在近期舉辦的36氪WISE2025商業之王大會上，一場以“科技爽文短劇”形式呈現的沉浸式體驗吸引了眾多目光。這場在北京798藝術區傳導空間舉行的大會，打破了傳統行業峰會的模式，為與會者帶來了全新的感受。大會聚焦科技與商業的深度融合，通過獨特的形式展現了當下商業領域的諸多趨勢與變革。

真知創投合伙人、光聯芯科CEO陳超在大會上發表了精彩演講，主題為“算力·無界 光互連是通往AGI的必由之路”。演講伊始，陳超展示了一組由Open AI Sora多模態大模型生成的三張圖片，這三張圖片分別使用了300張、1250張和10000張GPU，圖片質量隨著算力規模的增加而顯著提升。基于這一現象，他提出了一個引人思考的假設：算力的多少或許能決定AI智能的高低。

回顧AI的發展歷程，從1956年第一次達特茅斯會議算起，已有近70年。然而，過去10年AI才取得了突飛猛進的進展。陳超指出，這得益于算力的驅動。過去十年間，算力增長超過10億倍，年對年增長將近10倍。例如，訓練AlexNet模型僅需兩張英偉達的GTX580，而AlphaGo則使用了1920個CPU和280個GPU，GPT - 3更是用到了1萬個英偉達的G100。到了GPT - 5，算力需求更是達到了約20 - 30萬張英偉達的H100。

但若要實現通用人工智能AGI，未來GPT - 6、GPT - 7所需的算力規模難以想象。硅谷前沿科技分析師預測，達到AGI需要大約10的41次方FLOPs的等效算力，而目前我們的算力水平僅在10的25次方左右，差距巨大。即便軟件算法層面能跨越10的8次方的差距，硬件芯片的算力層面仍需提升10的8次方，也就是算力規模要提升1億倍。

然而，按照當前算力行業的發展軌跡，實現AGI面臨諸多挑戰，其中帶寬瓶頸和能耗問題尤為突出。在帶寬方面，互連帶寬的增速遠低于算力增速。過去20年，單芯片算力提升了6萬倍，存儲帶寬僅提升100倍，互連帶寬更是只提升了30倍。以馬斯克的Grok3大模型訓練所使用的Colossus算力集群為例，該集群約20萬塊英偉達H100芯片，從芯片內的顯存帶寬到服務器之間的IB網絡互連帶寬，層層受限，導致很多算力集群和芯片的利用率僅20% - 30%，無法達到滿轉狀態。

能耗問題同樣不容忽視。全球在建的數據中心規劃量級驚人，Stargate超級算力中心規劃總容量5GW，幾乎相當于一個大亞灣核電站的總裝機容量；xAI超級算力中心規模達6.6GW，超過大亞灣核電站總裝機容量，約是三峽的三分之一。一個算力中心的耗電量堪比一個核電站，若要實現AGI，算力擴張1億倍，全球電力都將難以滿足需求。

陳超進一步解釋，英偉達NVL72超節點反面的背板上有超過兩英里長的銅纜，隨著傳輸速率提升，銅受趨膚效應影響，電互連在帶寬和功耗上已達物理極限，算力中心90%的能耗用于搬運數據，造成巨大浪費。

面對這些難題，光互連成為突破算力瓶頸的最優解。從1998年全球第一條服務于互聯網的海底光纜鋪設成功，解決了千公里到萬公里的光通信連接問題，到過去十年數據中心發展解決了從一公里到數百公里的光連接問題，如今在幾百米內到幾厘米之間的連接問題也可通過芯片出光解決。用電做計算，用光做互連，光互連本質上是光通信在數據通信領域的進一步延伸和下沉。

光聯芯科作為打造下一代AI計算集群光互連解決方案的提供商，致力于實現芯片直接出光，為算力公司提供大帶寬、低功耗、低延時的光互連解決方案。其產品包括用國產晶圓廠制造的硅光晶圓展示的晶圓級系統測試平臺，以及第一代高速收發的OIO高速光引擎評估板，該評估板的光纖可連到GPU里面，實現GPU之間的光互連。

陳超還分享了光聯芯科的企業愿景，即助力國產算力行業走出中國自己的半導體平行生態。他以燃油車和電動車的發展類比，認為在半導體領域，雖然單顆芯片算力與國外有差距，但可通過國產算力、互連和晶圓制造廠，在整體算力集群的性能和功耗上超越國外，走出一條獨特的半導體突圍之路。