技术深度解析
核心创新在于用光子逻辑替代电子逻辑。传统硅芯片依赖电子在晶体管中移动，因电阻产生热量——这在真空中是致命问题，因为热量只能通过辐射散发。中国团队的光子芯片采用集成波导和光学调制器，利用光脉冲执行布尔运算。其基本单元是马赫-曾德尔干涉仪（MZI）阵列，光路中的相位偏移编码逻辑状态（0和1）。通过级联MZI，该团队构建了完整的光子处理器，可执行矩阵乘法——神经网络推理的基石——而无需任何电子开关。
一项关键工程成就是采用硅光子制造工艺，该工艺利用了现有的CMOS代工厂。芯片在标准200mm绝缘体上硅（SOI）晶圆上制造，波导层为220nm硅。该团队已在GitHub上开源了部分设计，仓库名为`photon-space-compute`（截至2025年3月已获1200颗星，活跃维护）。该仓库包含类似Verilog的光子电路描述，以及用于测试光学逻辑门的仿真工具链。
性能基准测试结果令人瞩目。该团队报告了与最先进的抗辐射FPGA（Xilinx Kintex-7）和低功耗GPU（NVIDIA Jetson Orin NX）的对比：
| 指标 | 光子芯片 | Xilinx Kintex-7 | Jetson Orin NX |
|---|---|---|---|
| 功耗（W） | 0.8 | 12 | 15 |
| 发热量（W） | <0.1（辐射散热） | 12 | 15 |
| 推理延迟（ResNet-50，毫秒） | 2.3 | 45 | 18 |
| 吞吐量（GOPS/W） | 1,250 | 83 | 200 |
| 抗辐射能力（总电离剂量，krad） | >1,000 | 300 | 50 |
数据要点： 与最佳抗辐射FPGA相比，光子芯片在能效上提升15倍，发热量降低20倍，同时推理延迟降低8倍。这不是渐进式改进——而是太空AI工作负载的范式转变。
该系统还包含一种新颖的“光学存储器”，利用循环光纤环路存储中间结果，避免了电子DRAM的需求。这一点至关重要，因为传统存储芯片笨重、耗电，且易受宇宙射线引起的单粒子翻转影响。该团队声称其光学存储器可保留数据长达10微秒——足以满足大多数推理流水线。
关键参与者与案例研究
该项目由前中国科学院半导体研究所研究员李伟博士领导，他现在担任北京初创公司PhotonStar Technologies的光子智能实验室负责人。团队成员包括来自华为光网络部门的工程师，以及清华大学集成光子学项目的校友。他们已获得两轮融资：2024年来自红杉资本中国的1500万美元A轮融资，以及2025年初来自国有背景的中国航天科工集团（CASIC）的3000万美元B轮融资。
太空计算领域的竞争方法主要由两大阵营主导：
| 公司/项目 | 方法 | 功耗（W） | 状态 | 关键客户 |
|---|---|---|---|---|
| SpaceX（星链） | 定制ASIC + FPGA | 每节点50-100 | 运营中 | 消费者互联网 |
| NVIDIA（Jetson Orin） | GPU + ARM CPU | 15-40 | 部署于国际空间站 | NASA、ESA |
| PhotonStar（本团队） | 光子芯片 | 0.8 | 工程原型 | CASIC（机密） |
| IBM（抗辐射） | SiGe BiCMOS | 10-20 | 量产 | 军用卫星 |
数据要点： PhotonStar的功耗比任何现有太空级计算解决方案低1-2个数量级。然而，其技术就绪水平（TRL）较低——目前为TRL 5（在相关环境中验证），而SpaceX和NVIDIA解决方案为TRL 9。
一个值得注意的案例研究是2025年底发射的天河-3号卫星，它搭载了PhotonStar芯片的原型，用于星载合成孔径雷达（SAR）图像处理。早期遥测数据显示，该芯片对4K SAR图像进行实时变化检测的延迟为1.2秒，而使用卫星现有FPGA则需要45秒。这使得卫星能够自主标记异常（例如新建建筑、森林砍伐），而无需等待地面站过境。
行业影响与市场动态
这对价值4000亿美元的全球太空经济影响巨大。目前，大多数地球观测卫星以“存储-转发”模式运行：捕获数据、存储数据、在飞越地面站时传输数据。这引入了数小时的延迟。借助光子计算，卫星可以在本地运行AI模型，在毫秒内做出决策。这将实现：
- 自主碰撞规避：卫星可探测碎片并自主机动，无需地面干预。
- 实时灾害响应：野火探测、