芯東西（公眾號：aichip001）

作者 | 全球AI芯片峰會

芯東西9月17日報道，今日，2025全球AI芯片峰會在上海舉行，來自AI芯片領域的42位產學研專家及創業先鋒代表，暢談對大模型下半場中國AI芯片創新、落地、生存、破局的最新觀察與思考。

一如既往，大會將國產AI芯片新老勢力、核心生態鏈企業、投資機構代表匯聚一堂，集中輸出技術及產業干貨，全景式解構AI芯片熱門發展方向。

本屆峰會由智一科技旗下智猩猩與芯東西共同舉辦，以“AI大基建 智芯新世界”為主題，由主論壇+專題論壇+技術研討會+展覽區組成，覆蓋大模型AI芯片、架構創新、存算一體、超節點與智算集群技術等前沿議題。AWE同時也是本次峰會的戰略合作機構。

值得一提的是，多家AI芯片企業在會上放出猛料。例如，幾位資深投資人分享投資AI芯片企業所看重的條件，一家超節點創企成立幾個月就融資六七億，云天勵飛正在研發新一代NPU Nova500，華為昇騰將在12月把CANN全量開源，曦望Sunrise下一代芯片的大模型推理性價比對標英偉達Rubin GPU。

在展覽區，超摩科技、奎芯科技、特勵達力科、Alphawave、芯來科技、Achronix、曦望Sunrise、矩量無限、AWE、晶心科技、芯盟科技等11家展商進行展示。

▲展覽區一隅

作為主辦方代表，智一科技聯合創始人、CEO龔倫常發表致辭。從2018年3月至今，全球AI芯片峰會共邀請了超過180位產學研大咖，分享行業趨勢與洞見，已成為AI芯片領域唯一一個持續舉辦且具有廣泛影響力的產業峰會，也是了解國內外AI芯片動態的重要窗口。

▲智一科技聯合創始人、CEO龔倫常

龔倫常還預告了將于今年11月底在深圳舉辦的2025中國具身智能機器人大會，歡迎大家參會交流。

注：本文整理了主論壇與大模型AI芯片專題論壇的精華總結。更多相關報道將在后續發布。

一、IEEE Fellow王中風教授：解讀AI芯片三大前沿方向

應對模型規模“超摩爾”增長、傳統架構“內存墻”、應用場景日趨多元化三大挑戰，中山大學集成電路學院院長、IEEE/AAIA Fellow王中風教授探討了AI芯片設計的三大前沿方向，為行業的發展提供了寶貴的見解和指導。

一是模型驅動的高效芯片設計，在模型尺寸增長的趨勢下，讓硬件深度適配AI模型特性，而非讓模型發展受限于硬件資源。

王中風教授團隊提出的Transformer硬件加速架構設計工作，是首個完整解決Attention計算加速挑戰的方案，獲得了IEEE 2020年片上系統年會（SOCC）最佳論文獎；N:M稀疏Transformer推理加速框架，可快速實現任意N:M稀疏比例的Transformer模型開發和硬件部署，同時能保持精度穩定；粗粒度-細粒度混合精度量化，搭配專用多核加速器來處理差異計算，能夠實現更靈活的調度。

二是應用驅動的AI芯片創新，注重模型的落地與應用，兼顧能效和靈活性的探索。

架構創新沒有唯一解，只有更合適的解。結合可重構硬件架構（動態適配不同算法需求）、領域專用架構（在垂直場景實現超過通用架構的能效）、Chiplet等先進封裝技術（提高設計靈活性、降低成本、縮短上市周期），以應用驅動為核心的AI芯片設計，將是未來值得重點探索的研究方向。

三是基于存算一體的芯片設計，從存算架構根源降低能耗，平衡性能與功耗。

存算一體架構是芯片設計范式轉移的一個重要方向。數字存算架構的優勢是高精度、高穩定性、生態更成熟，但存在高能耗、高硬件開銷、低存儲密度等問題；模擬存算架構具有低能耗、高存儲密度、低硬件開銷等優勢，但精度較低、對工藝要求高、生態不成熟。王中風教授團隊研究的基于SRAM的數字存內計算架構大模型加速器，支持多種數據精度，相比于傳統馮諾依曼架構，能效比可提升數十倍。

上述三條路徑并非孤立，而是相互支撐，共同推動AI芯片從“通用適配”走向“精準定制”。

▲中山大學集成電路學院院長、IEEE/AAIA Fellow王中風教授

王中風教授總結說，當前AI芯片發展呈現三大關鍵趨勢：一是從通用計算走向領域專用的“專用化”，二是算法與軟硬件共同進化的“協同化”，三是通過新型計算打破性能瓶頸的“一體化”。

以AI計算專用架構SRDA（系統級極簡可重構數據流）為例，通過分布式3D內存控制技術、可重構數據流計算架構、系統級精簡軟硬件融合設計等創新，在大模型智算場景可以大幅提升AI算力利用率與性能，驅使未來基于國產工藝的AI算力芯片也可以實現不亞于國外更先進工藝制程的GPGPU性能。

下一代計算范式的發展，首先是軟件、算法、硬件的共生，實現全環節協同進化；其次是實現無處不在、高效且可信的智能計算，在云端實現支持AGI訓練的巨型超算系統，在邊緣實現自主機器人的實時決策大腦，在端側實現超低功耗的Always-On感知芯片。

此外，高效支持智能計算，還需要促進新興技術融合，實現光子計算、量子計算、AI芯片的潛在結合。

王中風教授呼吁開放標準，推動接口、互聯、指令集等的開放，降低創新門檻；注意產學研深度合作，共同攻克量智融合、存算一體、新材料、新工藝、新器件等領域的技術難題；注重人才培養，培養兼具算法、架構、底層電路及軟件開發等技能的交叉型人才。

二、高端對話：大模型下半場引爆國產算力，AI芯片IPO潮將更具想象

高端對話以《?模型下半場，中國AI芯?的破局與突圍》為主題，由智一科技聯合創始人、智車芯產媒矩陣總編輯張國仁主持，和利資本合伙?王馥宇、普華資本管理合伙?蔣純、BV百度風投董事總經理劉?、IO資本創始合伙?趙占祥四位嘉賓進行分享。

張國仁談道，大模型的下半場不僅是技術競賽，更是生態競爭，期待中國即將誕生“芯片+場景+算法”的垂直整合者，出現更多的單項冠軍。

▲智一科技聯合創始人、智車芯產媒矩陣總編輯張國仁

1、DeepSeek擴大算力池后，投資AI芯片企業看什么？

王馥宇認為，DeepSeek的出現意味著中國出現了“Leading Customer”，好的科技公司會向芯片公司提出需求。蔣純進一步補充道，DeepSeek最大的意義是讓中國有了一套自有大模型體系，讓國產芯片有了用武之地。

這些資深投資人會傾向于投資什么樣的AI芯片團隊？幾位投資人均看重企業的技術路線是否收斂。

趙占祥尤其關注技術路線是否有提升及創新。劉水提到百度風投不單純以商業化衡量項目價值。蔣純說：“小孩子才做選擇，成年人我都要。”他表示成熟技術和創新技術都在投資。王馥宇將市場分為兩類，一類是相對確定的市場，考驗團隊的積累和執行力，第二類是靠技術驅動市場發展。

展望芯片企業的未來機遇，蔣純認為，碳基文明被硅基文明取代之前，算力的市場機會看不到頭，市場前景無窮大，現在的技術體系并不是終局。

2、一家超節點創企，成立幾個月融資六七億

王馥宇稱，很多大廠同樣在構建非全家桶方式的網絡架構，未來百花齊放，企業要保持開發、敏感。

在蔣純看來，對中國企業面臨的現實情況而言，“小米加步槍”的scale out路線和超節點所代表的scale up路線至少是同樣重要。

趙占祥透露，IO資本最近在看的一個超節點創業公司，成立幾個月就融資六七億，但在超節點機遇背后，網絡的可靠性、故障率要求仍面臨挑戰。

BV百度風投曾投資不少具身智能企業。據劉水分享，具身智能是個新興賽道，芯片作為核心硬件支撐，目前還在迭代期，真正能完美匹配各類復雜物理交互場景的成熟芯片產品，行業內仍在探索。

現階段，很多企業選擇x86 CPU加AI芯片的組合來搭建基礎算力平臺，這是行業在技術演進過程中非常自然的過渡性選擇，能快速驗證產品邏輯、跑通初步場景。

而這種 “過渡性” 也正是產業的機會所在——未來無論是更適配具身特性的專用芯片研發，還是基于現有硬件的算力效率優化，只要能解決實際場景中的痛點，就是產業發展的機會點。

3、寒武紀一度登頂A股，“寄托了全村人的希望”

幾位投資人雖然主要看一級市場，但也聊到對二級市場的觀察。他們普遍認為，接下來要IPO的AI芯片公司會比登陸2019年科創板的那批國產替代概念芯片公司更有想象力。

今年，寒武紀一度超越貴州茅臺登頂A股“股王”。在蔣純看來，寒武紀的暴漲背后可能“寄托了全村人的希望”。與上一波芯片企業上市潮相比，當時國產替代概念市場有限，但現在AI市場的需求是無限的。

劉水補充說，AI需求正為計算基礎設施建設注入強勁動力。當前，不少國產芯片企業積極推進IPO進程，這本身是行業加速成長的體現——借助資本市場的力量，企業能更好地投入研發、擴充產能，為技術突破和規?；桓兜於ɑA。

不過，上市只是發展的新起點，最終能否站穩市場，關鍵仍在于技術的成熟度、產能的穩定供給以及客戶的深度認可。

從長遠來看，企業需要以持續的技術創新和扎實的商業化能力，真正實現產業價值與市場價值的同步兌現。

三、瞄準大模型高效推理，做好生態開源開放

面向持續爆發的大模型推理需求，如何在芯片架構、開源開放、高速互連、超節點等方向探索創新？

在上午主論壇期間，來自云天勵飛、華為昇騰、行云集成電路、奎芯科技、探微芯聯、新華三的產業嘉賓分別發表主題演講，分享了他們的觀察與思考。

1、云天勵飛陳寧：國產AI推理芯片迎歷史性機遇

云天勵飛董事長兼CEO陳寧談道，在“政策+需求”雙重驅動下，國產AI推理芯片正迎來絕佳發展機遇。根據灼識咨詢報告，中國NPU市場規模短期預計新增規模339.3億元，長期預計新增規模1092億元。

高效Token生成是衡量推理芯片性價比的關鍵指標。11年來，云天勵飛已研發五代NPU，打造相關指令集、專用算子、存算一體架構、低比特混合量化等芯片硬件技術。其“算力積木”架構是基于國產工藝的D2D Chiplet & C2C Mesh大模型推理架構，具有可擴展性強、靈活性強、實時性高等特點。

云天勵飛提供“深穹”、“深界”、“深擎”三大AI推理芯片系列，分別面向大模型推理算力中心/超節點/一體機/加速卡、邊緣網關/邊緣盒子/家庭主機、及機器人/無人機/無人車等AI推理等應用。

目前，云天勵飛正在研發新一代NPU Nova500，并基于Nova500推出多款性能更強的AI推理芯片。

▲云天勵飛董事長兼CEO陳寧

2、華為昇騰王曉雷：公布全面開源的三個關鍵節點

華為昇騰處理器產品總經理王曉雷談道，英偉達的軟件開發人員是硬件的兩倍，我們作為生態的后來者，要做好開源開放，跟客戶與伙伴一起，把芯片和解決方案做得更好。

芯片方案多種多樣，如何把它用好，是一件非常復雜的事情。

AI計算領域，矩陣執行過程需要保證數據到位，而整個數據搬移過程是計算優化的核心。處理器跟底軟團隊需要與算法和業務專家聯合優化，才能發揮出處理器的高性能。

王曉雷現場公布了昇騰未來進一步全面開源的關鍵節點，包括9月30日算子庫全部開源、12月30日CANN全量開源、2026年起解決方案配套產品上市即開源。

▲華為昇騰處理器產品總經理王曉雷

3、?云集成電路季宇：10萬元跑滿血版DeepSeek

?云集成電路創始?&CEO季宇拋出一個問題：誰困住了AI產業？

他的答案是大型機投資回報率。超節點化、大型機化的成本門檻巨大，但隨著大模型內存需求接近DDR/LPDDR的甜點，高質量模型的硬件系統平民化曙光已現。

其概念原型產品大模型一體機“褐蟻”采用5090級算力+TB級高帶寬DDR5，能以10萬元成本運行DeepSeek R1/V3 671B FP8，對話速度超過20TPS，20K上下文prefill在18秒以內。

集群概念驗證方案“蟻群”可將超過40臺“褐蟻”機器組合作為decode節點，prefill節點采用4根SSD替代DDR，總成本為300萬~500萬元，以約1~2臺8卡超算的價格，實現20倍于1~2臺超算的并發能力，提供接近DeepSeek公有云的性價比。

行云希望通過其原型概念產品，呈現DDR/Flash滿足大模型推理需求的潛力，并通過芯片產品，將頂配大模型的硬件成本降低到萬元甚至千元級價位，推動AI普惠。

▲?云集成電路創始?&CEO季宇

4、奎芯科技唐睿：Chiplet將加快國產芯片研發

當前AI革命與過往互聯網產業有明顯差異，利潤高度向硬件環節傾斜。奎芯科技聯合創始?兼副總裁唐睿談道，隨著模型尺寸不斷變大，算力需求飆升，為了爭奪AGI領域的勝利，科技企業的CAPEX大幅增長且逐漸取代OPEX成為主流趨勢。

AI領域存在芯片設計周期遠跟不上算力及模型發展需求的矛盾。在唐?？磥恚贑hiplet的設計能加快芯片研發迭代。

2021年-2030年處理器預計研發項目數量年化增長約9%，但基于Chiplet的設計年化增長率高達44%，預計2030年占比超一半。

對此，奎芯打造了基于UCle標準接口IP的國產化完整解決方案，研發了兩代UCle IP，第一代為16GT/s，第二代為32GT/s，且在標準封裝實現。這些IP具有高性能、低功耗、靈活性等優勢，能為芯片快速迭代提供支持。

▲奎芯科技聯合創始?兼副總裁唐睿

5、探微芯聯劉學：國產超節點如何實現異構互聯？

探微芯聯創始人、清華?學類腦計算研究中心劉學分享說，類腦計算與AI同源異流，天生具備超大規模計算系統的通信基因，與智算超節點的發展趨勢十分吻合。

探微將類腦集群技術遷移至GPU智算平臺，打造面向AI芯片的Scale-up完整互聯方案，實現了覆蓋通信協議、交換芯片/網內計算、軟件棧/集合通信庫、RAS機制與可維護機制、路由算法、超節點平臺、性能建模和異構互聯等關鍵技術。

不過，劉學認為，超節點通信不只是技術堆疊。通信協議具有較強生態屬性，需要廣泛的應用場景和生態支持才能推廣。

從類腦集群體系結構的大量工程經驗積累，到探微通信互聯關鍵技術的不斷迭代，探微方案實現從底層到高層的計算和通信的全方位打通，能夠為智算超節點生態伙伴提供Scale-up通信協議系統級解決方案、異構融合及智算超節點萬卡集群工程方案。

▲探微芯聯創始人、清華?學類腦計算研究中心劉學

6、新華三劉善?：超節點是AI系統工程巔峰

新華三集團AI服務器產品線研發部總監劉善?談道，大模型技術趨勢給算力基礎設施帶來了算力墻、顯存墻、通信墻等挑戰，打造AI超節點成為必然趨勢。

這需要異構計算協同優化、高速互聯網絡、精密結構設計等基礎設施的深度集成，對軟硬協同要求高，是AI系統工程的巔峰。

新華三設計了兩款超節點產品：整機柜超節點H3C UniPoD S80000和靈活部署超節點H3C UniPoD F80000。

S80000實現柜內卡間全互聯通信，互聯帶寬提升8倍，單機柜訓練性能相較于單節點最高可提升10倍，單卡推理效率提升13倍；F80000基于傳統AI服務器即可靈活擴展Scale-up網絡，能夠實現MoE大規模訓練性能提升35%以上。

未來，AI加速卡將更加百花齊放，高帶寬低延遲的卡間高速互聯網絡也將是必然趨勢。

▲新華三集團AI服務器產品線研發部總監劉善?

四、數據流、低精度、稀疏化、全國產、Chiplet，AI芯片走向多路創新

在下午的大模型AI芯片專題論壇上，上海交通大學計算機學院教授、上海期智研究院PI冷靜文分享了數據流體系架構如何成為新一代的大模型加速引擎。

隨后，來自曦望Sunrise、愛芯元智、墨芯人工智能、江原科技、邁特芯、智源研究院、北極雄芯、Alphawave的產業嘉賓分別發表主題演講，分享創新的技術路徑與最新進展。

1、上海交通大學冷靜?教授：數據流能提高大模型推理效率

上海交通大學計算機學院教授、上海期智研究院PI冷靜文認為，數據流體系架構是大模型高效執行研究的重要方向，它通過數值壓縮與計算流調度的優化，提升推理性能。

低位寬數值類型可顯著降低存儲開銷，提高計算效率；而向量量化有望幫助大模型突破4bit的表示極限。冷靜?教授團隊研發了面向多元素量化的計算引擎VQ-LLM，通過三級緩存機制和以碼本為中心的計算流程優化，實現性能與精度的雙重提升。

新一代GPU架構正在逐漸DSA化，編程難度不斷增加。其團隊已經在探索一種“Kernel Free”的編程模型、用“Register Pooling”降低共享內存帶來的開銷，并使用動態并行機制，最終形成基于代碼塊的數據流抽象機模型。項目成果未來將開源發布。

▲上海交通大學計算機學院教授、上海期智研究院PI冷靜文

2、曦望陳博宇：國產AI芯片破局，極致推理目標1分錢/百萬Token

曦望Sunrise研發副總裁陳博宇認為，大模型發展進入下半場，云端訓練算力向高效推理傾斜。AI芯片高效推理是一場長期價值競賽，降成本、降能耗，性價比的洼地亟待填平。

曦望的下一代芯片采用單芯片高配比低精度計算單元，大模型推理性價比對標英偉達Rubin GPU。

在主流測試集中，NVFP4精度下運行DeepSeek-R1的表現已接近FP8，低精度數據格式能顯著擴大數據吞吐，提升推理效率，從而降低每Token成本。

曦望芯片軟件生態通用性良好。算子庫、工具鏈、通信庫均為全棧自研，主體功能模塊與CUDA對齊，支持各類主流開源模型的推理部署，支持CUDA代碼無縫遷移和工作。

曦望芯片的應用形態分為一體機和超節點，是Scale-up/Scale-out互聯架構原生支持超節點產品。超節點支持PD分離和大EP部署、All-to-All互聯、面向千億級或萬億級參數的多模態大模型推理。

▲曦望Sunrise研發副總裁陳博宇

3、愛芯元智劉建偉：AI應用（大模型）需要重新設計原生AI芯片

愛芯元智聯合創始?、副總裁劉建偉分享道，過去端側AI芯片主要跑傳統CNN模型，場景明確，大模型的興起則提升了AI上限，應用場景更廣泛，有望引發成本驅動型生產力革命。

在他看來，當AI程序規模足夠大時，現有運行架構不是最高效的，值得重新設計適合跑AI程序的原生處理器。

端側和邊側長期受成本、功耗剛性約束，對高能效比AI處理器需求迫切。這驅使愛芯元智選擇從端側和邊緣側入手做AI基建。

設計原生AI處理器，需關注算子指令集和數據流DSA架構，兩者相輔相成。采用可編程數據流微架構可提升能效比。異構多核處理器要保證由硬件來調度，以降低客戶開發與使用成本。

愛芯元智已打造了從工具鏈到芯片的完整軟硬件體系，推動構建邊緣智能共同體。

▲愛芯元智聯合創始?、副總裁劉建偉

4、墨芯人工智能曾昭鳳：稀疏化讓AI計算“更聰明”

墨芯人工智能解決方案總監曾昭鳳談道，傳統硬件架構面臨性能提升困境，通過軟硬一體方案來解決算力瓶頸已是業內公認的發展方向，稀疏化有望成為破解算力瓶頸的突破口。

稀疏計算是一種“更聰明”的AI計算方式，如人類大腦一般，僅啟動計算所必需的神經元，減少冗余重復，提升有效性能。

基于這一認知，墨芯提出了“權重稀疏化+激活稀疏化”的雙稀疏技術，在相同硬件資源下實現高達32倍的稀疏率，并協同設計了配套的軟件方案。

從算法與軟件出發，墨芯打造了相應的硬件與架構，開發的計算卡已能在云端推理場景中加速CV、NLP及知識圖譜等多類任務。

▲墨芯人工智能解決方案總監曾昭鳳

5、江原科技王永棟：構建全國產化AI芯片產業鏈

江原科技已構建貫通EDA工具、芯片IP、芯片設計、芯片制造、封裝測試的全國產化AI芯片產業鏈。

江原科技聯合創始?兼CTO王永棟認為，全國產路線已經成為行業共識，核心挑戰集中在工藝和生態上。他從工藝、架構、生態層面探討了國產芯片的突圍路徑。

工藝維度，國內AI芯片企業唯一的道路就是擁抱全國產，具體路徑包括基于國內工藝特點進行協同優化、系統集成創新。

架構維度，需要向AI定制傾斜，通過拆解AI算法將其中占比高、對效率影響大的部分進行硬件優化。

生態維度，從降低客戶使用門檻、發揮本土化優勢打造性能長板、擁抱開源切入。

▲江原科技聯合創始?兼CTO王永棟

6、邁特芯李凱：突破端側大模型芯片三個關鍵痛點

在邁特芯主任工程師李凱看來，端側AI場景正從“離身智能”向“具身智能”進化，這離不開端側芯片的支持。端側大模型芯片（LPU）需要滿足低功耗、高token數、低成本，這正是痛點所在。

邁特芯LPU采用的3D-DRAM解決方案可大幅提升帶寬，以滿足端側大模型需求。該方案采用了針對大模型算子優化的DSA設計和自研立方脈動陣列架構，基于多項技術優化，實現計算利用率和內存帶寬利用率最大化。

演示中，基于邁特芯LPU推理卡可實現大語言模型端到端部署，帶寬利用率75%、性能75tokens/s，性能和能效達到國際領先水平。

邁特芯針對泛端側大模型硬件產品、端側大模型硬件產品和推理一體機三類場景布局產品，三個市場的總空間可達萬億級。

▲邁特芯主任工程師李凱

7、智源研究院鄭楊：統一編譯器給OpenAI Triton語言補短板

北京智源??智能研究院AI編譯器專家鄭楊分享說，OpenAI的Triton語言已成為業內公認的、繼CUDA后第二大流行的AI算子開發語言，但其也有明顯弱勢：需要在開發效率和性能之間權衡，跨芯片的可移植性和性能不足，治理與生態面臨局限性，以及版本分散等。

為此，智源構建了面向多元AI芯片的統一編譯器——FlagTree。

FlagTree基于硬件感知進行了編譯指導優化，允許程序員通過注釋嵌入硬件優化提示flagtree_hints，具有使用成本低、生態兼容好、可移植性強等特點。

同時，該編譯器在C++運行時進行了優化，提供從C++調用Triton內核的方法，從而節省Wrapper耗時，整體降低80%以上，與CUDA接近。

▲北京智源??智能研究院AI編譯器專家鄭楊

8、北極雄芯徐濤：大模型推理落地有效降本迫在眉睫

截至2025年6月，中國日均tokens消耗量突破30萬億，比2024年增長300+倍，且依然處于高速增長期。而大模型應用商業化閉環任重道遠，一方面C段訂閱付費較難，B端API調用收費與美國相比有數量級的差距，另一方面國內算力成本并不優于美國。

北極雄芯聯創、副總裁徐濤談道，當前中國大模型應用落地商業化，解決成本問題至關重要。而受制于各類制裁，面對高速增長的算力、存儲容量、內存帶寬的“不可兼得三角”，國內上下游企業亟需共同開展架構創新。

在云端推理場景，北極雄芯將在近期推出面向Decode環節的專用加速方案，通過Chiplet+3D堆疊的近存計算技術大幅降低推理成本至少一個數量級，相比主流GPU芯片提升10倍以上性價比。

在端側AI領域，北極雄芯的啟明935系列芯粒通過Chiplet靈活組合應用，為主機廠提供AI Box、艙駕一體、高階智駕等不同擋次應用的解決方案。

▲北極雄芯聯創、副總裁徐濤

9、Alphawave鄧澤群：高速連接市場猛增，Chiplet是變革路徑

Alphawave戰略客戶銷售經理鄧澤群談道，高速連接的市場規模2023年接近100億美元，預計2026年接近180億美元，年復合增長率達到20%。

這背后的推動力就是數據中心建設，其對數據的傳輸、存儲、處理需求爆炸，數據帶寬每2～3年翻一倍。

生成式AI正在重新定義計算和連接。他預測ChatGPT背后下一代模型的參數規模或達到百萬億級別，促使云服務商建設更高規格的數據中心。

鄧澤群認為，新計算技術的變革路徑是Chiplet，以及為云服務商進行定制，以滿足大語言模型的需求。

伴隨AI產業發展，Alphawave的業務體系已經從IP供應擴展到高速連接技術的垂直集成方案。

▲Alphawave戰略客戶銷售經理鄧澤群

結語：國產AI芯片掀開落地新篇章

8年來，智東西、芯東西持續對AI芯片全產業鏈進行追蹤報道，見證了AI芯片產業及智能革命浪潮的發展，以及許多AI芯片團隊的厚積薄發。

多個知名市場調研機構的數據顯示，2024年中國AI芯片出貨量顯著提升，華為昇騰、阿里平頭哥、昆侖芯、寒武紀、摩爾線程、燧原科技、中昊芯英、壁仞科技、沐曦股份、太初元碁等企業的AI芯片均已走向量產交付，并在性能方面縮短與國際先進水平的差距。龐大的國內AI基建市場，正向國產AI芯片敞開大門。

與此同時，國產AI芯片正迎來政策紅利期。今年8月，國務院印發《關于深入實施“人工智能+”行動的意見》，在強化基礎支撐能力方面，提到強化智能算力統籌，支持AI芯片攻堅創新與使能軟件生態培育，加快超大規模智算集群技術突破和工程落地。

在AI產業趨勢、地緣博弈等復雜因素的影響下，AI芯片自主可控勢在必行，國產模型與國產芯片的適配有望進一步增強，AI芯片及算力基礎設施技術仍有巨大的創新空間和市場前景。