次年2月，他们就获得了来自星火资本（Spark Capital）和经纬创投（Matrix Patners）的1100万美元A轮融资。

此后便一发不可收拾，睿兽分析显示，Lightmatter共完成6轮融资，其中谷歌风投（Google Ventures，GV）已经从A+轮连投五轮，星火资本（Spark Capital）和经纬创投（Matrix Patners）也都连投了三轮。

值得注意的是，2023年12月，Lightmatter宣布完成1.55亿美元（约合28.5亿元人民币）C+轮融资，公司估值超过12亿美元（约合85.6亿元人民币），正式跻身独角兽。近日，公司更是获得了4亿美元（约合28.5亿元人民币）D轮融资，成为其有史以来最大一轮融资，估值达到44亿美元（约合313.7亿元人民币），累计融资8.22亿美元（约合58.6亿元人民币）。

“把电换成光”正成为一场算力革命

实际上，在AI革命背后，“把电换成光”正在成为一场芯片行业的潜在算力革命。

AI带来的巨大计算需求正在推动数据中心的发展，不过并不是直接插入一千个GPU那么简单就能解决。

这其中，互连层是将 CPU 和 GPU 机架变成一台巨型机器的关键。因此，互连速度越快，数据中心的速度就越快。

随着摩尔定律接近极限，未来算力提升的空间很有可能在光子计算芯片技术上。数字芯片受限于底层元器件：CMOS晶体管，而光学信号和光学器件遵循不同的物理原理。

和传统芯片不同，光芯片是通过光学技术而非电信号实现信息处理。而依靠光作为传递载体，让光芯片拥有了更高的传输速度、更低的功耗、更大的带宽。

经过测算，理想状态下，光芯片的端到端功耗仅仅为电子芯片的10%，延迟只有其1%，而同等条件下的算力却能达到电芯片的100倍以上。

从下游趋势而言，随着生成式AI将海量的高质量数据、大规模参数的模型推向市场，针对于大模型算力芯片的需求已达到非常高的水平，并仍在快速增长。这对未来的AI算力芯片提出了大算力、低功耗且成本可控的需求，而这些需求也恰好是光芯片的优势所在。

Lightmatter想要做的正是提升GPU或CPU芯片互联层的效率，从而突破现代数据中心的瓶颈。通过光子技术，可以让数百个GPU同步工作，从而简化复杂又极其烧钱的AI模型训练。

Lightmatter一直在开发的光子芯片，构建了速度最快的互连层。

Nicholas Harris指出，“针对超大规模的数据中心，如果他们想要一台拥有一百万个节点的计算机，无法使用思科传统交换机来实现。一旦离开机架，高密度互连就变成了一根绳子上的杯子。”

因此，对于一百万个 GPU，你需要多层交换机，这会增加巨大的延迟负担，Nicholas Harris说。

“你必须从电到光再到电再到光……你使用的电量和等待的时间都是巨大的。而且在更大的集群中，情况会变得更糟。”

那么，Lightmatter又是怎么做的呢？

其首款产品Envise是一款专门用于人工智能操作的芯片，另一款产品Passage则促进芯片之间数据传输的互连，它们利用光子和电子来提高操作效率。

Envise是一种通用机器学习加速器，,结合了光子学和基于晶体管的系统

此外，Lightmatter还研发了世界上第一个3D堆叠光子引擎Passage，能够在超大规模数据中心以光速连接数千到数百万个处理器，用于最先进的人工智能和高性能计算工作负载。

具体来说，Passage提供了一个功能类似于OCS（光路交换机）的通信层，该层位于基本和ASIC之间，几乎可以实现全方位通信，这个通信层可以进行动态的配置。通过采用硅内置光学（或光子）互连的形式，使其硬件能够直接与GPU等硅芯片上的晶体管连接，这使得在芯片之间传输数据的带宽是普通带宽的100倍。

Passage是晶圆级可编程光子互连，使异构芯片阵列能够进行通信