MZI 矩阵乘法​

MIPS RISC-V 处理器​

8 卡系统 16 PFLOPS​

厂商信息​

Lightmatter 产品线​

软件栈 Idiom​

适用场景​

Lightmatter vs NVIDIA H100​

硅光 AI 三巨头​

关键特性​

相关卡​