軟件定義AI算力？「百億獨角獸」東方算芯終于亮牌

成立兩年、估值過百億、直到今年 7 月才正式走到臺前。過去一段時間，東方算芯在外界眼中一直是一家頗為神秘的 AI 芯片獨角獸：

一邊是董事長兼 CEO 魏少軍，長期活躍在中國半導體產業和學界，曾任清華大學教授、中國半導體行業協會副理事長等職務；一邊是來自國家人工智能產業基金、張江高科、高瓴、美團、小米、京東、滴滴等資本和產業方的超百億融資加持。

但外界能看到的技術和產品信息并不多，直到最近才上線官網，放出第一代產品 DF1000 的信息。

7 月 13 日，東方算芯在 WAIC 2026 之前舉辦了一場軟件定義算力芯片、系統及路線圖發布會，正式發布軟件定義近存計算 3D 芯片 DF1000，并同步公布基于 DF1000 的大規模智算系統和后續產品路線圖。

DF1000 則是這張路線圖的第一張王牌，接下來的 DF2000、DF3000 還將對標 4nm 工藝的英偉達 H200 和 B300。

圖片來源：雷科技

DF1000 是一顆基于 14nm 的軟件定義近存計算 3D 芯片，面向大模型訓練、推理和智算集群場景，單卡 BF16 峰值算力達到 520 TFLOPS，并支持多種數據精度；顯存帶寬達到 6.4 TB/s，支持 AFD 分布式推理。加速卡遵循 OAM 2.0 規范，可以適配國內主流 OEM 廠商的 AI 服務器，也支持風冷和液冷兩種形態。

和傳統 AI 加速芯片不同，DF1000 的重點不只是堆計算單元，而是試圖把計算更靠近存儲，減少大模型運行過程中反復搬運數據帶來的帶寬和功耗壓力。

事實上，單看 520 TFLOPS 的算力，DF1000 并不算夸張，真正有意思的是 6.4 TB/s 顯存帶寬。

大模型訓練和推理時，大量時間和能耗都花在搬運數據上。計算單元要不斷從內存里取數據，算完之后再寫回去。模型越大、上下文越長、并發越高，「內存墻」的問題越明顯。所以 AI 服務器的競爭，不只在于計算單元更多，而在于數據能不能更快、更省電地喂給計算單元。

東方算芯的選擇則是 3D 近存計算。

以第一代產品 DF1000 為例，東方算芯通過 Hybrid Bonding（混合鍵合），將邏輯層和 DRAM 層垂直堆疊，把互連間距從數十微米壓縮到亞微米級。存儲并沒有直接負責計算，但離計算單元更近了，數據搬得更快，功耗和延遲也有機會降下來。

圖片來源：雷科技

DF1000 的另一條主線是「軟件定義」。簡單來說，東方算芯用可重構計算陣列和數據流架構，根據模型、算子和精度重新組織計算通路，試圖在 GPU 的通用性和 ASIC 的高效率之間找一個平衡。

這種靈活性也確實重要。面對 DeepSeek、GLM、Qwen 等模型的快速變化，AI 芯片如果做得太死，很容易被模型架構甩開；但如果只追求通用性，又很難在能效上形成優勢。

這也是東方算芯對標英偉達的底氣：用國產成熟工藝，靠軟件定義、近存計算 3D 架構繞開最先進制程的限制。

不拼晶體管制程，拼有效算力。

圖片來源：雷科技

不過軟件定義芯片，最難的往往也是軟件。國產 AI 芯片從來不缺峰值參數，真正進入客戶場景之后，難點常常出現在模型遷移、算子適配、框架兼容、集群穩定性和運維工具上。

所以這次，東方算芯也沒有只發布一顆芯片，還推出了自主軟件棧 CAAP。此外，發布會現場還展示了基于 DF1000 打造128 卡集群以及服務器，其中液冷服務器單機支持 8 張 DF1000 加速卡，采用 Full Mesh 全互聯，單卡 Scale Up 帶寬達到 900 GB/s；多臺服務器還可以通過 Scale Out 網絡組成更大的集群。

圖片來源：雷科技

這符合今天 AI 算力行業的需求。大模型真正跑起來，卡間互聯、集群調度、通信庫和故障恢復都會影響最終效率。對客戶來說，買到一張卡只是開始，能不能組成穩定、好用的算力系統，才是真問題。

在這種情況下，繼續講「追趕英偉達」當然沒錯，但已經不夠。國產 AI 芯片需要新的路線，也需要新的評價方式。只盯著制程節點和峰值算力，很可能看不懂接下來的競爭。

從這個角度看，東方算芯這次發布的重點，其實是給國產高端算力提供一套試圖繞開先進制程、海外 HBM 和 CUDA 路徑依賴的新打法：14nm 成熟制程負責制造，軟件定義近存 3D 芯片打破帶寬墻、內存墻和功耗墻，再以服務器和集群完成交付。

接下來就看落地。520 TFLOPS 和 6.4 TB/s 仍是賬面參數，DF1000 的真實模型性能、軟件成熟度、集群擴展效率和客戶部署情況，才決定這家百億獨角獸能不能真正接住外界的期待。