Daily AI Insight
数据源洞察报告

免责声明

本站内容由 AI 自动聚合、分析与生成,仅供信息参考与学习交流,不构成投资、法律、医疗或其他重大决策建议。请结合原始信源独立判断,作者不对因使用本站内容而产生的任何后果承担责任。

关于本项目

个人开源实验项目,由 @sqliang 构建与维护。

在 GitHub 查看源码

© 2026 Daily AI Insight Engine · Built with AI-assisted pipelines

← 返回 36氪
Analyzed·分析36kr.com2026-07-20

Article Intelligence

每刻深思携空间光计算方案亮相WAIC,并与科华数据达成战略合作

打开原文 ↗

先看结论

每刻深思在WAIC 2026展出空间光计算芯片与阶跃STEP 3.7大模型的全栈融合方案,并与科华数据达成算电冷协同战略合作。

核心指标

先判断这篇文章值不值得继续读

评分用于衡量信号强度,判断类指标用于解释方向、热度、后续动作与可信程度。

影响力

衡量事件对技术、产业或生态的外部影响强度。

4.0

事件是WAIC展会期间的技术展示与战略合作宣布,属于中等重要性的行业动态。空间光计算作为替代计算范式有其理论价值,但与阶跃STEP 3.7大模型的融合演示目前仅停留在展会演示阶段,尚未披露具体的性能指标(如延迟、能效比、精度损失等关键数据),也未公开量产时间表。与科华数据的战略合作聚焦UPS/液冷等基础设施层面,属于长期布局而非短期商业落地。整体来看,该事件对AI芯片竞争格局的短期冲击有限,属于细分领域的技术信号而非行业范式转移。

复合价值

综合新颖性、可执行性与长期观察价值。

6.5

光计算是AI算力领域的范式级技术路线,其物理本质(光子并行处理、极低功耗)决定了如果实现工程化落地,将对AI推理成本结构产生指数级改善。但需要清醒认识到:(1) 光计算芯片的批量制造和封装仍是行业级难题,从demo到量产存在巨大鸿沟;(2) 全栈融合方案虽然展示了实景推理,但未披露具体能效比、吞吐量等关键指标,无法判断相对传统GPU的代际优势幅度;(3) 与科华数据的算电冷协同合作是务实的基础设施落地路径,增加了规模化可信度,但液冷+UPS是成熟方案,核心壁垒仍在光计算芯片本身。综合判断:有潜力成为AI推理层的差异化基础设施,但需在2027-2028年看到芯片量产和第三方benchmark数据才能确认复利效应。当前给予6.5分,属于'高潜力但高不确定'区间。

01

提取事实

结构化事实、实体识别与逻辑链

TL;DR

每刻深思在WAIC 2026展出空间光计算芯片与阶跃STEP 3.7大模型的全栈融合方案,并与科华数据达成算电冷协同战略合作。

应用落地科技媒体已核实
客观摘要

2026世界人工智能大会期间,每刻深思创始人邹天琦携核心团队参会,与阶跃联合展出空间光计算核心技术成果。现场亮相的空间光计算芯片结合阶跃STEP 3.7大模型完成了实景推理加速演示,可有效降本提效并优化算力运行表现。展会期间,每刻深思与科华数据达成算电冷协同战略合作,聚焦UPS、液冷、异构算力协同等领域,共同推进绿色算力方案规模化落地。

逻辑链
  1. 1每刻深思在WAIC 2026期间由创始人邹天琦带队参展,并与阶跃联合展出空间光计算核心技术成果。
  2. 2每刻深思展示了空间光计算芯片与阶跃STEP 3.7大模型融合的全栈方案,并完成了实景推理加速演示。
  3. 3

情绪

积极

整体偏利好,可优先看它带来的机会、受益方和后续扩散可能。

Hype

中 hype

有一定叙事包装,阅读时需要同时看亮点和限制。

文章使用了'有效降本提效、优化算力运行表现'等概括性PR表述,但并未提供具体的能效比、FLOPS、延迟等量化数据支撑。空间光计算领域历来'演示多、量产少',WAIC场景下这种联合展示有一定技术含量,但媒体包装成分也明显存在。'算电冷协同'等概念属于行业术语合理使用,未构成严重的概念炒作。

行动建议

前瞻关注

前瞻性强但不确定,适合放入观察清单,不急于行动。

置信度

分别对应影响力、复合价值与 Hype 判断的可信程度。

影响判断medium· 可参考
价值判断low· 需谨慎
热度判断medium· 可参考
该方案能够有效降低成本和能耗,同时优化算力运行表现。
  • 4展会期间,每刻深思与科华数据达成算电冷协同战略合作,覆盖UPS、液冷、异构算力协同等领域。
  • 5双方合作的核心目标是推进绿色算力方案的规模化落地。
  • 实体识别
    公司
    每刻深思阶跃科华数据
    技术
    空间光计算光计算芯片STEP 3.7异构算力液冷算电冷协同
    人物
    邹天琦
    02

    影响与价值

    技术/商业影响、关注焦点与受影响对象

    开发者关注点

    光计算芯片的实际推理性能指标与量产落地时间表

    技术颠覆

    空间光计算利用光波传播特性替代电子电路进行矩阵运算,理论上可大幅降低大模型推理的能耗和时延。每刻深思展示了与阶跃STEP 3.7大模型的全栈融合实景推理加速,表明该技术已从纯学术研究进入集成验证阶段,是光计算走向AI推理场景的重要尝试。

    商业模式

    每刻深思与科华数据围绕UPS、液冷、异构算力协同达成的合作,标志着光计算初创公司正从单一芯片供应商向'芯片+数据中心基础设施'一体化方案商演进。这种垂直整合模式有望重构绿色算力产业的协作分工,但也增加了商业落地的复杂度。

    关键受益方

    • 每刻深思
    • 阶跃
    • 科华数据

    竞争受损方

    • NVIDIA (推理侧市场份额)
    • 传统数据中心集成商
    • 其他光计算初创公司(未能形成全栈+产业联盟者)
    03

    风险、机会与行动

    结合机会清单和风险矩阵判断后续关注重点

    可关注的市场机会

    • 空间光计算芯片与大模型的全栈融合方案为AI推理降本提供了新路径,企业和云服务商可关注光计算加速卡/模组的集成测试,作为传统GPU集群的差异化补充
    • 算电冷协同(UPS+液冷+异构算力)的绿色算力方案正在从概念走向商业落地,数据中心运营商和AI算力提供商可探索与类似方案供应商的合作,打造低碳AI基础设施差异化竞争力
    • 光计算初创公司与大模型厂商的联合展示模式验证了产业链协同的可行性,产业投资者可关注光计算领域中具备大模型适配能力的早期项目,尤其是已与头部模型厂商建立联合研发关系的团队
    风险信号
    监管
    无(空间光计算目前不在主流芯片出口管制和AI监管的核心范畴内)
    技术
    空间光计算技术路线尚处早期,光学元器件的集成度、温控稳定性和大规模量产良率仍是关键瓶颈;若电子计算(如NVIDIA下一代架构、存算一体等)在能效比上持续快速迭代,光计算的相对优势窗口可能被压缩
    竞争
    传统GPU/加速器巨头(NVIDIA、AMD、Google TPU)和新兴存算一体/近存计算路线在AI推理优化上形成了强竞争矩阵;若光计算方案无法在3-5年内实现大规模商用落地,可能被主流技术路线边缘化
    伦理
    无(该事件本身不涉及数据偏见、深度伪造、隐私侵犯等伦理议题)

    供应链风险:空间光计算依赖精密光学元件(如空间光调制器、微透镜阵列),关键元器件的国产化替代能力有待验证,存在供应链断供或成本失控的可能

    生态兼容风险:光计算芯片需要适配现有AI软件栈(PyTorch/TensorFlow算子库),若主流框架的原生支持缺位,开发者迁移成本可能成为商业推广的隐性障碍

    阅读导览

    点击跳转到正文区块

    NAV
    01提取事实↘02影响与价值↘03风险、机会与行动↘

    文章属性

    应用落地科技媒体已核实

    关键实体

    公司
    每刻深思阶跃科华数据
    技术
    空间光计算光计算芯片STEP 3.7异构算力液冷算电冷协同
    人物
    邹天琦

    影响对象

    受益方

    • 每刻深思
    • 阶跃
    • 科华数据

    受损方

    • NVIDIA (推理侧市场份额)
    • 传统数据中心集成商
    • 其他光计算初创公司(未能形成全栈+产业联盟者)

    同源文章

    上一篇韩国股市暴跌至三个月低点,投资者纷纷抛售芯片股下一篇9点1氪丨ofo停更5年突然发文,运营主体仍处存续状态;苹果市值重返全球第一;乐事回应“蓝色薯片”来源