繞開HBM和先進(jìn)制程，東方算芯用"東方范式"破解國產(chǎn)算力困局

作者：毛爍

AI算力的發(fā)展，正站在一個(gè)越來越難以逾越的關(guān)口。

過去幾十年，整個(gè)半導(dǎo)體產(chǎn)業(yè)幾乎都沿著同一套公式運(yùn)轉(zhuǎn)：制程微縮、晶體管密度提升，性能隨之水漲船高。但當(dāng)摩爾定律逐漸逼近物理極限，這套公式開始失靈。每一次制程升級(jí)，都意味著研發(fā)成本呈指數(shù)級(jí)暴漲；而AI時(shí)代對(duì)內(nèi)存、帶寬的高需求，又把HBM推到了臺(tái)前。

于是，一條看似唯一的技術(shù)路徑浮出水面：誰掌握更先進(jìn)的制程，誰拿到更多的HBM，誰就能擁有更強(qiáng)的AI算力。

但對(duì)長期受制于國際形勢(shì)的國產(chǎn)AI芯片產(chǎn)業(yè)來說，這恰恰是最難走、也最被動(dòng)的路。如果始終沿著別人劃定的坐標(biāo)奔跑，就意味著要永遠(yuǎn)為越來越貴的先進(jìn)工藝和越來越稀缺的HBM買單。

正是在這個(gè)節(jié)點(diǎn)上，上海東方算芯科技有限公司（下文稱“東方算芯”），開啟了另一種打法。

既然先進(jìn)制程和HBM短期內(nèi)難以突破，那就改變算力生成的方式。東方算芯依托自主研發(fā)的“軟件定義計(jì)算架構(gòu)”和“3D DRAM近存計(jì)算”技術(shù)，成功繞開了對(duì)尖端工藝和緊缺內(nèi)存的剛性依賴，在現(xiàn)有成熟工藝條件下，實(shí)現(xiàn)了與國際主流產(chǎn)品相當(dāng)、甚至在部分指標(biāo)上領(lǐng)先的算力和帶寬表現(xiàn)。

一條“東方范式”的新路線，也由此走向落地。

01 “兩歲”的東方算芯，走過了二十年的路

在中國的AI芯片創(chuàng)業(yè)企業(yè)里，東方算芯或許算是一個(gè)特殊的存在。

它成立于2024年5月20日。從工商信息看，這是一家只有“兩歲多”的年輕企業(yè)；但如果把時(shí)間軸拉長，就會(huì)發(fā)現(xiàn)，它真正的起點(diǎn)，是在二十年前。

2006年前后，當(dāng)國內(nèi)半導(dǎo)體產(chǎn)業(yè)仍在追趕制造工藝時(shí)，清華大學(xué)的一支科研團(tuán)隊(duì)已經(jīng)在思考另一條路：能不能不再依賴越來越復(fù)雜的專用硬件，而是讓芯片像軟件一樣，根據(jù)不同任務(wù)動(dòng)態(tài)改變計(jì)算方式。

這就是后來被稱為可重構(gòu)計(jì)算（Reconfigurable Computing）的技術(shù)路線。領(lǐng)銜這項(xiàng)研究的，正是國際歐亞科學(xué)院院士、清華大學(xué)微電子學(xué)研究所和微電子與納電子學(xué)系教授，如今東方算芯的董事長兼CEO魏少軍。

國際歐亞科學(xué)院院士、清華大學(xué)微電子學(xué)研究所和微電子與納電子學(xué)系教授，

東方算芯董事長兼CEO 魏少軍

（截取自：清華大學(xué)官網(wǎng)）

后來，他將這條技術(shù)路線概括為一個(gè)更容易理解的名字：“軟件定義芯片”。而這，也成為如今東方算芯最核心的技術(shù)源頭。

值得一提的是，這并不是一條冷門的技術(shù)路線。事實(shí)上，“軟件定義芯片”（可重構(gòu)計(jì)算）早已被《國際半導(dǎo)體技術(shù)路線圖》（ITRS）列為最具前景的未來計(jì)算架構(gòu)之一，美國國防高級(jí)研究計(jì)劃局（DARPA）發(fā)起的“電子復(fù)興計(jì)劃”（ERI）也將其作為保持美國電子產(chǎn)業(yè)領(lǐng)先地位的核心關(guān)鍵技術(shù)。如今，被視為后摩爾時(shí)代全球估值前列的AI芯片獨(dú)角獸之一SambaNova，走的也是向光技術(shù)路線。

換句話說，“軟件定義芯片”是一條被全球頂尖科研機(jī)構(gòu)和產(chǎn)業(yè)反復(fù)驗(yàn)證的技術(shù)路徑。

只是，在過去二十年里的大部分時(shí)間，這條技術(shù)路線都走得很慢。它太超前了。

過去很長一段時(shí)間，專用ASIC一路高歌猛進(jìn)、摩爾定律仍在持續(xù)釋放紅利，產(chǎn)業(yè)更愿意通過不斷迭代專用硬件去換取性能，而不是讓硬件具備像軟件一樣可重構(gòu)、可定義的能力?！败浖x芯片”在當(dāng)時(shí)，更多是一種實(shí)驗(yàn)室里的技術(shù)，而非市場迫切需要解決的問題。

于是，這條技術(shù)路徑一直在默默積累。

二十年間，團(tuán)隊(duì)不斷迭代可重構(gòu)架構(gòu)，完成一代又一代驗(yàn)證芯片，先后獲得國家技術(shù)發(fā)明獎(jiǎng)、中國專利金獎(jiǎng)等國內(nèi)最高級(jí)別科技獎(jiǎng)項(xiàng)，并完成了基于國產(chǎn)混合工藝鍵合的芯片流片和智算加速服務(wù)器系統(tǒng)級(jí)驗(yàn)證。

技術(shù)被證明了，路線被證明了，卻始終沒有等來真正屬于自己的時(shí)代。

直到，大模型出現(xiàn)了！

生成式AI讓算力需求以指數(shù)級(jí)增長，而先進(jìn)制程又越來越昂貴、越來越受限。行業(yè)終于開始重新思考過去很少有人愿意回答的問題：如果拿不到最先進(jìn)的工藝，能不能通過計(jì)算架構(gòu)本身，把性能繼續(xù)往上推？

而這，恰恰就是“可重構(gòu)計(jì)算”準(zhǔn)備了二十年的答案。

窗口終于打開了，東方算芯，也是在這個(gè)時(shí)間點(diǎn)走向產(chǎn)業(yè)化。

在原有“軟件定義芯片”的基礎(chǔ)上，東方算芯進(jìn)一步演進(jìn)出“軟件定義+3D相變近存計(jì)算”架構(gòu)，把可重構(gòu)計(jì)算、三維集成和近存計(jì)算結(jié)合起來。東方算芯雖然僅成立了兩年多，但很快便在北京、西安、南京、蘇州、成都等地布局研發(fā)中心，聚集起五百多人的研發(fā)團(tuán)隊(duì)。2026年4月完成A+輪融資后，公司投后估值達(dá)到122.75億元。

AI時(shí)代重新定義了算力，也重新定義了這條沉寂二十年的技術(shù)路線?！败浖x芯片”，終于走出了實(shí)驗(yàn)室，開始迎接新的產(chǎn)業(yè)機(jī)遇。

02 三張底牌，構(gòu)建“東方范式”

那么，東方算芯究竟是如何在不依賴先進(jìn)制程和HBM的前提下，實(shí)現(xiàn)AI算力持續(xù)提升的？

答案在于一套重新定義AI計(jì)算方式的底層架構(gòu)。

過去，AI芯片的發(fā)展基本遵循著同一條技術(shù)路線，依靠更先進(jìn)的制程、更高的晶體管密度、更大的緩存和更寬的HBM帶寬，不斷換取更高的性能。但是，東方算芯并沒有沿著這條路徑繼續(xù)“堆料”，而是選擇通過計(jì)算架構(gòu)本身，重新釋放芯片的潛力。

圍繞這一思路，東方算芯逐步建立起完整的底層技術(shù)體系。而這套“東方范式”的架構(gòu)，由三項(xiàng)彼此協(xié)同的核心技術(shù)組成。這三項(xiàng)技術(shù)分別對(duì)應(yīng)AI計(jì)算中的三個(gè)核心問題：提高計(jì)算效率、提升數(shù)據(jù)帶寬，以及實(shí)現(xiàn)大規(guī)模算力擴(kuò)展。

而這，也是東方算芯的“三張底牌”。

底牌一是軟件定義計(jì)算架構(gòu)。這是東方算芯整個(gè)技術(shù)體系的起點(diǎn)，也是對(duì)傳統(tǒng)馮·諾依曼計(jì)算范式的一次重構(gòu)。

對(duì)比來看，傳統(tǒng)處理器以指令流（Instruction Flow）驅(qū)動(dòng)執(zhí)行，固定的ALU和計(jì)算流水線決定了算法如何映射到硬件，軟件始終需要圍繞硬件組織計(jì)算。而東方算芯的軟件定義計(jì)算架構(gòu)，通過構(gòu)建從硬件到軟件的全?？芍貥?gòu)計(jì)算體系，將執(zhí)行邏輯從“指令驅(qū)動(dòng)”轉(zhuǎn)向"數(shù)據(jù)流驅(qū)動(dòng)（Dataflow Computing）”，讓硬件圍繞算法的數(shù)據(jù)流動(dòng)態(tài)進(jìn)行重構(gòu)。

在底層實(shí)現(xiàn)上，該系統(tǒng)以Tensor Tile作為基本調(diào)度單元，對(duì)多精度融合計(jì)算陣列進(jìn)行動(dòng)態(tài)重組，構(gòu)建出全異步（Asynchronous）、無阻塞（Non-blocking）的數(shù)據(jù)流執(zhí)行引擎。計(jì)算資源能夠隨著模型結(jié)構(gòu)和計(jì)算負(fù)載實(shí)時(shí)調(diào)整，在微架構(gòu)層面實(shí)現(xiàn)細(xì)粒度資源重構(gòu)（Fine-grained Reconfiguration），最大限度提升計(jì)算資源利用率（Utilization），減少空轉(zhuǎn)、流水線停頓以及訪存等待。

這種能力提升的并非單一算子的峰值性能，而是單位晶體管持續(xù)輸出有效算力的能力。

從根本上說，其重新定義了算力的形成機(jī)制。

截取自：東方算芯官網(wǎng)

底牌二是3D DRAM近存計(jì)算。如果說軟件定義計(jì)算架構(gòu)解決的是計(jì)算效率，那么3D DRAM近存計(jì)算解決的就是數(shù)據(jù)流動(dòng)效率。

截取自：東方算芯官網(wǎng)

其實(shí)，隨著AI推理逐漸規(guī)模化之后，越來越多的AI系統(tǒng)面臨的瓶頸，已經(jīng)不再只是算力不足，更是數(shù)據(jù)供給跟不上計(jì)算速度。對(duì)應(yīng)來看就是，GPU計(jì)算能力持續(xù)提升，但DRAM帶寬的增長遠(yuǎn)遠(yuǎn)落后于計(jì)算密度的提升，大量計(jì)算單元不得不等待數(shù)據(jù)到達(dá)，整個(gè)系統(tǒng)因此受制于 Memory Wall（內(nèi)存墻）。

目前，主流的解決思路，是依靠2.5D封裝結(jié)合HBM，通過不斷擴(kuò)大內(nèi)存接口寬度提升帶寬。但這一路線高度依賴先進(jìn)封裝和HBM供應(yīng)鏈，不僅成本持續(xù)攀升，還會(huì)受制于產(chǎn)業(yè)鏈能力。

但是，東方算芯選擇的技術(shù)路徑是采用Hybrid Bonding（混合鍵合）技術(shù)，將邏輯芯片（Logic Die）與DRAM進(jìn)行三維堆疊，實(shí)現(xiàn)無凸點(diǎn)（Bumpless）的垂直互連。相比依賴Silicon Interposer和Micro-bump的2.5D封裝，Hybrid Bonding能夠?qū)⑿酒g互連Pitch壓縮至亞微米級(jí)，在相同面積下提供更高的互連密度、更大的I/O帶寬密度和更高的數(shù)據(jù)吞吐能力，同時(shí)顯著降低互連時(shí)延和單位比特傳輸能耗。

這種三維堆疊帶來的變化，在于縮短了計(jì)算與存儲(chǔ)之間的數(shù)據(jù)傳輸路徑。3D DRAM近存計(jì)算可將存儲(chǔ)直接部署在計(jì)算單元附近，使訓(xùn)練和推理過程中大量訪存操作能夠在更短距離內(nèi)完成，從而減少數(shù)據(jù)搬運(yùn)帶來的時(shí)間和能耗開銷。

也正因如此，其緩解Memory Wall的思路，也不再是依賴持續(xù)堆高HBM帶寬，而是通過重構(gòu)計(jì)算與存儲(chǔ)的位置關(guān)系，從芯片架構(gòu)層面提升數(shù)據(jù)供給效率，讓計(jì)算單元能夠持續(xù)獲得數(shù)據(jù)，最終釋放更高的持續(xù)有效算力。

底牌三是原生分布式執(zhí)行模型（Native Distributed Execution）。第三張底牌解決的是AI系統(tǒng)邁向超大參數(shù)規(guī)模之后的集群擴(kuò)展能力。

隨著模型參數(shù)規(guī)模邁向千億、萬億量級(jí)，單一芯片已經(jīng)無法承載完整的模型。無論是訓(xùn)練還是推理，都需要數(shù)百甚至數(shù)千顆芯片協(xié)同完成。這意味著，真正決定AI系統(tǒng)性能的要素，是整個(gè)集群能否保持高效率協(xié)同運(yùn)行。

所以，東方算芯并沒有沿用傳統(tǒng)以Scale-up為主的縱向擴(kuò)展思路，而是在架構(gòu)設(shè)計(jì)之初便圍繞Scale-out進(jìn)行了原生優(yōu)化，將分布式能力做進(jìn)計(jì)算架構(gòu)。

為此，東方算芯通過在芯片層引入軟件定義通信處理器（Software-defined Communication Processor），將通信能力深度融入計(jì)算流程；在服務(wù)器層構(gòu)建原生以太網(wǎng)超節(jié)點(diǎn)（Ethernet Super Node），降低節(jié)點(diǎn)間通信開銷；在軟件層提供統(tǒng)一的分布式編程模型、Runtime運(yùn)行時(shí)，以及通信調(diào)度機(jī)制，將計(jì)算、通信和存儲(chǔ)納入統(tǒng)一的執(zhí)行框架。

截取自：東方算芯官網(wǎng)

簡單來說，分布式不再只是網(wǎng)絡(luò)層的任務(wù)，而是成為貫穿芯片、服務(wù)器到集群的軟件硬件協(xié)同能力。

而這種覆蓋Die、Board、Server直至Cluster的協(xié)同設(shè)計(jì)，使系統(tǒng)能夠隨著節(jié)點(diǎn)規(guī)模擴(kuò)大，仍保持接近線性的擴(kuò)展效率，降低跨節(jié)點(diǎn)同步帶來的性能損失，從而為超大參數(shù)規(guī)模的模型訓(xùn)練和推理提供穩(wěn)定的系統(tǒng)級(jí)支撐。

這三張底牌高度耦合，構(gòu)成了東方算芯堅(jiān)實(shí)的底層邏輯：在不依賴海外先進(jìn)制程、HBM的前提下，依靠架構(gòu)創(chuàng)新與3D堆疊，獲得與先進(jìn)制程產(chǎn)品相當(dāng)甚至更高的算力和帶寬表現(xiàn)。

03 從芯片到集群，打造“東方范式”全棧體系

“三張底牌”回答了東方算芯為什么能夠走出一條不同于“先進(jìn)制程+HBM”的技術(shù)路線。那么接下來的問題就是，這套架構(gòu)，究竟有沒有真正落地？

答案是，當(dāng)然有。

如今，三大技術(shù)路徑已經(jīng)完整融入東方算芯的產(chǎn)品體系。從計(jì)算芯片，到服務(wù)器、機(jī)柜，再到智算中心集群，這套“東方范式”層層向上，構(gòu)成了一條覆蓋芯片、基礎(chǔ)軟件、應(yīng)用軟件、服務(wù)器到大規(guī)模集群的全棧產(chǎn)品線，具備系統(tǒng)級(jí)交付能力。

作為整個(gè)系統(tǒng)的基礎(chǔ)算力單元，東方算芯的首發(fā)產(chǎn)品是 AI加速卡“巔峯DF1000”。其是一款基于3D DRAM近存計(jì)算與軟件定義架構(gòu)的高性能AI加速卡，采用全國產(chǎn)供應(yīng)鏈，遵循OAM 2.0規(guī)范，原生支持大模型訓(xùn)練、分布式推理及單機(jī)推理。

圍繞“巔峯DF1000”，東方算芯進(jìn)一步向上構(gòu)建了覆蓋服務(wù)器、集群和軟件平臺(tái)的完整產(chǎn)品體系。

在基礎(chǔ)設(shè)施層面，東方算芯將多張“巔峯DF1000”封裝為AI服務(wù)器“擎元QY100”，實(shí)現(xiàn)訓(xùn)推一體、超強(qiáng)算力、超高帶寬和海量顯存，無需額外集成調(diào)試即可交付；再通過超節(jié)點(diǎn)“拓域TY64”實(shí)現(xiàn)64卡無縫互聯(lián)，配合標(biāo)準(zhǔn)液冷機(jī)柜，將算力密度與互聯(lián)帶寬推向行業(yè)領(lǐng)先；最終進(jìn)一步擴(kuò)展為面向算力中心、央國企和大型制造企業(yè)的智算集群“慧算HS512”，完成從服務(wù)器、超節(jié)點(diǎn)到集群的完整硬件產(chǎn)品布局。

截取自：東方算芯官網(wǎng)

從單芯片到單機(jī)，從超節(jié)點(diǎn)到集群，規(guī)模逐級(jí)放大。

但這種模塊化擴(kuò)展，并不是簡單地堆疊更多芯片，而是建立在原生分布式執(zhí)行模型之上。從芯片內(nèi)部的軟件定義通信處理器，到服務(wù)器級(jí)的原生以太網(wǎng)超節(jié)點(diǎn)互聯(lián)，再到集群級(jí)Runtime統(tǒng)一調(diào)度，讓計(jì)算、通信與存儲(chǔ)資源，都被納入同一套協(xié)同框架，實(shí)現(xiàn)跨層級(jí)協(xié)同優(yōu)化。

因此，即使節(jié)點(diǎn)數(shù)量持續(xù)增加，系統(tǒng)依然能夠保持接近線性的擴(kuò)展效率，不會(huì)因通信和調(diào)度開銷快速上升而導(dǎo)致算力利用率下降。而這也成為東方算芯支撐千億乃至萬億參數(shù)模型訓(xùn)練與推理的底層基礎(chǔ)。

硬件解決的是“算力夠不夠”的問題，而軟件生態(tài)解決的，就是“算力好不好用”的問題。其實(shí)，過去很長一段時(shí)間，制約國產(chǎn)AI芯片普及的，更多的是軟件生態(tài)。

也正如魏少軍院士所說，算力產(chǎn)業(yè)的競爭最終是體系與生態(tài)的競爭。

事實(shí)上，今天的大模型產(chǎn)業(yè)已經(jīng)形成了以PyTorch、DeepSpeed、Megatron、vLLM等為核心的軟件生態(tài)。從訓(xùn)練框架、編譯器到推理引擎，大量AI基礎(chǔ)設(shè)施都圍繞這套生態(tài)構(gòu)建。

因此，東方算芯并沒有重新構(gòu)建一套封閉的軟件生態(tài)，而是選擇兼容主流AI開發(fā)體系。在底層，基于Tensor Tile構(gòu)建了全異步數(shù)據(jù)流編程模型，以Tensor Tile作為基本調(diào)度單元，讓計(jì)算與數(shù)據(jù)搬運(yùn)深度重疊，通過軟件管理的顯式數(shù)據(jù)流替代傳統(tǒng)緩存機(jī)制，進(jìn)一步提升計(jì)算資源利用率。

在生態(tài)層面，東方算芯的基礎(chǔ)軟件支持Kubernetes容器化編排，兼容PyTorch框架和Triton編譯器，同時(shí)也完成了對(duì)DeepSpeed、Megatron等分布式訓(xùn)練框架，以及vLLM、SGLang等推理框架的適配。

這意味著，客戶從原有算力平臺(tái)遷移至東方算芯集群的技術(shù)門檻被降至最低。

在商業(yè)落地端，這套全國產(chǎn)化供應(yīng)鏈體系（涵蓋設(shè)計(jì)、制造、封裝、測試全鏈條自主創(chuàng)新）的系統(tǒng)，正精準(zhǔn)切入互聯(lián)網(wǎng)、金融、人工智能與超高性能計(jì)算（HPC）等復(fù)雜應(yīng)用場景，為國民經(jīng)濟(jì)與產(chǎn)業(yè)數(shù)字化升級(jí)提供安全、可控的算力底座。

04 寫在最后：一條終將走通的“國產(chǎn)之路”

歷史的車輪滾滾向前，半導(dǎo)體產(chǎn)業(yè)的演進(jìn)軌跡，始終由多元?jiǎng)?chuàng)新力量共同塑造。

東方算芯以一套扎實(shí)、獨(dú)立的原創(chuàng)架構(gòu)，為國產(chǎn)算力開辟出全新的技術(shù)路徑，也悄然改寫了“后來者只能遵循既有規(guī)則”的舊認(rèn)知。

東方算芯的破局，實(shí)則也暗合了產(chǎn)業(yè)演進(jìn)必然性。不久前，華為提出的“韜（τ）定律”中揭示：當(dāng)二維平面的幾何微縮走到盡頭，可以“時(shí)間縮微”替代“幾何縮微”，通過邏輯折疊、3D堆疊與系統(tǒng)級(jí)協(xié)同優(yōu)化，實(shí)現(xiàn)單位晶體管密度的等效提升。

而在底層自主創(chuàng)新的共識(shí)下，東方算芯剝離了對(duì)先進(jìn)制程的盲目依賴，用系統(tǒng)級(jí)協(xié)同與異構(gòu)集成，實(shí)現(xiàn)了等效算力密度的跨越式躍升，并由此淬煉出一套可規(guī)模化復(fù)用的“東方范式”。

“關(guān)鍵核心技術(shù)是要不來、買不來、討不來的?！碑?dāng)二十年的學(xué)術(shù)薪火化作澎湃算力走向千行百業(yè)，中國芯將加快摒棄他人定下的出口，在世界半導(dǎo)體的堅(jiān)固版圖上，讓中國架構(gòu)占有一席之地。

加速自主創(chuàng)新，突破技術(shù)封鎖，或許本就是中國科技在這場時(shí)代洪流中，終將兌現(xiàn)的宿命！