理想汽车的马东辉在媒体沟通会上表示，马赫芯片、碳化硅模组等自研的标准化产品可对外输出，这类芯片体积小、通用性强，其他厂商可完成适配。但根据自身整车需求、车型特点定制开发且产能匹配自身整车产能的自研 PACK 包无法对外输出。

2026年，继存储芯片之后，华尔街看到了“光”。

标普500指数年内涨幅TOP10的成分股中，光通信公司占了三席；3月初，英伟达向Lumentum、Coherent两家光学公司各投资20亿美元，并附加了数十亿美元的长期采购承诺。

资本热度背后，是AI算力架构的结构性变化。当单集群算力迈向十万卡量级，GPU之间需要高速交换海量数据，传统电交换网络在功耗、带宽与扩展性上逼近物理极限。

解法之一是“以光代电”，让信号不再经历“光-电-光”的转换，而是始终以光路形态完成路径切换。这就是光电路交换机（Optical Circuit Switch，简称OCS）的由来。

36氪获悉，OCS整机商武汉芯信光科技有限责任公司（以下简称“芯信光”）近日完成数千万元Pre-A轮融资，由毅达资本领投，优山资本、建华投资跟投，日新资本担任财务顾问。本轮资金将主要用于OCS产品迭代、量产体系搭建以及团队规模扩充。

芯信光2025年9月成立于武汉光谷，据创始人兼CEO魏俊介绍，其核心团队来自业内一线大厂，有过数千台OCS整机量产经验，交付过多个国内外大客户。

出于对整机下线良率及产品性价比的考量，芯信光选择了经谷歌量产验证的MEMS微镜路线。这一方案在端口规模、插损、可靠性等维度的综合表现，更符合数据中心大规模部署的需求。

技术路线的工程落地经验，也是这支团队的积累所在。核心成员平均从业超过15年，具有MEMS-OCS从设计、封装到校准、终测的全链条经验。面对算力网络的升级浪潮，他们正在将这套量产Know-how，复用到AI数据中心时代。

“直达”的光，供不应求

想理解芯信光做的事，就要先看懂传统电交换的瓶颈。

在传统数据中心网络中，服务器之间传输的是光信号，而交换机内部处理的却是电信号。这种“光-电-光”的转换可以比作地铁换乘——数据被迫要在中途下车、换乘、再上车，而每一次换乘都在消耗能量和时间。

OCS更像是一条直达的立交桥。它的工作原理可以这样理解：整台交换机是一个“黑盒子”，两端是阵列排布的入光口和出光口。光从一端射入，打在盒子内部的MEMS微镜阵列上，微镜通过静电力改变偏转角度，精准地把光束反射到对应的输出端口。

这个过程只改变光的传播路径，不改变光信号本身，自然也省下了转换环节带来的延迟和功耗。

但这并不意味着光交换要取代电交换。对于二者的关系，魏俊给出的判断是，整个AI集群网络正在走向电光混合架构，现阶段OCS承担的更多是高带宽、通信模式相对稳定的直连路径，适用于AI训练中规律性强的大流量调度；电交换则继续负责突发性、碎片化的分组转发，二者互补共存。想要实现端到端的全光交换，整个产业链还有很长的路要走。

那么机会窗口为何在此时打开？答案指向供需的矛盾。

谷歌已披露2026年需要约1.5万台300端口OCS交换机，其中约3000台计划外购；英伟达则将OCS写进了自己的AI工厂网络规划，计划在新一代架构中引入。Cignal AI预测，全球OCS市场将在2030年超过80亿美元，对应2026年至2030年复合增速超30%。

但供给端明显跟不上。Lumentum管理层在财报电话会上直言即便满产运转，供货量仍落后于需求，其中OCS积压订单已超4亿美元；Coherent也透露其积压订单已创历史新高。

随着谷歌集群架构升级和新客户的导入加速，海外厂商难以承接所有需求，这段供需之间的时间差，给新入场者留出了窗口期。

量产线上打磨出的核心Know-how

作为一个系统级产品，OCS的设计与生产涉及光路稳定性、器件一致性、装配精度、测试流程、长期可靠性等一���列工程问题。这些问题难以通过原理验证来解决，需要在实际的量产过程中不断优化调整，才能逐步形成可复用的解决方案。

辗转各大厂商，魏俊在光通信行业已经走过20年。他身边的核心团队成员覆盖光学、机械、电子、软件、算法等领域，针对OCS量产具有10年以上经验。

这支团队在三个环节上形成了自己的积累。

第一是自制核心器件。OCS整机里最难做的器件之一是FAU（光纤阵列单元），几百根光纤要与精密透镜阵列耦合对准，公差以亚微米计——相当于在一根头发丝的百分之一量级上做对齐。芯信光把2D-FAU做到了400通道以上，并自研了对应的工艺路线。同样的自制能力也延伸到MEMS驱动、芯片封装等环节上。

第二是校准算法。出厂校准是高端口OCS量产节奏的关键瓶颈。OCS内部的光路组合以十万条计，每台整机出厂前都要逐条校准。对于没有经验的厂家而言，校准可能需要数月时间，而芯信光通过自动化算法把这一时间压缩到了3天，大幅缩短了产品下线周期。

第三是成品率。一台高端口OCS整机涉及上千个零部件、70—80道工序，让每一台设备都达到同样的性能指标，是量产阶段最大的挑战。据介绍，目前芯信光在产线磨合期良率已达90%，时延、插损、功耗等核心指标也达到了主流水平。

上面这些经验回答的是“怎么做出来”，但面临新的市场环境，产品自身应该怎么定义，是另一道题。

AI数据中心对OCS端口密度、功耗、成本的约束，与电信时代已经完全不同。团队的做法是从批量生产、功能增减和成本控制出发，倒推产品设计。

“我们做的并不是把十年前的S320搬回来，而是在现在的市场需求下重整产品架构，进行技术迭代。”魏俊说，“比如光路的仿真、算法的优化，都在设计阶段就纳入了考量。”

在前不久结束的光博会上，芯信光携NP-S200 Series OCS首次公开亮相。据介绍，NP-S200覆盖64/128/192端口，采用可插拔式设计，便于冗余替换。如遇端口故障，不必整机返修或者更换软件，迭代功能也可按需在整机上进行模块化嵌入。

NP-S200 Series OCS产品示意图

在产品规划上，芯信光将推出H400/S400系列，覆盖256/320/384高端口产品，其中320端口（谷歌新一代集群规格）为重点方向，预计在2027年推出批量化产品。

不拼规模，先抓窗口

技术能力最终还是要接受市场检验。芯信光没有全部押在整机上，而是同时铺开三条现金流业务：有源/无源光器件、封测服务以及子系统代工。

“在自有品牌整机放量之前，先把产线和制造能力转化成真金白银的收入。”这套打法源于魏俊对节奏的判断。

在他看来，技术领先不等于能活到最后。行业中不乏这样的案例：场景落地不及预期，现金流率先承压、团队流失；等到市场爆发时，企业却丧失了产品迭代能力，只能眼睁睁错失窗口。所以既要紧跟节奏，也不能在需求真正到来之前把弹药打光。

在商业化进展方面，芯信光目前正在通过海外代理渠道接触客户，意向订单主要来自海外云厂商和测试机构，明年3月将亮相北美OFC展，直面海外客户。

产能端，2000平米新厂房启用在即，规划千台级年产能，预计今年底到明年初具备批量交付能力。东南亚生产中心也在同步规划中。

面对竞争格局，魏俊的判断是乐观的：海外巨头在资金和产能上占优，但就OCS的量产交付环节来说，国内厂商的差距并不悬殊。对有能力、有经验的初创企业而言，反而留出了一定的市场机会。

在更长的周期里，他给公司的定位不止于OCS整机：“我们希望成为AI数据中心全光交换的解决方案提供商。不光是OCS，还包括DCI、环行器、隔离器、MPO等光器件。凡是数据中心用到光的地方，都提供全方位的支持。”

从算力芯片到光器件，再到今天的网络架构，回顾过去两年由AI基建传导出的产业机会，多数都呈现出了一个特征：需求先到，产能后至。

谷歌十年研发部署、英伟达40亿美元先后背书，时至今日，OCS的技术方向已经无需论证。当下真正的悬念在交付——面对以万台计涌入的需求，如何从展示样机走向稳定量产，弥合供需之间的缺口。

对于新入场玩家来说，一场工程化的考验才刚刚开始。

“都得抢着早发布、早开卖，”一位前手机厂商战略研究员说，“之前为了避开iPhone，安卓新品发布普遍安排在10月。”

手机厂商之间“神仙打架”，既有出于“黄金周”、“双11”假期的考虑，也有国产高端旗舰与iPhone正面对决的因素，也还有小米17 Pro的成功方法论。

“去年只有苹果和小米在9月发布，小米正好出个背屏，天天拿来宣传，整整早卖了一个月，今年大家都吸取了‘教训’。”前述研究员说。

不过，无论是哪一点，都足以说明智能手机市场竞争的激烈程度。

整个9月份，华为和小米同日发布新品，前者拿出了新一代三折叠Mate XT2，小米则推出中折叠旗舰小米18 Fold。随后苹果发布Phone 18 Pro系列以及首款折叠屏iPhone Duo。

如果将OPPO、vivo等计算在内，整个9月的新品发布接近10场。

价格上，高端旗舰价格普遍超过10000元，部分甚至冲到20000元。与此同时，更底层的芯片也升级到了最新一代：包括华为的麒麟9050、小米玄戒O3、苹果A20 Pro、联发科天玑9600 Pro、高通第六代骁龙8至尊版系列。

可以说，手机厂商们带着内存涨价的压力，参与到了2nm芯片争夺战当中，这中间还有一个非常明显的变化：芯片厂商正在集体“All in AI”。

2nm争夺战

关于2nm芯片，2025年联发科是最早进行传播的。联发科CEO蔡力行先是在2025年Computex预告，然后9月份对外官宣全球首个2nm SoC启动流片。

流片领先并不代表着量产领先。

真正的2nm手机芯片战，直到今年9月随着苹果A20 Pro的亮相才正式开启。“采用最新的2nm工艺技术打造，A20 Pro为移动计算树立了全新的标杆。”苹果在官方新闻稿中强调。

从量产上市的时间上，苹果是当仁不让的2nm首发，而从客户体量来说，苹果也必然会拿到2nm的首发权益。

“台积电今年2nm晶圆产能差不多100K，苹果占了其中70K左右。”长期跟踪台积电产能的蓉和半导体咨询CEO吴梓豪说，“联发科出货量不大，（天玑9600 Pro）这颗芯片几千片晶圆就够了，高通大概10K左右，再加上AMD差不多20K，总共在100K左右。”

海通国际资深分析师Jeff Pu此前预测，苹果今年Q3、Q4要为包括iPhone Duo在内的新品备货7800万台，不考虑装配报废的情况，单月对A20 Pro的理论需求是1300万颗。

知名评测机构极客湾测算的数据显示，苹果A20 Pro的die size为98.8mm²。假设台积电2nm的良率为85%，以此推算，A20 Pro这颗手机芯片对产能的需求预计在25K左右，而剩下45K的需求，则会被分配给同样是2nm的M6芯片。

从客户的重要性角度来看，受AI需求的影响，苹果已经从台积电第一大客户的位置上滑落，遭遇英伟达反超，但GPU并不追求最尖端的工艺，现阶段苹果依旧是2nm的核心客户，这在过去多年都是如此。而苹果之所以能够拿到这样的权益，既有张忠谋时代与苹果建立起来的深度合作关系，也有iPhone在全球市场销量作为需求支撑。

联发科虽然高调官宣流片，但手机SoC对2nm的需求量要小得多。按照5K片晶圆的需求量、134.02mm²的die size以及85%的良率来推算，单月天玑9600 Pro的出货量大概在200万颗。

值得注意的是，联发科也在联合谷歌设计推理专用的2nm TPU，预计2027年底出货，这个后续进入量产环节，有可能大幅拉升联发科对台积电2nm的需求。

吴梓豪说：“虽然高通、联发科、苹果同台发布2nm芯片，但联发科的高端相对较少。尽管它现在是全球最大的手机芯片出货商，对应的是颗数最多，也都是中低端为主。”

根据Counterpoint Research的跟踪数据，到2026年第二季度，联发科在全球智能手机芯片市场份额为31%，环比一季度下滑2%。作为对比，高通和苹果分别为23%和19%。

另一个值得关注的话题就是，2nm虽然是今年主流工艺制程，但它和内存一样，价格也涨了。也因为这个原因，高通在二季度的业绩会上就预告，从9月1日开始涨价。

最终，晶圆代工涨价，也会像内存涨价一样，传导至终端手机上。消费者最直观的感受就是：手机价格又涨了。

涨价、扎堆发布也还折射出一个非常严肃的现实：存量竞争。

“整体大盘不好。”前金立手机副总裁俞雷说，“销售额其实没跌，跌的是台数，这几年都是如此。”

在俞雷看来，这种涨价一方面与供应链价格上涨有关，另一方面也与供应链国产替代、技术进步有关，一个直观的变化就是，屏幕，CIS，存储，射频，电源管理，这些都在逐步实现国产替代，进而让国产手机进化加速，最终将“日系”“韩系”手机打得遍体鳞伤，

国产进化的另一个点，也就是我们接下来要说的手机芯片自研。

自研新势力

以高通、联发科为代表的2nm芯片是一种解决方案，以苹果、华为和小米为代表的自研是另一种解决方案。

苹果自研芯片之路，充分证明了这条路径的价值，华为、小米也成为自研这条路上的践行者。不过，由于代工受限，相比苹果，华为和小米的自研之路更显得困难重重，但某种程度上又显得难能可贵。

9月7日，华为正式发布Mate XT2三折叠，搭载基于韬定律和逻辑折叠的麒麟9050 Pro芯片。这款芯片采用了W2W（Wafer to Wafer，晶圆对晶圆）技术，将传统的单层平面逻辑单元改为双层垂直堆叠，俗称在芯片里加装电梯。

逻辑折叠，是华为自研芯片在工艺制程受阻的情况下，一种全新的解题思路，是“韬定律”落地探索的重要成果。巧合的是，小米也采用了相同的W2W方案——推出了6nm工艺的玄戒O100芯片。

华为和小米的共性在于：先进封装为芯片设计厂商打开了压榨性能的大门。

不过，两家的差别也很明显：华为的W2W聚焦的是逻辑单元的堆叠，而小米的W2W是逻辑单元和存储单元堆叠。前者主要解决的是物理制程微缩瓶颈，后者想要改善的是内存墙造成的数据搬运效率瓶颈。

苹果、高通和联发科这些主流手机SoC今年都上了2nm，小米目前还停留在3nm，这里面其实有多重因素，我们过去讨论过很多，其中一个关键因素是GAA架构的限制。

当前的2nm制程，三星和台积电都切换到了GAA架构，带这一架构对应的设计软件，晶圆代工都受到严格限制。

“小米最多就能用3nm。” 前述前战略研究员说。

实际上，从规模的角度来说，现阶段的玄戒芯片，即便上2nm也未必是一件划算的生意，根源就在于出货量的规模化。

以苹果为例，单iPhone这个产品线，每年对自研芯片的需求量就在上亿颗的水平。目前，玄戒O1的出货量也刚过100万颗。我们去年也做过类似测算，真正能够产生规模化效益，可能需要出货量冲到1000万颗。从这个角度来说，国产自研芯片才刚刚开始。

但其实小米在这个3nm的玄戒O3上探索的思路，远比粗暴导入2nm更有价值。

根据小米披露的数据，玄戒团队对晶体管底层最小逻辑单元Standard Cell进行了重构，从O1的480个提升至当前O3的2400个。同时，玄戒O3采用了称之为Channelless的沟道消除技术，取消了过去SoC为了布置BUF单元来加强供电而预留的沟道，同时将BUF单元移动至其他模块，实现5%的晶体管密度提升。

如果让我来说它的价值，过去摩尔定律靠晶圆厂工艺制程迭代，实现单位面积晶体管数量18个月/24个月翻一倍。现在工艺制程进化速度放缓，很多人说“摩尔定律”已死，“摩尔定律”失效，但华为和小米，在制程受限的背景下，用另外一种方式，让“摩尔定律”焕发青春。

中国的芯片设计团队非常了不起，这也要承认。

都在All in AI

不管是苹果的2nm，还是玄戒的3nm，今年有一个非常明显的共识——AI已经融入到各个核心的IP当中，CPU、GPU、ISP等不同核心都参与到AI推理任务的分摊中来。SoC正在从 “一颗单独NPU负责全部AI” 走向全子系统异构AI算力网络。

从这个角度说，All in AI，一点也不为过。

在这种算力网络下，大模型重负载依然优先跑NPU，短延迟轻AI任务直接跑CPU‑AI或者 GPU‑AI，分担碎片化、低延迟的小 AI 任务，减少片上的数据搬运开销。

此前，玄戒O3沟通会上，玄戒团队披露的数据显示：CPU包含了两个新的矩阵计算引擎单元，采用SME2指令集，提供3.5TOPS的算力，处理轻量级的AI工作负载。GPU子系统中采用了8核心NX神经加速单元，总算力36TOPS，可实现在GPU内部对图像渲染的AI超分和插帧的能力。

“大家都在做布局尝试，当前手机上的场景/价值上还不足，”一位资深芯片设计专家告诉腾讯科技。

“从技术演进趋势上说，GPU内嵌AI是明确的，看NV就知道，游戏场景上需要实时性强的场景也合理。CPU内嵌AI是做些小处理，可能大家还是看苹果干了以及ARM想推这个能力。这些都是确定的方向，具体方案上还可以不同。”

根据此前披露的信息，苹果采用的路线是CPU (AMX 硬单元)+GPU (内置神经网络加速器)+ 独立 NPU，三级异构AI算力。联发科的底层IP和玄戒O3同源，全计算子系统都增加专用 AI 硬件单元，是今年手机SoC里面走得最彻底的全模块AI化。

前述战略研究员也认同向苹果“抄作业”的思路。

“苹果CPU核心中的AMX主要做向量计算和矩阵加速，跑简单算法以及一些RNN模型，但不能并行计算，高通和ARM在去年就支持了QMX/SME，基本上就是照着苹果这个功能来做的。”

在他看来，这种设计理念核心是为了优化计算“成本”。“NPU计算需要计算核心传输调度任务，这里面有不少的成本。所以，就一些简单的计算能在本地（核心内部）进行了。”

将AI任务“就近计算”，一方面提高了效率，另一方面缩减了开销，将会带来整机能效比的提升，也有机会让手机厂商基于不同的IP的AI特性，探索个性化的能力。“OPPO做了一些主动智能的投入，可能会做出差异化来。”前述战略研究员说。

趋势和方向是确定的，探索则还处于早期，路线也没有统一。

“当前做得都还不太好，但以后AI融合可能会越来越多，（具体方案上）是在GPU内部内嵌AI，还是GPU+GPU外的NPU做紧密协同，都可以的。”前述芯片设计专家说。

也就是说，All in AI声量很大，行业也有共识，但真正让消费者为这些创新额外买单的，是可靠、稳定、高频使用的场景和能力。

本文来源：腾讯科技