导语：当推理需求、能源约束与供给链挑战交叉，东方算芯选择从底层架构从头寻觅谜底。

AI算力仍于疾走，但芯片的竞争维度却发生较着的分解。

已往几年，AI芯片的成长险些遵照着统一条路径：更进步前辈的制程、更年夜的GPU集群、更高的算力。

但推理时代的到来，最先转变这套游戏法则。模子再也不只寻求练习速率，更存眷推理成本、Token吞吐及部署效率等指标。与此同时，能源、制造工艺及供给链的制约也于日趋凸显。

当堆算力愈来愈难、晋升效率成为新的竞争标的目的时，国产AI芯片是否还有有另外一种可能？

东方算芯试图给出本身的谜底。7月进行的首届产物发布会上，东方算芯正式推出海内首颗采用软件界说近存计较3D AI芯片DF1000。

比拟单颗芯片的参数，更值患上存眷的是它所完成的一系列工程验证：天下产供给链完成流片及制造，128卡集群于真实营业场景中不变运行，全栈软件生态同步搭建。

一套从芯片到体系的国产AI算力方案，开端成型。

从“算患上快”到“搬患上快”，AI芯片的新范式

一边是连续膨胀的算力需求，另外一边则是不停爬升的能源及本钱投入。于中国香港工程院院士郑光廷看来，AI的成长正于遭到物理世界的约束。

国际能源署（IEA）数据显示，AI专用数据中央的用电量于2025年增加了50%，远高在数据中央总体17%的增速。Gartner则猜测，直至2030年，面向AI负载优化的办事器估计将占所有数据中央电力耗损的近一半。

基在此，郑光廷指出，将来真正稀缺的资源未必是算力，而多是能源。怎样于有限的能源及资源约束下，开释更多有用算力，已经经成为整个AI财产配合面临的问题。

而解题的第一步，需要先厘清练习及推理真正耗损的是甚么。

东方算芯副总裁郭炜从当前最火爆的运用Agent出发，指出AI智能体时代需要更智慧的模子及更低成本的运用，这象征着练习必需更高效、推理必需更自制。

联合年夜模子练习流程，郭炜阐发，盘踞练习计较量约70%的预练习，素质上属在计较密集型使命，是以芯片计较能力仍旧是决议练习效率的焦点指标。

而推理场景对于芯片要求的逻辑与练习大相径庭。当模子参数相对于固定后，体系需要不停读取模子权重及KV Cache，再完成Token天生。这象征着，芯片竞争的重点正从“算患上快”转向“搬患上快”。

郭炜进一步注释，推理中的Decode阶段盘踞时间年夜头，其Token吞吐能力高度依靠访存带宽——计较单位与存储单位之间的数据传输。

当AI需求同时走向增加与分解，问题进一步延长：练习时代的“王者”GPU，还有可否适配这个更繁杂的新周期？

对于在国产GPU而言，供给链是必需直面的第一道坎。

从练习侧来看，计较能力的晋升愈来愈依靠进步前辈制程、更年夜的计较单位范围以和更高的晶体管密度。

郭炜坦言，今朝国际领先芯片制造工艺已经经进入3纳米，而海内可以或许获取的进步前辈工艺仍以14纳米级为主，工艺代差直接限定了国产AI芯片的晋升空间。

而推理侧的瓶颈则转向存储与互联。进步前辈HBM决议了单卡存储带宽的上限，但其供给一样受限；与此同时，高速I/O接口的密度与机能也遭到制造工艺的制约，进而影响卡间互联带宽。

但更素质的问题于在，传统GPU自己也未必是AI时代的最优解。

北京超弦存储器研究院履行副院长赵超指出，传统冯·诺依曼架构将处置惩罚器与存储器分散，于AI算力高度增加确当下，二者之间的数据互换效率已经经愈来愈难跟上计较效率。

从头思索计较、存储与体系之间的瓜葛成为一定选择。

也正因云云，东方算芯开创人、董事长兼CEO魏少军直言，当下国产芯片行业真正需要思索的已经经不是简朴复制既有GPU的成长路径，而是走出一条属在本身的门路——以架构自立、技能原创、生态自主及供给链安全可控，从头构建合适AI时代的芯片系统。

用软件界说硬件，重组计较、存储与封装

东方算芯给出了它的谜底。

作为东方算芯首颗年夜算力AI芯片，DF1000同时面向练习与推理场景。于初次产物发布会上，东方算芯还有基在DF1000芯片，推出了完备的产物矩阵，包罗加快卡、超节点、办事器、智算集群以和软件栈。

此中，巅峯1000 AI加快卡单卡可实现520T BF16算力、6.4TB/s显存带宽，撑持AFD漫衍式推理；拓域64超节点进一步扩展体系范围，可实现33P BF16算力，近900GB/s Scale up带宽；慧算集群则采用fullmesh多芯互联络谈判全铜缆毗连，面向更年夜范围算力部署；擎元100一体机则针对于中小体量客户，提供预装模子、开箱即用的快速部署方案。

聚焦软件生态，东方算芯同步推出的CAAP软件栈笼罩编译器、算子库、调集通讯库、漫衍式练习框架以和东西链，撑持主流深度进修框架及开源模子生态。

支撑这一完备链条的焦点，是东方算芯从建立之初就锚定的“软件界说芯片”线路。郭炜先容，这一起径起首转变的是计较资源的构造方式。

于传统GPU中，年夜量计较资源的事情模式根据固定方式构造，资源华侈难以免。而东方算芯选择采用粗粒度计较架构，经由过程数据流驱动差别计较单位协同事情，并联合使命空间并行及资源时分复用，让统一套硬件可以或许按照差别模子动态分配计较资源。于不增长芯单方面积的环境下，总体资源使用率实现年夜幅晋升。

面临存储墙，东方算芯选择近存计较线路，经由过程3D混淆键合的技能手腕将逻辑晶圆及存储晶圆直接重叠，使计较与存储之间险些“贴于一路”。

按照现场披露数据，比拟传统HBM方案，3D DRAM可以或许提供数十倍TSV毗连数目，使访存带宽到达同容量HBM的5倍以上；同时，还有可以或许经由过程增长晶圆重叠层数继承扩大显存容量。

这类3D重叠带来的不仅是存储机能的晋升，更开释了封装空间。省下的HBM封装面积及互联接口，被从头分配给计较单位与互联资源。

于郭炜看来，比拟传统2.5D封装，于不异封装尺寸下，东方算芯选择的3.5D Plus可以或许同时得到更年夜的算力范围、更高的收集带宽及更强的互联能力，也为将来继承扩大芯片范围预留了空间。

基在这条线路，东方算芯已经经明确“量产一代、研发一代、预研一代”的产物战略。郭炜吐露，下一代DF2000估计于本年四序度发布，总体机能参数将于DF1000基础上实现翻倍晋升；DF3000则规划在来岁推出。

国产AI芯片的更多可能将被连续验证，而东方算芯的第一笔，已经经落下。

雷峰网(公家号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。