一句话定义：光子计算（Photonic Computing）是用光——而不是电流——来承载数字并直接参与运算，光子芯片（Photonic Chip）就是把这些光学器件集成到一块芯片上的产物。
光子在矩阵乘里替代了什么
矩阵乘法听起来抽象，拆开看就是反复做「乘加」（MAC，Multiply-Accumulate）：一堆数各自乘一个系数，再加起来。数字芯片的做法是逐个算、逐个加，为了快就堆更多的核心并行算，再汇总。这就是 GPU 的基本思路。
光子芯片换了个思路。打个比方：要算 1000 个数各乘一个系数再求和，数字芯片像一个会计拿着计算器挨个按；光子芯片则是把 1000 个数变成 1000 束亮度不同的光，让它们同时穿过一组半透明镜片——每束光被镜片按比例削弱，这就是乘法；穿过之后所有光汇聚到同一个探测器上，探测器读到的总亮度天然就是加权和，这就是加法。乘和加不再是一条条指令，而是变成了一次光的传播和叠加。
所以被替代的那一步非常具体：加权求和从「指令序列」变成了「物理干涉」，一次传播就完成。延迟只取决于光穿过芯片的时间，能耗主要花在激光器和光电转换上。
瓶颈在哪里
数字信号要变成光，得经过数模转换（DAC）；算完的光要变回数字，得经过模数转换（ADC）。这两步是电子的、耗电的，而且精度受噪声和温漂限制，远达不到训练常用的高精度浮点，具体能到几位以各家官方披露为准。此外，权重怎么存、怎么更新、非线性激活怎么做，都还没有统一答案。
和 GPU、CPO 的分工
很多人把光子芯片和 CPO 混为一谈，其实一个管算、一个管传。
| 光子计算 | GPU（数字电子计算） | CPO（共封装光学） | |
|---|---|---|---|
| 解决什么 | 计算本身 | 计算本身 | 数据传输 |
| 光的角色 | 参与乘加运算 | 只用光做连接 | 芯片之间搬数据 |
| 强项 | 大规模线性运算的带宽与能效 | 可编程、精度高、生态成熟 | 省电、高带宽互连 |
| 现状阶段 | 实验室到早期产品 | 大规模量产 | 已在数据中心交换机落地 |
CPO 做的是「把数据搬得又快又省电」，运算还是电子在做；光子计算要动的是运算本身。两者不冲突，长期看可能一起用。
「快 1000 倍」怎么读
像 Akhetonics 这类公司常给出几个数量级的加速宣称。可以拆成两半看：
可信的部分是物理层面的——光在做线性运算时确实有带宽和能效优势，在某个固定的、窄口径的矩阵乘上，实验室条件下做出比 GPU 高几个数量级的能效或延迟，是可能的。
需要打问号的部分是把它当成端到端加速比。真实系统里数据要在电和光之间反复转换，加上精度、内存、散热、良率、编译器、编程模型这些，一个算子的漂亮数字不等于一个能跑起来的模型。看到这类宣称，可以问三句：是单个算子还是完整任务？有效精度多少？有没有可编程的软件栈和真实客户？
对从业者的实际意义：短期不用改代码，但要开始把光子当成一类新的专用加速器来看待——就像当年看 GPU 和 TPU 一样，关键是它能不能被现有框架调用、支持什么精度、转换开销落在哪。对普通职场人，它影响的是未来推理算力的成本曲线，值得知道这个名字，但不必现在做决定。