“数亿元种子轮”背后，是一笔无法拆分的融资账

智子光垣宣布完成数亿元种子轮融资。据36氪报道，这家总部位于上海闵行的公司成立于2026年5月，成立后已连续完成5轮种子轮次融资，投资方包括海桐国际创新中心、云启资本、国泰海通、险峰长青、原子创投、同鑫资本和上海交通大学AI未来基金。需要明确的是，36氪首发报道的表述是“已完成数亿元种子轮融资”，随后紧接“公司成立后已连续完成5轮种子轮次融资”，两句之间的逻辑关系并未被明确拆解。因此，“数亿元”究竟是其中某一轮的金额，还是5轮累计的总额，来源未作说明。任何试图将“数亿元”直接等同于单轮融资规模的解读，都超出了来源所能支持的范围。来源将七家投资方作为一个整体列出，但未说明它们是在同一轮进入，还是分散在成立半年内的5轮种子轮次融资中。这种披露方式在早期硬科技项目中并不少见，但它使外部难以判断公司当前的估值锚点、各轮之间的估值变化，以及不同机构进入时的风险偏好差异。对智子光垣而言，融资节奏本身可能比金额更能反映资本对其技术路线的阶段性判断，但具体结构仍需公司或投资方进一步披露才能确认。

字段 内容
公司 智子光垣（智子光垣科技(上海)有限公司）
轮次 种子轮
金额 数亿元（来源未区分本轮单笔与成立以来累计，本轮金额待确认）
投资方 海桐国际创新中心、云启资本、国泰海通、险峰长青、原子创投、同鑫资本、上海交通大学AI未来基金
总部 上海闵行
创始人 程远
官网 未披露

智子光垣的叙事核心，是把光计算从专用加速推向通用计算平台。据36氪报道，公司技术路线为可重构全光计算架构，通过时空可重构适配不同模型与计算任务，融合干涉计算与衍射计算，并借助Chiplet将两类计算模块集成到同一架构中。这个技术描述在光学层面有清晰的指向，但真正决定公司命运的环节发生在芯片回片之后：器件差异、噪声、温漂能否被控制在可交付的范围内，以及两款已流片产品能否按计划通过封装测试、板卡联调和客户验证。

两条产品线同时流片，但“可部署产品”仍隔着回片验证

智子光垣规划了两条产品线。以下产品规格均为公司单方披露，尚无独立第三方验证。服务器端产品为光电加速板卡“烛龙OPU-08”，采用PCIe形态，规格为256×256计算核心、150TOPS算力，聚焦AI推理中的大规模矩阵运算。端侧产品为光计算芯片“玄鉴TOCU-07”，规格为128×128计算核心、100TOPS算力，面向边缘端低功耗智能设备。据36氪报道，玄鉴TOCU-07支持收集微弱自然环境光直接运算，省去该输入路径上的光电编码。两款产品的首版相关芯片均已送出流片，公司计划在未来半年内陆续推出可部署产品。

“已送流片”与“可部署产品”之间的距离，是光计算公司最容易被低估的环节。公司称，产品性能仍需芯片回片后测试验证。来源称公司目前与国内代工、封测厂合作推进批量生产，但未披露具体合作方名称。公司称通过软硬件协同校准可将矩阵运算误差降到10^-6水平，并称在光芯片中加入自动化纳秒级校准模块以提升批量一致性。这两项技术声明目前均无独立第三方验证，其实际含义需要等到芯片回片后的测试数据才能判断。

烛龙OPU-08以PCIe板卡形态面向服务器，其验证链条不仅包括光芯片本身的回片测试，还包括板卡与服务器主机的兼容性、驱动与软件栈的稳定性，以及在大模型推理任务中的实际加速比。玄鉴TOCU-07面向端侧低功耗设备，其验证重点则更偏向功耗、封装尺寸和自然环境光输入路径的可靠性。两条产品线共享同一套可重构全光计算架构，但它们的客户验证环境和交付标准并不相同。公司称近期重点是完成两款产品的封装测试、板卡联调、模型适配和客户验证，这意味着未来半年内公司需要同时推进两条验证链路。

干涉加衍射加Chiplet：架构选择决定了工程化难度

智子光垣的技术路线有一个明确的差异化选择：将干涉计算与衍射计算融合在同一颗光计算芯片上，并通过Chiplet实现模块化集成。程远称，这是“架构级别的创新”，目的是突破传统光计算架构在灵活性与计算规模上的局限。从技术逻辑看，干涉与衍射对器件工艺、温度控制和封装精度的要求并不相同，将它们放在同一架构中，意味着公司必须同时解决两类器件的工程化问题，而不是先集中攻克一类。这一选择直接反映在烛龙OPU-08的256×256计算核心与玄鉴TOCU-07的128×128计算核心上：两款产品共享同一套可重构架构，但服务器端与端侧对精度、功耗和封装尺寸的要求并不一致。

公司称，其同时推进“光传光算”与全光非线性技术，以减少关键计算环节的光电转换。这一方向在能效上具有吸引力，但全光非线性的实现难度在光计算领域是公认的工程化瓶颈。公司未披露其全光非线性模块的具体实现方式、材料体系或性能指标，因此这一技术能力目前只能作为公司单方声明看待。更长期的目标是训推一体的通用光子GPGPU，公司预计2027年底或2028年初推出第一版。从已披露的两款产品规格看，烛龙OPU-08和玄鉴TOCU-07均聚焦推理场景的矩阵运算，训练场景的光计算实现尚未有具体产品节点，通用光子GPGPU的时间表存在显著的不确定性。

将干涉与衍射模块通过Chiplet集成到同一架构中，还隐含着一个软件层面的问题：可重构能力的实际发挥，取决于调度算法能否在任务切换时有效重组光路或调整计算关系。公司称其从芯片底层设计时空重构架构，在空间和时间上调制计算关系，任务变化时通过重组光路或调整调度算法适配。这意味着，架构层面的可重构性需要一套与之匹配的编译或调度工具链来兑现。如果软件层无法将不同模型映射到可重构硬件上，硬件的灵活性就难以转化为客户可感知的通用性。来源未披露公司是否已建立配套软件栈，也未说明两款产品在模型适配环节的具体进展，因此“可重构”目前仍是一个需要回片后通过实际任务切换来验证的架构承诺，而非已实现的产品能力。

投资方各说各话：技术路线、团队履历与产业接口

已披露表态的四家投资方呈现出不同的关注重点。云启资本表示，长期看好光计算为AI算力基础设施带来的突破，并称智子光垣团队“在可重构全光计算架构上有深厚积累，同时具备从芯片研发到大客户规模化交付的产业经验”。需要明确的是，这是云启资本对团队履历的判断，来源未披露其具体所指的交付案例。原子创投董事总经理赵旸表示，下一代AI算力需要新的底层架构，原子创投长期看好全光计算，并称“程远团队既有多年科研积累，也有从芯片研发到产品规模化落地的完整创业经历”。国泰海通表示，AI算力产业发展的下半场向着token降本的方向发展，光计算芯片有望缓解AI算力紧缺困境，看好智子光垣的技术路线具备通用、可重构和大规模计算能力的核心优势，以及从前沿科学研究到半导体工程化落地的成功经验。国泰海通的看好未附带产品实测数据，其判断依据来源未进一步说明。海桐国际创新中心表示看好团队在光子前沿方向的创新潜力和技术优势，并称将依托自身硬科技孵化生态资源，持续为智子光垣对接产业伙伴、科研平台与行业渠道。其余三家投资方险峰长青、同鑫资本和上海交通大学AI未来基金未在来源中给出表态。

四家机构的公开表态侧重不同：云启资本强调交付经验，原子创投强调创始团队的科研与创业双重背景，国泰海通强调token降本趋势与技术路线优势，海桐国际创新中心强调孵化生态的资源对接。但来源未披露各机构投资金额、进入轮次及决策依据，无法据此判断其押注逻辑是否一致。

七家投资方中，上海交通大学AI未来基金的参与值得单独审视。创始人程远本身是上海交大人工智能学院副教授，这一背景使该基金的投资带有明显的校地协同色彩。来源未披露上海交通大学AI未来基金的投资金额、决策过程或与公司之间的具体关联安排，因此无法判断其参与是纯财务投资，还是包含技术转化、人才输送或科研合作等非财务要素。同样，海桐国际创新中心作为孵化器性质的机构，其表态强调对接产业伙伴、科研平台与行业渠道，这与财务投资机构的回报逻辑存在差异。这种投资方构成可能意味着智子光垣的早期资本同时承担了资金供给和产业接口两种功能，但各方的具体角色和约束条件，来源均未进一步说明。

意向客户与协处理器定位：商业化叙事的边界

程远表示，目前已积累了不少意向客户，并提到有板卡厂商计划推出一款光电加速板卡，智子光垣的光芯片会在其GPGPU上作为协处理器加速模块发挥作用。这一表述给出了一个具体的商业化路径：不直接与GPU厂商竞争，而是以协处理器的身份嵌入现有算力架构。从产业逻辑看，这种定位降低了市场进入门槛，但也意味着智子光垣的产品价值需要依赖主处理器的调度和配套软件栈的支持，其独立议价能力和性能贡献的归因都会受到约束。

“意向客户”与“订单”之间的距离，在芯片行业尤其需要谨慎对待。来源未披露任何客户名称、订单金额或签约时间，也未说明意向客户转化为实际采购的条件。公司称，近期重点是完成烛龙、玄鉴的封装测试、板卡联调、模型适配和客户验证。这意味着，在芯片回片之前，所谓“意向客户”更多是商业接触层面的进展，而非可确认的收入来源。据36氪报道，资金将主要用于核心芯片研发与流片迭代、高端人才引进与团队建设，以及应用场景拓展与生态合作。

协处理器定位虽然降低了与GPU厂商正面竞争的门槛，但也把智子光垣的产品价值绑定在了一个尚未公开的板卡厂商计划上。来源未披露该板卡厂商的名称、合作阶段或任何测试数据。编辑分析认为，这一路径能否成立，取决于三个待核验条件：该板卡厂商的产品计划是否已经进入工程阶段，智子光垣的芯片是否已经通过该厂商的选型测试，以及协处理器在整卡中的性能贡献如何被独立衡量。如果光芯片只是作为加速模块嵌入，客户最终感知到的是整卡性能，智子光垣需要证明自己的芯片在整卡性能中贡献了不可替代的部分，否则其议价空间可能被主处理器和板卡厂商挤压。目前这一商业化路径仍停留在计划层面。

验证边界与可复核指标：什么数据能证明这家公司走通了

智子光垣目前所有关键性能指标均来自公司单方披露，尚无独立第三方验证。以下为编辑提出的核验节点，与公司披露的计划节点区分：芯片回片后的实测算力是否达到标称值；矩阵运算误差在批量芯片中的分布是否稳定在10^-6水平；烛龙OPU-08在真实服务器环境中的板卡联调和模型适配能否按计划完成；玄鉴TOCU-07在端侧低功耗场景下的功耗、封装尺寸和供应链成熟度是否满足客户要求。来源未披露良率数据、量产时间表或客户验证的具体时间节点。

据36氪报道，公司希望依托团队在前沿技术研发、芯片工程化及系统级产品部署方面的积累，将光芯片的落地应用进程加快2-3年。这是公司单方提出的目标，尚未经独立验证。从已披露的信息看，团队近50人，核心成员累计完成数十款光芯片的设计、流片及验证，并发表近20篇Nature/Science系列论文。创始人程远为上海交大人工智能学院副教授，曾任某科技公司联合创始人/CTO，来源未披露该公司具体名称。这些背景为团队的技术能力提供了一定支撑，但从论文和流片记录到批量交付的跨越，恰恰是光计算行业最稀缺的验证环节。

据36氪报道，产业合作将围绕工艺封测、服务器厂商、端侧应用伙伴和模型适配展开。这一表述给出了商业化的方向，但未披露任何已签署的合作协议或具体的产业链伙伴名称。智子光垣的两款产品已经送出流片，未来半年内能否按计划推出可部署产品，将是检验这家公司工程化能力的第一道关口。

在缺乏第三方实测数据的情况下，10^-6矩阵运算误差这一指标的可复核性需要更具体的测试条件来支撑。该误差水平是在何种矩阵规模、何种数据类型、何种温度范围内测得，来源未披露。公司称其通过自动化纳秒级校准模块配合软硬件补偿来提升批量一致性，但校准模块本身的有效性也需要在回片后的批量测试中验证。因此，10^-6目前更适合被理解为一个设计目标或实验室条件下的初步指标，而非已实现的批量产品规格。真正有说服力的验证，应当是回片后在多颗芯片、多温度点、多任务负载下的误差分布数据，以及该误差对实际模型推理精度的影响评估。

RecodeX 极客视：智子光垣的下一步观察点不在新的融资轮次，而在两款已流片芯片的回片数据。烛龙OPU-08能否在服务器环境中跑通板卡联调与模型适配，玄鉴TOCU-07能否在端侧功耗和封装约束下稳定输出，以及10^-6矩阵运算误差能否在多颗芯片、多温度点下复现，这三项指标将决定“可重构全光计算”是停留在架构叙事，还是进入可交付的产品周期。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。