Lightmatter是一家专注于光子计算和光互连技术的公司，旨在加速人工智能和机器学习工作负载。该公司成立于2017年，开发使用光而非电子来执行计算和传输数据的硬件，旨在解决数据中心中传统电子处理器在能耗和速度方面的局限性。其技术面向涉及深度学习和大型语言模型推理与训练的应用，这些场景对数据传输和处理的需求极高。
公司的核心理念是，随着AI模型规模和复杂性的增长，为传统半导体系统供电所需的能量将变得不可持续。Lightmatter的方法利用光子学来降低功耗并提高计算吞吐量，将自己定位为英特尔、AMD和英伟达等公司传统芯片架构的替代方案。
历史与创立
Lightmatter由Nick Harris、Darius Bunandar和Thomas Graham于2017年共同创立，他们在麻省理工学院计算机科学与人工智能实验室进行研究时相识。创始人们致力于将光子计算研究商业化，这一领域在学术界已探索数十年。该公司于2019年从隐身模式中脱颖而出，专注于构建用于AI推理的光子处理器。
2021年，Lightmatter推出了其首个主要产品线：Envise（用于AI推理的光子加速器）和Passage（用于连接芯片和存储器的光互连技术）。此后，公司扩大了产品组合，并筹集了大量风险投资，包括2021年的1.54亿美元C轮融资和2024年的4亿美元D轮融资，估值超过40亿美元。
技术与产品
Lightmatter的主要技术基于硅光子学，即将光学组件集成到硅芯片上。公司的Envise处理器使用光子阵列执行矩阵乘法，这是神经网络计算中的基本操作。通过将数据编码到光中，该处理器旨在实现比电子对应物更高的带宽和更低的延迟。
Passage互连技术解决了处理器与存储器之间数据传输的瓶颈问题。它使用光波导高速传输数据，可能使AI系统在数千个芯片上的扩展更加高效。这对于训练Transformer模型尤为重要，因为这类模型需要大规模并行处理。
2024年，Lightmatter宣布与台积电合作制造其光子芯片，利用台积电先进的封装和制造能力。该公司还与博通合作开发光网络组件。
应用与市场定位
Lightmatter面向数据中心运营商和云服务提供商，包括亚马逊云服务、谷歌云和微软Azure等潜在客户。其技术定位于AI训练和推理，特别强调减少大规模AI部署的能耗足迹。公司声称其光子处理器在能源效率上比电子处理器可实现数量级的提升。
AI加速器市场由英伟达和Cerebras等老牌企业主导，但Lightmatter通过其光子方法实现差异化。截至2025年，该公司尚未宣布Envise处理器的大规模商业部署，但已与研究机构建立合作伙伴关系，并正在开发数据中心参考设计。
挑战与未来展望
光子计算面临多项技术挑战，包括将光学组件与现有电子系统集成的难度，以及需要专门的制造工艺。Lightmatter依赖台积电进行制造是克服这些障碍的战略举措，但也将公司的生产时间表与台积电的产能绑定。
公司的成功取决于AI工作负载的持续增长以及数据中心运营商采用新硬件架构的意愿。随着生成式AI和OpenAI风格模型的兴起，对高效计算的需求预计将增长，这可能使Lightmatter受益。然而，来自电子加速器的竞争（其效率持续提升）仍是一个重要因素。
领导层与团队
Lightmatter由CEO Nick Harris领导，他是联合创始人，此前曾在MIT从事光子研究。领导团队包括光子学、半导体制造和AI系统方面的专家。公司吸引了来自主要科技公司和研究机构的顶尖人才，包括施乐帕洛阿尔托研究中心和诺基亚贝尔实验室，反映了其对先进硬件创新的专注。
截至2025年，Lightmatter拥有超过300名员工，并在马萨诸塞州波士顿和加利福尼亚州弗里蒙特设有办事处。公司继续发表光子计算研究，并与学术机构合作推动该领域发展。