| 公司 | 光啾科技 |
|---|---|
| 融资轮次 | 天使轮 |
| 融资金额 | 数千万元人民币 |
| 投资方 | 鼎峰科创、浦东创投、中科创星 |
| 总部 | 上海张江 |
| 创始人 | 王成 |
| 官网 | 暂无官网 |
验证边界：公司口径与编辑分析分离，公开材料无独立验证
本文涉及的“全球唯一”“十纳秒量级时延”“百微秒量级训练”“投后估值数亿元”等表述，均来自投资界报道中的公司或投资方口径。RecodeX 在本次采集材料中未找到专利检索结果、第三方测试报告、客户验收文件或可比交易数据，因此不将这些口径视为已经独立确认的事实。
光啾科技成立于2024年，总部位于上海张江；该信息来自投资界报道。投资界报道未披露成立月份；今日头条转载称公司创立于2024年1月，但该来源为转载，且未提供工商登记文件，成立月份需进一步核实。公司依托“深度全光储备池”技术构建非冯诺依曼光计算架构，实现十纳秒量级超低时延推理与百微秒量级实时自适应训练；上述技术指标均为投资界报道中的公司口径，公开材料无独立验证。
投资界报道直接使用了“全球唯一的‘深度全光储备池’技术”这一说法，但未说明判断依据。可复核的验证路径包括：检索中国及国际专利数据库，确认光啾科技是否拥有“深度全光储备池”相关专利；对比同赛道光计算公司的公开技术路线，确认是否存在相同或相近架构命名；查找第三方测试机构或学术论文中的独立性能报告。目前公开材料未提供上述任何一类证据。
“深度全光储备池”的技术位置：可比较指标尚未披露
储备池计算本身是一个已有二十余年历史的计算范式，光储备池也并非全新概念。光啾科技的差异化假设在于“深度全光”这一具体实现方式，但“全球唯一”是投资界报道中的公司口径，其是否意味着专利布局的唯一性、工程实现的唯一性，还是仅指某种特定架构命名，目前无法从公开材料中判断。
“非冯诺依曼光计算架构”描述了一种不同的计算组织方式，但本身并不自动等同于性能优势。光啾科技是否真正实现了存算一体、是否在系统层面消除了数据搬运开销，公开材料未提供架构图或系统级测试数据。
公开材料未提供光啾科技与基于马赫-曾德尔干涉仪的可编程光子处理器、基于微环谐振器的光子张量核、基于衍射光学元件的自由空间光计算等路线的量化对比。可比较但尚未披露的指标至少包括：储备池节点规模、非线性激活机制、可训练参数数量、系统级能效测试条件，以及与数字储备池在一致口径下的基准对比结果。这些信息缺口，使“深度全光储备池”相对于其他光计算方案的技术位置，暂时只能作为公司的验证边界存在。
把公司声称的十纳秒级时延放进真实产业链：光电接口、温控与标定是通用工程约束
以下为编辑分析，基于光计算领域通用工程知识，前提是公司声称的芯片级指标成立，但该指标未经独立验证；结论边界是：无法判断光啾科技芯片级指标在真实系统中的保留程度。公开材料未显示光啾科技已实际验证这些约束。
光计算处理器要走出实验室，面临的第一个约束不是算法，而是光电接口。处理器必须与外部电子系统交换数据，输入端的电光调制器、输出端的光电探测器、以及连接两者的驱动电路和封装走线，每一个环节都会引入额外延迟和功耗。如果光电转换的总延迟达到纳秒量级，那么处理器内部公司声称的“十纳秒量级”推理时延就会被接口开销显著稀释。公开材料未披露光啾科技的光电接口方案和系统级封装状态。
第二个约束来自光源和温控。光计算芯片通常对温度敏感，因为波导的有效折射率随温度变化，会导致相位漂移和计算误差。在核聚变装置或商业航天这类极端环境中，温度波动范围远大于数据中心机房，维持光计算芯片稳定工作所需的温控系统可能比芯片本身更庞大、更耗能。公开材料未披露光啾科技的光源方案、光源功耗占比及系统级能效测试条件。
第三个约束是标定与良率。光子芯片的制造偏差比成熟 CMOS 工艺大得多，每一片芯片的波导宽度、耦合器分光比和相位响应都需要单独标定。这意味着光计算处理器难以像数字芯片那样通过大规模量产摊薄成本。标定问题还牵涉到产品一致性：如果每一片光子芯片都需要逐片调校，那么量产交付的周期和成本将显著上升，且不同批次之间的性能一致性难以保证。公开材料未披露光啾科技的标定流程、良率数据或量产一致性指标。
从核聚变到工业场景：目标场景跨度极大，客户名单和订单数据未披露
据公司披露，其目标场景包括核聚变、量子计算、芯片制造、商业航天等战略领域，以及高速、实时的边缘智能场景；该清单来自公司单方面披露。鼎峰科创在投资界报道中声称“其在核聚变等极端场景中的验证成果令人印象深刻”，这是目前唯一涉及具体验证场景的公开信息，且为投资方声称，公开材料未提供独立验证。
但“验证成果”的具体内容未被披露。是完成了概念验证实验，还是在某个核聚变装置上部署了原型系统并实现了实时等离子体控制，两者的商业含义完全不同。
在硬科技领域，尤其是面向核聚变和量子计算这类高度封闭的科研市场，没有客户背书的技术指标很难转化为采购决策。从产业逻辑看，选择核聚变作为早期验证场景有其合理性：这类场景对时延的要求足够极端，且客户对价格的敏感度相对较低。但核聚变装置全球数量有限，单个项目的采购周期极长，难以支撑一家初创公司快速起量。光啾科技真正的规模化机会可能在无人机、机器人和工业控制，而这些场景的竞争逻辑完全不同，客户对成本、功耗、可靠性和供应链安全的要求远高于对极致时延的追求。一家以公司声称的“十纳秒量级时延”为核心卖点的公司，能否在价格敏感的工业市场找到足够大的付费客户群，是比技术指标更关键的待验证假设。
场景跨度本身也意味着产品定义上的挑战。核聚变场景可能需要的是定制化、高指标、低批量的专用系统，而工业场景需要的是标准化、低成本、高可靠性的通用处理器。两者在接口协议、环境适应性、故障恢复机制和软件工具链上的要求差异巨大。光啾科技若同时服务这两类场景，可能面临研发资源分散和产品线难以聚焦的问题。上述产业逻辑分析基于公开材料中公司披露的目标场景清单，但公开材料未提供任何客户名称、合同或订单数据。
资本结构：老股东加注与地方国资入局
本轮融资由鼎峰科创领投，浦东创投跟投，老股东中科创星持续加注，投后估值数亿元；上述信息来自投资界报道。据公开材料，中科创星曾在2025年7月拿下光啾科技首轮天使轮投资，本轮持续加注，但公开材料未披露其本轮具体出资金额或持股比例变化，因此无法量化其加注力度。
以下为编辑分析：中科创星从2025年7月首轮投资到本轮持续加注，可能表明其对技术进展和团队执行力有较高信心，或者公司短期内需要资金维持研发节奏；这一推断仅基于公开融资信息，缺乏具体出资金额或持股变化数据支撑。中科创星在声明中强调“硬科技的未来在于解决真实世界中的复杂问题”，与其一贯的投资风格一致，但该声明未提供任何关于光啾科技具体进展的增量信息。
浦东创投的入局则带有明显的地方产业政策色彩。光啾科技总部位于上海张江，浦东创投在声明中称其为“浦东新区在光与AI交叉领域的代表性硬科技企业”，并表示将“持续支持公司扎根浦东、快速发展”。这意味着光啾科技可能获得的不只是资金，还包括张江在光子芯片制造、封装和测试方面的产业配套资源。
张江在集成电路和光子学领域拥有相对完整的产业链，包括晶圆代工、封装测试、EDA 工具和科研机构。如果光啾科技能够接入这些资源，其在流片、封装和测试环节的迭代速度可能快于其他地区的初创公司。但产业配套资源的可获得性取决于具体合作条款和产能排期，公开材料未披露光啾科技是否与张江当地制造或封装企业建立实质性合作。
地方国资的背书也可能带来反向压力。地方国资可能要求公司留在当地，如果公司后续需要迁往更接近客户或供应链的区域，或者需要在其他城市设立生产基地，地方股东的诉求可能影响决策灵活性。公开材料未提供可比交易数据，因此无法判断“数亿元”估值在光计算赛道中的相对位置。
从资本结构看，本轮融资的股东组合呈现出“财务投资+产业政策”的双重属性。鼎峰科创作为领投方，其投资逻辑可能更侧重于技术壁垒和长期回报；浦东创投的参与则强化了公司在上海本地的政策资源；中科创星从2025年7月首轮投资到本轮持续加注，则提供了早期股东层面的连续性。这种组合在天使轮阶段较为常见，但能否在后续轮次中吸引更具产业背景的战略投资者，将取决于公司能否在标杆客户验证上取得可公开的进展。
没有竞争对手名单的竞争格局：光计算赛道里的“隐形参照系”
公开报道未提及光啾科技的直接竞争对手。
这在早期硬科技融资中并不罕见，但并不意味着竞争不存在。光计算领域存在多种技术路线，包括基于马赫-曾德尔干涉仪的可编程光子处理器、基于微环谐振器的光子张量核、基于衍射光学元件的自由空间光计算，以及光啾科技所选择的储备池计算路线。上述技术路线属于行业通用知识，非光啾科技特有。公开材料未提供光啾科技与上述具体技术路线在节点规模、可训练参数数量、系统级能效或基准测试结果上的量化对比，也未提供任何同赛道公司的名称或对比数据。因此，目前无法判断“深度全光储备池”相对于马赫-曾德尔干涉仪路线或微环谐振器路线的技术差异是架构级优势，还是仅停留在命名层面。这一信息缺口使“全球唯一”的说法无法在竞争维度上得到检验。
更直接的竞争来自数字芯片的持续进化。以下为编辑分析：来源材料中未提及光啾科技将自身指标与“数字芯片”对比，因此无法确认公司是否做过此类对比。如果对比的是通用 GPU 或 CPU，那么能效比和推理时延确实可能有数量级优势；但如果对比的是专为边缘 AI 设计的 ASIC 或 NPU，差距会缩小很多。公开材料未提供可比数字芯片的具体型号或基准测试数据，因此无法进行量化比较。
竞争维度的缺失还体现在应用层。在边缘 AI 场景中，光啾科技的潜在对手不只是其他光计算公司，还包括已经占据市场的低功耗 MCU、边缘 NPU 和 FPGA 方案。这些方案虽然在时延和能效上可能不及光计算的理论上限，但在成熟度、工具链、供应链和客户信任度上具有明显优势。光啾科技若想切入这一市场，需要回答的不只是“我的时延更低”，更是“我的方案在系统总成本和开发难度上是否值得客户切换”。
资金用途的隐含信息：标准化产品迭代意味着什么
公司披露的资金用途是“边缘光计算AI处理器的标准化产品迭代、技术团队扩充以及标杆客户的验证”。这三个方向中，“标准化产品迭代”是最值得拆解的信息。
以下为编辑分析：如果光啾科技目前的产品仍处于定制化原型阶段，那么“标准化”意味着公司需要把针对特定场景的定制化方案，转化为可复制、可配置的通用处理器平台。这一过程的难度往往被低估：定制化原型可以针对单一场景优化所有参数，而标准化产品必须在性能、功耗、接口兼容性和成本之间做出妥协。公开材料未披露光啾科技当前产品形态、标准化产品定义，以及性能与成本之间的具体妥协方案。
标准化还意味着软件工具链的建立。边缘 AI 处理器要进入客户开发流程，通常需要提供编译器、运行时库、模型转换工具和调试接口。如果软件工具链缺失，客户即使认可硬件性能，也难以将其集成到现有系统中。公开材料未披露光啾科技软件栈成熟度，以及是否支持主流深度学习框架。
“标杆客户验证”则暗示公司目前尚未完成真正的商业验证。如果已经有付费客户，融资材料通常会披露客户名称或至少披露合同金额区间。光啾科技选择使用“标杆客户验证”这一表述，说明其商业化仍处于从“验证成果”向“付费订单”过渡的阶段。鼎峰科创所说的“核聚变等极端场景中的验证成果”，可能正是这一过渡的起点，但从验证到订单之间的距离，取决于客户的采购流程、预算周期和对新技术的风险承受能力。
技术团队扩充的表述同样值得关注。据凤凰网来源，光啾科技研发团队核心成员来自上海科技大学、美国佛罗里达大学、法国国立应用科学学院等学校，兼具前沿光子研究、集成电路工程与科技商业化背景。但天使轮阶段的团队规模通常有限，如何在有限人力下同时推进芯片设计、系统集成、软件工具链和客户验证，是执行层面的现实挑战。公开材料未披露团队总人数、研发人员占比及关键岗位空缺情况。
风险与待验证假设：从“全球唯一”到“可重复采购”之间的鸿沟
公司披露的风险为“光计算领域竞争激烈，技术迭代快，需持续投入研发保持领先”。该表述来自公司单方面披露，属于行业通用描述，未结合光啾科技的具体技术路线或市场定位展开。
以下为编辑分析，基于公开材料中公司披露的技术指标、目标场景和融资用途，结论边界是：这些风险是否成立，取决于尚未披露的第三方测试、客户合同和团队执行数据。编辑分析认为，光啾科技面临的风险可以归纳为三个层次。第一层是技术验证风险：公司披露的所有性能指标均来自单方面披露，尚无独立第三方测试报告或客户验收数据佐证。在光计算领域，实验室指标与系统级指标之间的差距往往以数量级计，公司声称的十纳秒量级推理时延和百微秒量级实时自适应训练能否在真实系统中同时实现，是第一个待验证假设；该假设基于公司口径，公开材料未提供独立验证。针对光啾科技的具体技术路线，这一风险还体现在：其“深度全光储备池”架构的非线性激活机制、储备池节点规模均未披露，而这些参数直接决定光域计算的表达能力和可训练性；若节点规模过小或非线性机制不稳定，公司声称的实时自适应训练能力可能无法在复杂任务上复现。
第二层是商业化风险：公司目标场景跨度从核聚变到工业场景，但两类场景的客户需求、采购逻辑和竞争格局完全不同。核聚变场景的验证成果能否迁移到工业场景，迁移过程中是否需要重新设计产品架构和成本结构，是第二个待验证假设。从已披露的信息看，光啾科技尚未公布任何客户名单或订单数据，这意味着“标杆客户验证”这一资金用途本身就说明商业化仍处于早期阶段。针对光啾科技的具体情况，这一风险还叠加了产品标准化与定制化之间的张力：公司资金用途中同时出现“标准化产品迭代”和“标杆客户验证”，但核聚变等战略场景通常需要深度定制，工业场景则需要标准化交付，两者在研发资源和产品定义上存在直接冲突。
第三层是团队与执行风险：公司成立于2024年，团队规模、研发投入和供应链建设情况均未披露。光计算处理器的产业化需要光学设计、模拟电路、数字系统、封装测试和算法工具链等多学科团队协同，一家早期公司能否在短期内建立起完整的工程能力，是第三个待验证假设。中科创星的持续加注和浦东创投的地方支持可以缓解部分资金压力，但无法替代工程积累的时间成本。针对光啾科技的具体情况，据凤凰网来源，创始人、实际控制人、首席科学家王成来自上海科技大学，主要从事AI光计算芯片、半导体激光器、激光通信、激光雷达的研究，已在Light: Science & Applications、Optica等高水平期刊发表论文60余篇，国际会议论文90余篇；研发团队核心成员来自上海科技大学、美国佛罗里达大学、法国国立应用科学学院等学校。但公开材料未披露其在光计算芯片量产、封装测试或客户交付方面的产业经验；学术背景能否转化为工程化交付能力，是团队执行风险中的关键未知项。
从已披露的融资节奏、技术指标和场景选择看，光啾科技正在试图回答一个光计算领域长期悬而未决的问题——光子计算能否从“比电子快”的实验室演示，跨越到“比电子方案更值得买”的商业决策。这个问题的答案不在融资新闻稿里，而在未来 12 到 24 个月内能否出现第一个可公开验证的付费客户。
另一个隐含的待验证假设是“实时自适应训练”的商业价值。公司声称，百微秒量级的训练能力意味着处理器可以在推理过程中持续更新模型参数，这对于非平稳环境下的信号处理和控制任务可能具有吸引力。但这一能力是否真的能转化为客户愿意付费的功能，取决于具体应用场景中模型漂移的速度和重新训练的收益。如果客户的模型在部署后长期保持稳定，那么实时训练能力可能只是技术上的“锦上添花”，而非采购决策中的关键因素。公开材料未披露实时自适应训练的具体测试条件、模型漂移速度及重新训练收益的量化数据。
缺失信息
- 具体融资金额未披露，仅称“数千万元”；投后估值“数亿元”未精确。
- 公司网站未披露。
- 产品具体型号、客户名称、收入等未披露。
- 竞争对手未披露。
- 商业模式未披露。
- 光源方案、光源功耗占比、系统级能效测试条件未披露。
- 光电接口方案、系统级封装状态未披露。
- 储备池节点规模、非线性激活机制、可训练参数数量、与数字储备池的基准对比结果未披露。
- 当前产品形态、标准化产品定义、性能与成本妥协方案未披露。
- 软件栈成熟度、是否支持主流深度学习框架未披露。
- 团队总人数、研发人员占比、关键岗位空缺情况未披露。
- 实时自适应训练的具体测试条件、模型漂移速度、重新训练收益量化数据未披露。
- 是否与张江当地制造或封装企业建立实质性合作未披露。
- 专利检索结果、同赛道公司对比、第三方测试报告未披露。
- 中科创星本轮具体出资金额或持股比例变化未披露。
- 创始人及研发团队核心成员在光计算芯片量产、封装测试或客户交付方面的产业经验未披露。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：光啾科技拿到天使轮，说明“光计算+边缘AI”的故事在资本端仍有吸引力。但真正值得追踪的不是十纳秒级时延或百微秒级训练这些公司声称的纸面指标，而是三个更朴素的问题：有没有客户愿意为“十纳秒级时延”支付溢价？光电接口和温控系统的开销会不会吃掉芯片级的性能优势？一家成立于2024年、团队规模尚未披露的公司，能否在核聚变和工业场景这两个完全不同的世界里同时找到立足点？这些问题没有答案之前，“全球唯一”更像是一个待验证的假设，而不是一个可投资的结论。
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。