东方算芯 DF1000：以软件定义近存计算探索算力产业新路径

过去十年，AI芯片的竞争几乎等同于制程与算力的竞赛：谁能用上最先进的工艺节点、谁能堆出更高的峰值算力、谁能集成更大容量的高带宽存储，谁就掌握了话语权。

但随着大模型从训练主导转向大规模推理落地，这套评价体系正在被重新审视。推理阶段对算力的要求不再是单纯的峰值堆叠，而是数据搬运效率、访存带宽、能效比与系统扩展成本的综合考验——这也是行业常说的「存储墙」问题：计算单元的速度增长远快于存储与互联，算力被「卡」在了数据搬运环节，而不是运算本身。

这个判断并非东方算芯一家的一面之词。谷歌TPU、亚马逊Trainium等自研AI芯片选择绕开通用GPU路径，本质上也是在同一命题下寻找答案；近存计算、存算一体等技术路线近年重新被产业关注，反映的是同一个趋势：当先进制程与HBM产能成为稀缺资源，「用架构换效率」正在成为一条被验证可行的路径。

这是东方算芯 DF1000 的核心逻辑也是其差异化定位的坐标：不局限于制程赛道的追赶，依靠架构创新打造全新算力路线。

上海东方算芯科技有限公司（以下简称「东方算芯」）成立于2024年5月，由国际欧亚科学院院士魏少军教授领衔。公司成立2年但技术根基并非一朝一夕：核心团队自2006年便于清华大学深耕可重构计算与近存计算体系架构研究，先后承担国家自然科学基金重点项目、863计划、重点研发计划等课题，相关成果获得国家技术发明奖二等奖、中国专利金奖、教育部技术发明一等奖。

2017年起，团队将可重构架构的积累延伸至信息安全芯片与人工智能芯片方向；2021年，团队完成软件定义近存计算的验证芯片。2024年5月，东方算芯正式成立。

东方算芯首款旗舰芯片DF1000基于国产成熟工艺打造，官方公布的核心参数为：BF16算力520 TFLOPS，访存带宽6.4 TB/s，Scale-up互联带宽900 GB/s。这些数字本身需要放在合适的参照系里理解——与采用4nm级先进制程、CoWoS封装与HBM3高带宽存储的国际旗舰GPU相比，DF1000在绝对算力与制程上仍有客观差距；但其访存带宽与互联带宽已进入同一量级，这正是「架构换效率」路线试图证明的地方。

DF1000的第一个技术支柱，是东方算芯自主提出的「软件定义芯片」架构。团队构建了从硬件到软件的全栈可重构计算体系，通过动态重构多精度融合计算阵列，使芯片能够根据不同模型的计算特性自动选择最优数据通路。

具体到执行层面，该方案以TensorTile为基本调度单元，构建全异步、无阻塞的数据流执行引擎；通过任务处理的空间并行与硬件资源的时分复用，在同样的晶体管资源下提升硬件利用率。这也是DF1000能够在14nm这一相对成熟的工艺节点上，实现具备竞争力的算力密度的核心原因——本质上是用架构设计的创新，去置换对先进制程的依赖度。

第二个支柱聚焦在数据搬运本身。随着大模型参数规模持续增长，AI芯片的瓶颈正从纯算力转向数据搬运效率，传统冯·诺依曼架构下计算单元与存储单元的物理距离，成为延迟与功耗的主要来源。近存计算的思路，是把计算和存储在物理上尽可能拉近。

东方算芯采用Hybrid Bonding（混合键合）封装技术，实现逻辑晶圆与DRAM晶圆之间的无凸点垂直互连。相较于依赖硅中介层与微凸点的传统HBM方案，混合键合能将互连间距从数十微米级压缩至亚微米级，从而在带宽利用率和访存延迟上取得优势。这一设计还带来一个附加价值：不再依赖HBM，整条技术路径可实现全国产供应。

在这两大支柱之上，东方算芯搭建了自主编程框架与软件生态，为开发者提供从底层架构到上层应用的完整工具链——这一点同样值得关注：架构创新如果没有配套软件生态的承接，很难真正转化为客户可用的算力，这也是接下来需要持续验证的能力。

围绕DF1000，东方算芯已构建相对完整的产品层级，覆盖加速卡、单机、服务器与超节点集群：

• 巅峯 DF1000 加速卡：遵循OAM2.0规范，适配国内主流OEM服务器平台，是客户导入的最小交付单元；

• 擎元 QY100P-S：集成DF1000的风冷AI服务器，可直接交付终端客户；

• 擎元 QY100X-S：液冷版本，面向对性能密度要求更高的场景；

• 拓域TY64：分布式超节点液冷服务器，单机支持8卡，单节点算力可达33 PFLOPS@BF16；

• 慧算 HS128/ HS512：基于超节点搭建的512卡集群，面向大规模数据并行训练与推理需求。

该产品矩阵的意义在于，东方算芯没有停留在「发布一颗芯片」的阶段，而是提前完成了从单卡到集群的系统化交付准备——这是国产AI芯片能否被客户实际采用的关键变量，比单一参数更值得产业关注。

过去几十年，半导体产业的发展逻辑主要围绕摩尔定律展开：通过先进工艺提升晶体管密度，从而获得更强算力。但进入大模型时代，尤其是推理需求爆发之后，单纯依靠制程演进已经难以同时解决数据搬运、能耗与成本三重约束，新的计算架构正在成为产业突破的关键变量之一。

从全球范围看，谷歌TPU、亚马逊Trainium等自研路线，以及近年重新升温的近存计算、存算一体技术方向，都指向同一个判断：AI芯片的竞争不会只有「制程竞赛」一条路径。对于在先进制程与HBM产能上受到客观限制的国内企业而言，这一判断的现实意义更为直接——通过架构创新在成熟工艺上释放更高的系统效率，是当下少数具备现实可行性的突围方式之一。

东方算芯选择的「软件定义芯片＋3D堆叠近存计算」路线，正是在这一背景下的一次具体实践。它不是对国际巨头技术路径的复制，而是试图在国产制造体系的约束条件下，重新定义「性价比算力」的实现方式。当然，架构创新的价值最终仍需通过量产良率、客户实测数据、软件生态成熟度与长期成本曲线来检验——这也是DF1000在7月13日发布之后，真正需要持续回答的问题。

AI时代的竞争，本质上不只是算力规模的竞争，更是计算体系创新能力的竞争。对于中国AI产业而言，真正的挑战从来不只是造出一颗芯片，而是让芯片架构、制造工艺、软件生态与系统应用之间形成完整闭环，并经受住真实工作负载的检验。

东方算芯此次公开亮相DF1000及其配套产品体系，提供的是一种不同于「堆参数、追制程」的发展思路：在成熟工艺条件下，用架构创新去逼近甚至局部超越先进制程带来的效率红利。这条路线能走多远，还需要接下来的量产交付、客户案例与生态建设来持续验证——而这，也正是这个故事真正有价值的下半场。