光学神经网络处理器市场 尺寸和份额 2026-2035

光学神经网络处理器市场规模

全球光学神经网络处理器市场规模在 2025 年达到 4.386 亿美元，预计 2026 年为 5.446 亿美元，到 2035 年预计将达到 59 亿美元；2026 年至 2035 年期间的年均复合增长率（CAGR）约为 30.3%。

随着 AI 工作负载不断扩展，AI 基础设施中的数据传输和供电效率，其商业影响力正日益与算力吞吐量相当。国际能源署预计，到 2030 年，全球数据中心的用电需求将升至约 945 TWh，约为 2024 年水平的两倍 ^{[1]International Energy Agency (IEA), Energy and AI, 2025, iea.org}。美国数据中心在 2023 年的用电量为 176 TWh，劳伦斯伯克利国家实验室预计，到 2028 年该数值将达到 325～580 TWh。光学神经网络处理器通过将带宽密集型通信和部分线性代数运算转移至光子架构，缓解了部分约束；与传统电互连路径相比，这种架构能够降低能源使用量。

可服务市场包括光子集成电路、调制器、激光源、探测器、控制电子设备、光互连基板、封装内芯粒，以及在光子硬件上编译和执行神经网络工作负载所需的软件。硅光子技术仍是最大的技术基础，因为它能够利用成熟的半导体制造和封装生态系统。混合光电设计正逐渐获得发展势头，其将光学 I/O 或计算平面与 CMOS 逻辑并置，而不要求客户替换现有的计算架构。

商业活动正日益集中于两种架构。光互连供应商正针对 GPU、内存与计算节点之间的带宽瓶颈，而光计算开发商则寻求直接在光子域中执行矩阵运算。Lightmatter 于 2024 年 10 月完成 4 亿美元的 D 轮融资，据报道其估值达到 44 亿美元 ^{[2]Lightmatter, Lightmatter Raises USD 400M Series D; Quadruples Valuation to USD 4.4B as Photonics Leader for Next-Gen AI Data Centers, October 2024, lightmatter.co}。Ayar Labs 于 2024 年 12 月筹集 1.55 亿美元，参与投资者包括 AMD Ventures、Intel Capital 和 NVIDIA。这些融资表明，战略性半导体投资者将光子 I/O 视为基础设施需求，而非边缘性的研究主题。

因此，投资逻辑与其说取决于某一项基准测试，不如说取决于光子硬件在异构 AI 系统中的可部署化速度。将光学组件与常见电子接口封装在一起的供应商，可以从即时的互连需求中实现商业变现；而专注于光计算的厂商则必须在其理论效率优势能够广泛转化为可融资商业价值之前，证明其准确性具有持久性、热稳定性良好，并且模型编译流程易于管理。

主要驱动因素

对高速、高能效人工智能处理的需求不断增长

人工智能基础设施的经济性越来越受处理器、内存和网络元件之间信息传输所需能耗的影响。国际能源署预计，到 2030 年，数据中心用电量将增至约 945 TWh，因此，降低互连能耗将直接关系到集群运营成本。英特尔报告称，其集成光学 I/O 芯粒支持双向各 64 个通道、每通道速率为 32 Gbps，同时运行能耗为每比特 5 皮焦耳 ^{[3]Intel Newsroom, Intel Unveils First Integrated Optical I/O Chiplet, June 2024, newsroom.intel.com}。此类设计为系统架构师提高带宽密度提供了路径，同时无需按比例增加电气 I/O 功耗。

IBM 的共封装光学原型进一步说明了光子学在系统层面的应用依据。该公司报告称，与中端电气互连相比，该原型的功耗降低了五倍以上，同时光纤前沿密度提高了六倍 ^{[4]IBM Newsroom, IBM Brings the Speed of Light to the Generative AI Era with Optics Breakthrough, December 2024, newsroom.ibm.com}。对于光学处理器供应商而言，在客户能够根据明确的集群配置，量化节省的功耗、冷却和机架密度成本时，商业机会最为突出。

人工智能和机器学习工作负载不断扩展。

神经网络推理和训练主要由重复的矩阵运算以及加速器之间的大量通信构成。《Nature》2025 年的一项研究展示了一种集成光子加速器，该加速器包含超过 16,000 个光子元件，计算频率最高可达 1 GHz，并在线性矩阵乘加运算中实现了低至每周期 3 纳秒的延迟。该结果本身并不能证明其已具备大规模商业应用条件，但表明光子硬件能够达到与先进神经网络工作负载相关的规模。

不同应用场景的需求并不均衡。固定权重推理对实时参数更新的要求较少，因此是光子加速更具现实性的近期目标。训练则带来了更大的长期机遇，因为分布式模型会加剧通信需求；但与此同时，训练也要求光学元件、软件框架和集群管理堆栈之间实现更紧密的协同。

数据中心和高性能计算领域对光子学的采用率不断提升。

制造能力的提升正在降低商业化面临的历史性障碍。GlobalFoundries 提供了可扩展且经过生产验证的硅光子工艺平台，覆盖 200 mm 和 300 mm 晶圆制造，并支持密集型波分复用能力。TSMC 已将硅光子学纳入其先进封装路线图，其中包括紧凑型通用光子引擎项目，用于将光子芯粒与电气控制芯片集成。

由此形成的价值链有利于那些能够从一开始就实现芯片设计、封装、光纤耦合和电子控制协同的供应商。仅获得晶圆代工厂支持并不能消除认证风险，但可以降低建设专用制造路线的负担，使无晶圆厂供应商能够将资本集中投入架构、封装良率和客户集成。

克服传统电子处理器局限性的需求日益增长。

随着人工智能集群规模扩大，电气系统在带宽密度、信号传输距离和功耗方面面临实际限制。光互连能够将通信带宽与铜走线约束分离，尤其适用于流量必须跨越封装、板卡和机架边界的场景。因此，这一机遇并不局限于替代单个组件，而是涉及重新设计计算裸片、内存、交换机和光学输入/输出之间的关系。

这一差异解释了为何共封装和封装内光学设计在近期商业化进程中占据突出地位。这些设计能够保留现有的软件和处理器基础，同时针对系统中电气扩展成本最高的部分进行优化。能够证明可靠性、可制造性以及与成熟小芯片接口兼容性的供应商，相较于仅提供孤立光学性能提升的厂商，将拥有更有力的部署路径。

光计算和集成光子学技术不断取得进展。

集成光子学的进步正在扩大可行架构的范围。硅光子学为无源路由和集成提供了可扩展基础，而化合物半导体和新兴电光材料则能够支持光生成、调制和非易失性光状态控制等功能。美国商务部宣布，拟为 Coherent Corp. 的磷化铟制造扩建项目提供最高 3,300 万美元的《芯片与科学法案》（CHIPS）激励资金，并为 Infinera 计划建设的磷化铟工厂提供最高 9,300 万美元。

除材料开发外，算法进步同样重要。《Nature》报道，光学神经网络在 2024 年实现了完全前向模式训练，解决了光子系统训练中的一项重大挑战，即无需依赖在物理光学硬件中实施传统反向传播。商业化采用将取决于这些进展能否转化为可重复的校准、模型可移植性和生产良率，而不仅仅是实验室演示成果。

主要制约因素

高昂的开发和实施成本。

光学神经网络处理器所需的工程体系比传统数字加速器更为广泛。开发人员必须协调光子工艺设计套件、激光器和探测器选型、封装设计、光纤耦合、电子控制电路以及校准软件。这会增加一次性工程费用，并使光学和电子组件之间的接口面临良率风险。

低产量尤其会放大成本约束。供应商可能能够展示性能出色的光子电路，却无法以经济可行的方式完成封装和测试，也难以确保其性能在不同温度和整个运行寿命期间保持稳定。这有利于拥有资本、晶圆代工合作伙伴以及愿意共同开发部署架构的客户的企业。此外，互连产品的早期收入也具有重要战略价值，因为这类收入能够为原生光计算系统更长的认证周期提供资金支持。

与现有半导体基础设施集成的复杂性。

客户不会孤立地采购光子硬件。光学处理器和互连器件必须与 GPU、CPU、ASIC、内存子系统以及现有数据中心部署所遵循的电气标准协同运行。共封装会引入光学对准、热管理、可靠性测试和可维护性要求，这些要求超出了芯片级性能的范畴。

IBM 报告称，其聚合物光波导共封装光学原型已完成所需的可靠性应力测试，包括热循环、湿度暴露和机械测试。这一里程碑凸显出，供应商必须跨越这一门槛，技术演示才能转化为可部署的硬件。软件也构成类似的制约因素：光学加速器需要编译、量化、漂移补偿和框架集成，使机器学习团队能够使用这些设备，而无需重新设计模型开发工作流程。

短期需求可能更倾向于选择能够提升每瓦带宽、同时保留熟悉的计算和软件环境的产品。混合架构具有重要的商业意义，因为这类架构使供应商能够参与当前的人工智能基础设施建设，而无需客户承担全光子计算堆栈在精度、编程和可靠性方面的风险。随着认证实践日趋成熟，增长更快的训练和神经形态细分市场有望推动市场超越最初由互连器件主导的发展阶段。

光学神经网络处理器市场细分分析

按技术

硅光子学

2025 年，硅光子学市场规模为 2.337 亿美元，预计到 2035 年将达到 29.2 亿美元，年均复合增长率（CAGR）约为 29.3%。该领域的规模优势源于其能够利用半导体制造、晶圆级加工以及不断发展的光子设计和封装生态系统。GlobalFoundries 可扩展且经过生产验证的硅光子学工艺平台，以及 TSMC 的光子芯粒开发，表明制造基础设施正逐渐向无晶圆厂光学硬件开发商开放 ^{[5]GlobalFoundries, Silicon Photonics Technology, 2024, gf.com}。

该细分市场的增长受到有源光学功能和热控制工程负担的制约。硅在无源光路由和高密度集成方面具有显著优势，但商业化光学神经网络仍需要为光源、调制器、探测器和权重稳定化提供可靠解决方案。将硅光子学与成熟封装和控制电子设备相结合的供应商，应能保持相对于仅依赖组件级光学效率的设计的优势。

混合光子-电子集成。2025 年，混合光子-电子集成市场规模为 1.144 亿美元，预计到 2035 年将达到 18.3 亿美元，年均复合增长率（CAGR）约为 32.6%。这些系统将高带宽通信或线性光学运算交由光子器件完成，同时保留 CMOS 电子器件中的数字控制、内存管理、非线性功能和软件兼容性。

Lightmatter 的 Passage 互连方案和 Ayar Labs 的 TeraPHY 光学 I/O 架构体现了这一细分市场的商业逻辑：在电气连接承受最大压力的环节引入光子技术，同时保留传统计算芯片，^{[6]Ayar Labs, Ayar Labs Secures USD 155 Million in Series D to Address Urgent Need for Scalable AI Infrastructure, December 2024, ayarlabs.com}。该细分市场的扩张将在很大程度上取决于组装良率、接口标准化，以及能否使多芯粒光学封装便于数据中心客户进行运营管理。

自由空间光学

2025 年，自由空间光学市场规模为 6,070 万美元，预计到 2035 年将达到 7.103 亿美元，年均复合增长率（CAGR）约为 28.5%。这些架构利用衍射光学元件、空间光调制器、透镜阵列或傅里叶域处理来执行特定的神经网络和信号处理任务。其优势在于并行空间处理，尤其适用于受控推理环境，在此类环境中，固定光路能够高效完成预定义运算。

由于易受对准误差、振动、环境变化以及动态重构要求的影响，自由空间光学的部署受到限制。因此，与在传统 AI 服务器中广泛替代封装式光子互连相比，自由空间系统更有可能服务于专业图像处理、科学和信号处理应用。

新兴光子材料

2025 年，新兴光子材料市场规模为 2,980 万美元，预计到 2035 年将达到 4.157 亿美元，年均复合增长率（CAGR）约为 30.8%。磷化铟仍然十分重要，因为它支持包括激光增益在内的有源光学功能，而这些功能并非纯硅平台所固有。Coherent 和 Infinera 获宣布获得的 CHIPS 激励措施表明，政策对扩大国内磷化铟产能的支持正在增强。

材料创新能够拓展光学处理器的技术边界，但认证仍是决定性因素。新型调制器、相变材料和混合材料系统必须证明其器件性能具有可重复性、制造流程具备兼容性，并且能够实现经济高效的集成，之后才可能推动主流处理器架构发生转变。

按计算范式

模拟光学计算

2025 年，模拟光学计算市场规模为 2.331 亿美元，预计到 2035 年将达到 26.8 亿美元，年均复合增长率（CAGR）约为 28.3%。其主要优势在于能够通过光学干涉和传播执行线性矩阵运算，而非依赖顺序式数字算术运算。大规模光子加速器研究表明，集成式硬件能够以高频率和极低延迟执行矩阵乘加运算。

其代价在于精度管理。模拟光学系统必须在电子边界处控制噪声、热漂移、组件失配和转换开销。因此，最具商业潜力的应用场景将是那些能够容忍量化和校准开销，同时显著降低能耗或延迟的模型。

数字光学计算

数字光学计算在 2025 年的市场规模为 1.22 亿美元，预计到 2035 年将达到 16.7 亿美元，年均复合增长率（CAGR）约为 30.6%。通过采用离散的光信号电平，这一计算范式能够提高抗噪能力，并有助于兼容传统的数字错误管理方法。其商业价值并不主要在于取代所有电子算术功能，而在于将光学带宽和低延迟优势应用于需要确定性信号处理的场景。

该细分市场将与效率不断提升的电子加速器展开竞争，并需要证明新增光子集成层的价值。在能够协同设计光传输与处理，而不是将其嵌入原本未改变的电子系统中的场景中，市场采用率预计将最为强劲。

神经形态光学计算 

神经形态光学计算在 2025 年的市场规模为 8,360 万美元，预计到 2035 年将达到 15.1 亿美元，年均复合增长率约为 34.2%，在各类计算范式中最高。该类别旨在利用光子系统中的事件驱动或脉冲式行为，为低功耗推理和传感器处理工作负载提供支持。

对于具有稀疏且对时间敏感的数据流的应用而言，其技术价值颇具吸引力，但软件是其商业化约束因素。开发人员需要相应的工具链，将模型映射到光学脉冲架构上，校准硬件行为，并将输出集成到传统人工智能工作流中。该细分市场的增长率反映了这一潜在选择空间，而其较小的市场基数则体现出前景可观的架构与成熟开发者生态系统之间仍存在距离。

按工作负载优化

推理优化处理器

推理优化处理器是规模最大的工作负载细分市场，2025 年市场规模为 3.352 亿美元，预计到 2035 年将达到 40.4 亿美元，年均复合增长率约为 28.9%。固定或不经常更新的模型减少了持续进行光学权重编程的需求，也使每次推理的能耗比较更加直接。光学互连产品与推理集群尤其契合，因为这类产品能够改善数据移动，而无需改变基本的模型执行环境。

训练优化处理器

训练优化处理器的市场规模预计将从 2025 年的 1.034 亿美元增至 2035 年的 18.2 亿美元，年均复合增长率约为 33.9%。训练工作负载对分布式加速器之间的高带宽通信提出了更高需求，同时也要求具备可靠的同步机制、参数更新能力和软件支持。IBM 已将共封装光学视为缩短 70-billion-parameter 大型语言模型训练时间的潜在途径，但这取决于系统能否实现规模化部署。全前向模式光学训练研究扩大了技术选择范围，但其商业适用性将取决于生产环境下的模型准确性和可复现性。

按应用领域

人工智能/机器学习加速

人工智能/机器学习加速是规模最大的应用类别，因为神经网络工作负载将密集矩阵运算与计算、内存和网络资源之间的大量数据移动结合在一起。光学硬件最具商业价值的场景，是能够缓解经验证的基础设施瓶颈，而不是作为孤立的加速器发挥作用。

图像识别与计算机视觉

图像识别与计算机视觉能够受益于自由空间光学系统和集成光学系统的并行空间处理特性。在工业检测、监控和传感器处理领域开展受控部署，相较于通用云工作负载能够提供更易管理的运行条件。

自然语言处理

自然语言处理（NLP）需求与大模型推理服务和分布式训练密切相关。短期内，光子技术更有可能通过互连和内存互连架构进入自然语言处理基础设施，而不是完全取代数字变换器计算。

信号处理

当延迟、带宽和并行变换比通用可编程性更为重要时，信号处理领域将产生应用机遇。这包括通信、传感和专业分析系统中的高吞吐量数据流。

其他

科学计算、基因组分析、优化及其他专业工作负载也将带来额外机遇。在这些场景中，有边界的数学运算可能足以支撑定制化光子架构。

按最终用途行业

数据中心和云服务提供商

数据中心和云服务提供商是占主导地位的最终用途群体，因为其集群规模使互连能耗、带宽密度和冷却成本成为可量化的采购变量。不断增长的电力需求进一步提升了部署能够改善系统级能效的技术的动力。

电信

电信运营商可以将光子处理和互连技术应用于高带宽交换、网络优化以及人工智能赋能的基础设施管理。技术采用将取决于运行可靠性以及与现有网络设备的集成能力。

汽车

汽车应用主要集中于传感器融合、高级驾驶辅助系统以及受功耗限制的车载推理。资质认证要求和较长的产品周期将使采用范围局限于具备明确可靠性和集成优势的架构。

航空航天与国防

航空航天与国防应用可能重视低延迟信号处理和专业光学功能，但采购周期、环境资质认证以及系统保障要求将为商业化带来重大障碍。

医疗保健与生命科学

医学成像、基因组学和分子计算可能受益于矩阵密集型工作负载的加速。在供应商证明相关技术能够在受监管且工作流特定的环境中实现经验证的性能之前，市场采用仍将较为有限。

边缘计算与物联网（IoT）

边缘计算和物联网将为低功耗神经形态光学架构创造潜在市场，尤其是在事件驱动型传感和持续推理对能耗提出严格限制的场景中。

其他

研究机构、国家实验室和金融服务用户构成规模较小但可能具有影响力的早期采用者群体，面向专业光子计算应用。

混合光电集成同步实现约 32.6% 的年均复合增长率，具有重要的战略意义。该趋势使供应商能够在现有人工智能基础设施内部推动客户采用并积累集成经验，同时为原生光学计算和神经形态平台的成熟争取时间。这种市场结构有利于将软件、封装和客户工作流视为产品组成部分，而不是售后工程支持的企业。

光学神经网络处理器市场区域分析

北美

2025年，北美市场规模为 2.042亿美元；2026年预计为 2.546亿美元；到2035年预计将达到 28.4亿美元，年均复合增长率（CAGR）约为 30.7%。该地区的市场规模得益于超大规模人工智能基础设施、半导体设计活动以及获得风险投资支持的光子学企业高度集中。2025年，美国市场规模为 1.755亿美元；到2035年预计将达到 24.6亿美元，年均复合增长率（CAGR）约为 30.9%。

北美供应商还受益于显著的资本形成和制造业政策支持。Lightmatter 于2024年获得融资，以及 Ayar Labs 的战略投资者集团，体现了行业对光子互连基础设施的高度关注。拟议中的联邦政府对 Coherent 和 Infinera 扩大磷化铟制造业务提供支持，有望提升有源光学组件的供应链产能 ^{[7]National Institute of Standards and Technology, Biden-Harris Administration Announces Preliminary Terms with Infinera for InP Fab Expansion, October 2024, nist.gov}。2025年，加拿大市场规模为 2,870万美元；到2035年预计将达到 3.725亿美元，年均复合增长率（CAGR）约为 29.8%。

欧洲

2025年，欧洲市场规模为 1.144亿美元；2026年预计为 1.402亿美元；到2035年预计将达到 13.3亿美元，年均复合增长率（CAGR）约为 28.4%。该地区的市场地位受到半导体研究、光子学设计能力和专业计算开发商的支撑，但与北美相比，商业化规模扩张在各国市场之间更加分散。

德国市场规模预计将从2025年的 3,170万美元增至2035年的 4.188亿美元，年均复合增长率（CAGR）约为 30.1%。英国市场规模预计将从 2,500万美元增至 3.098亿美元，年均复合增长率（CAGR）约为 29.2%；法国市场规模预计将从 1,800万美元增至 2.114亿美元，年均复合增长率（CAGR）约为 28.5%。意大利、西班牙、荷兰和欧洲其他地区的市场规模预计将分别从2025年的 1,070万美元、850万美元、700万美元和 1,360万美元，增至2035年的 1.158亿美元、8,570万美元、6,630万美元和 1.239亿美元。

亚太地区

2025年，亚太地区市场规模为 8,650万美元；2026年预计为 1.088亿美元；到2035年预计将达到 13.1亿美元，年均复合增长率（CAGR）约为 31.9%。该地区的增长与人工智能基础设施投资扩大、国内半导体发展以及降低日益密集的计算部署所带来的电力负担的需求密切相关。

中国市场规模预计将从2025年的 3,740万美元增至2035年的 5.995亿美元，年均复合增长率（CAGR）约为 32.6%。日本市场规模预计将从 1,510万美元增至 2.260亿美元，年均复合增长率（CAGR）约为 31.7%。印度市场规模预计将从 1,280万美元增至 2.173亿美元，年均复合增长率（CAGR）约为 33.3%。到2035年，韩国、澳大利亚和亚太其他地区的市场规模预计将分别达到 1.137亿美元、5,070万美元和 1.072亿美元。

拉丁美洲

2025年，拉丁美洲市场规模为 2,040万美元；2026年预计为 2,480万美元；到2035年预计将达到 2.208亿美元，年均复合增长率（CAGR）约为 27.5%。巴西和墨西哥是该地区最大的市场，预计到2035年市场规模将分别达到 9,890万美元和 6,510万美元。阿根廷和拉丁美洲其他地区仍属于规模较小的市场，其增长主要受云计算投资、连接升级以及人工智能基础设施的选择性采用所影响。

中东和非洲

中东和非洲市场规模在 2025 年为 1,310 万美元，预计 2026 年将达到 1,630 万美元，并预计到 2035 年达到 1.683 亿美元，年均复合增长率（CAGR）约为 29.7%。预计到 2035 年，阿联酋市场规模将达到 6,780 万美元，沙特阿拉伯市场规模预计将达到 5,280 万美元。预计南非以及中东和非洲其他地区的市场规模将分别达到 2,830 万美元和 1,940 万美元。

该地区的机遇与新的人工智能和数据中心基础设施建设有关，而不是源于替换大规模已部署的光子处理基础设施。冷却条件、能源供应情况以及进口高性能硬件的经济性，将影响光子系统最初是作为专用互连基础设施，还是作为更广泛的计算平台获得采用。

北美仍拥有最大的绝对收入规模，因为其超大规模云服务商生态系统能够大规模资助和测试先进的互连架构。亚太地区更快的增长带来了不同的竞争要求：供应商必须适应区域供应链、本土技术重点以及多样化的部署模式。欧洲在专业光子技术能力方面仍具有战略重要性，但其更加分散的市场结构可能更有利于有针对性的合作和面向具体应用的部署，而不是单一的全区域采购周期。

光学神经网络处理器市场份额与竞争格局

2025 年，该市场呈中度集中格局。Lightmatter 约占市场收入的 21.4%，其次是 Lightelligence，占 11.4%；Celestial AI 占 9.6%；Intel 占 7.1%；Ayar Labs 占 6.8%。这五家公司合计约占市场的 56.3%。

全球主要企业

Lightmatter。Lightmatter 是市场领导者，预计其 2025 年市场份额为 21.4%。其 Passage 光子互连战略旨在解决传统人工智能芯片之间的带宽限制，同时保留电子计算基底。该公司于 2024 年 10 月完成的 4 亿美元 D 轮融资，体现了投资者对这一部署路径的支持。

IBM Corporation。IBM 的光学技术活动主要集中于共封装光学和系统级互连研究。其 2024 年 12 月展示的原型完成了可靠性测试，并报告称，与电气互连方案相比，该原型在功耗和密度方面有所改善。IBM 能够连接研究、系统工程和企业基础设施能力，这进一步巩固了其市场地位。

Lightelligence。Lightelligence 预计在 2025 年占据 11.4% 的市场份额。其定位重点是将光学处理与电子控制相结合的光子计算系统，使其成为致力于推动光子技术超越连接领域、应用于神经网络执行的供应商之一。

Celestial AI。Celestial AI 在 2025 年约占市场的 9.6%。该公司的 Photonic Fabric 平台旨在实现计算资源与存储资源之间的高带宽连接。

其于 2024 年 3 月完成的 1.75 亿美元 C 轮融资吸引了战略投资者和机构投资者参与；公司还披露了与超大规模数据中心客户和半导体客户开展设计导入的情况 ^{[8]BusinessWire / Celestial AI, Celestial AI Closes USD 175 Million Series C Funding Round Led by U.S. Innovative Technology Fund, March 2024, businesswire.com}。

英特尔公司（Intel Corporation）。英特尔在 2025 年约占市场 7.1% 的份额。公司报告称，其光子集成电路出货量已超过 800 万个，其中集成激光器数量超过 3,200 万个；其光学 I/O 芯粒演示凸显了光学链路在未来处理器封装架构中的作用。英特尔的制造与封装能力使其成为商用硅光子领域的重要既有企业。

艾雅实验室（Ayar Labs）。Ayar Labs 在 2025 年约占 6.8% 的市场份额。其 TeraPHY 光学 I/O 芯粒定位于封装内高带宽连接，并已获得主要半导体和人工智能基础设施投资者的战略支持。

区域企业

Luminous Computing。Luminous Computing 开发光子人工智能计算系统，是致力于垂直整合光计算架构的区域参与者。

Xanadu Quantum Technologies。Xanadu Quantum Technologies 提供与可编程光学系统和先进计算架构相关的光子硬件与软件专业能力。

Optalysys。Optalysys 开发自由空间光学协同处理技术，可应用于大规模数学运算、图像处理和信号处理工作负载。

iPronics。iPronics 开发可编程光子集成电路，旨在支持可配置的光学处理拓扑结构。

OpenLight。OpenLight 开发硅光子平台和可授权的光子知识产权，旨在帮助无晶圆厂半导体设计企业集成光学功能。

利基企业

PhotonicX AI。PhotonicX AI 专注于面向能源受限型边缘人工智能应用的光学神经网络加速器。

SiEPIC。SiEPIC 支持硅电子—光子集成电路设计及光子设计工具开发。

Photon Bridge。Photon Bridge 开发用于加速人工智能工作负载的光子互连技术。

Mixx Technologies。Mixx Technologies 开发面向混合精度光学神经网络工作负载的光子矩阵乘法器架构。

Neurophos。Neurophos 专注于神经形态光子计算架构，用于超低功耗推理和事件驱动感知。

竞争优势将越来越取决于将光子元件性能转化为可部署系统的能力。资本实力、晶圆厂准入、封装合作关系、软件集成能力以及客户认证能力，可能与光学器件创新同等重要。拥有互连产品的企业可能更早建立商业关系，而专注于原生光计算的企业则必须证明，其架构能够在客户规模下满足精度、稳定性和运营要求。

近期行业发展

2026 年 4 月，南加州大学宣布推出一种新型光子芯片，可承受最高 1,300°F（700°C）的温度，有望支持在喷气发动机或太空等极端环境中进行人工智能处理。2026 年 3 月，诺基亚推出了一套应用优化型光学解决方案，专门面向“人工智能时代网络”，以处理大型语言模型所需的海量数据吞吐量。2026 年 3 月，华为在巴塞罗那世界移动通信大会（MWC Barcelona）上发布了“下一代光网络解决方案”，旨在构建“以人工智能为核心的全光网络”，实现人工智能处理与高速数据传输的协同。

2025年——Nature 报道大规模集成光子加速器。一项 Nature 研究报告了一种集成光子加速器，该加速器包含超过 16,000 个光子组件，频率最高可达 1 GHz，每个周期的延迟低至 3 纳秒。