任何拥有笔记本电脑的开发者，现在均可下载并运行光子AI芯片应用程序，无需特殊硬件或光学背景。9月23日，源自德国工业激光巨头TRUMPF的斯图加特公司Q.ANT发布了用于编程其光驱动神经处理单元（NPU）的开源SDK。此举被视为明确信号：光子计算的瓶颈已从芯片本身转向软件生态系统。
打破冯·诺依曼瓶颈，功耗仅为GPU的1/20
Q.ANT芯片旨在解决计算领域古老的“冯·诺依曼瓶颈”。传统AI加速器大部分能量消耗在内存与处理器间的数据搬运上，而Q.ANT的光子方法让计算在光学域中发生，原生执行非线性函数，而非通过数千层晶体管进行近似。
效率增益显著。慕尼黑莱布尼茨超级计算中心（LRZ）主席Dieter Kranzlmüller指出，Q.ANT芯片功耗约为30瓦，而当前一代英伟达GPU功耗高达700至1000瓦。“这就像一个灯泡，”Kranzlmüller表示，“电力已成为AI发展的障碍，这一点至关重要。”
该架构基于薄膜铌酸锂（TFLN）光子集成电路，在斯图加特IMS CHIPS改造后的半导体设施中制造，此前该生产线已投入1400万欧元（约1600万美元）。相比传统CMOS处理器需1200个晶体管配合一个光学元件完成8位乘法，Q.ANT单个光学元件即可执行相同功能。其第二代NPU在非线形函数负载上提供每秒80亿次操作（GOPS）的持续吞吐量。
“Linux时刻”：用模拟器抹平硬件门槛
Q.ANT将此次SDK发布称为光子计算的“Linux时刻”，意在复刻英伟达CUDA的生态成功路径。SDK名为“Q.ANT原生计算工具包”，在GitHub上以商业宽松许可免费提供，包含Python和C API、示例应用及文档。
核心创新在于基于CPU的模拟后端：开发者可在普通笔记本电脑上编写、测试和基准测试光子AI代码，待硬件开放后，无需重写代码即可在真实光子硬件上运行。Q.ANT软件副总裁Utz Bacher表示：“只需一台笔记本电脑，下载SDK即可开始，无需光子学知识。”
然而，生态建设仍处早期。目前SDK不包含PyTorch原生插件，开发者需通过C/Python API手动连接应用。基准测试虽显示其在参数量、准确性等方面的优势，但尚未经过大规模独立验证。初始版本主要面向图像分类和目标识别等推理负载。
商业化路径与资本背书
硬件访问正逐步开放。Q.ANT芯片目前已部署于LRZ和于利希超级计算中心（JSC）。商业云访问方面，德国云提供商IONOS将于2026年5月成为首个商业化云服务客户。本地部署则通过标准19英寸机架式原生处理服务器实现，支持PCIe连接，可与现有CPU/GPU集成。
资本市场对此持乐观态度。2025年7月，Q.ANT完成由Cherry Ventures、UVC Partners和imec.xpand领投的6200万欧元A轮融资，TRUMPF参与战略投资。董事会成员包括ARM创始人Hermann Hauser和前英特尔高管Hermann Eul。投资者认为，Q.ANT早期押注TFLN材料建立了工艺壁垒，竞争对手若选择硅光子或自由空间光学，将面临从头开始的局面。
挑战与前景
尽管生态信号初显——如第三方库PhotoKAN已支持Q.ANT后端，且有团队成功从PyTorch编译模型部署至Q.ANT NPU——但挑战依然严峻。英伟达CUDA拥有近20年的开发者锁定效应，且持续深化Python支持。Q.ANT目前年产能仅5万枚芯片，不足以服务大众市场，正积极寻找代工合作伙伴。
Q.ANT的战略赌注在于：通过模拟器让开发者在硬件普及前构建应用，创造临界质量。正如LRZ主席所言，在实现广泛采用前，Q.ANT必须构建起媲美CUDA的软件栈。此次SDK发布，正是其跨越这一障碍的关键尝试。