率先打通RSI算力全链路落地,CosmosMind开启软芯协同自进化算力时代|甲子光年


不靠堆卡,让软件与芯片在同一个循环里自己进化。
过去十年,AI算力的增长主要靠两件事撑着:制程工艺进步,以及大规模堆卡。
但算力往深水区走,这套打法对“人”的依赖正变得越来越重。往上看软件层,推理框架与底层算子需要工程师一层层手工调优,一旦底层换一种国产芯片,整套软件系统往往要自下而上推倒重调;往下看硬件层,一颗高速互连芯片的设计要同时兼顾光、电、热与晶圆厂制造工艺的强耦合,流片试错动辄以月计,能同时驾驭这几重复杂度的资深工程师在产业里屈指可数。
有没有可能换一种解法:把原本依赖顶尖工程师手工试错的“发现瓶颈、提出改法、真机验证”循环,交给AI自己7×24小时跑起来?
AI for R&D方向的早期创业公司寰宇元心(CosmosMind)正把这件事带进真实产线。依托一套“自进化工程智能(Self-Evolving Engineering-AI,SEE-AI)”产品和系统,这家公司尝试打通从上层软件栈Run time到底层芯片设计Design time的算力全链路协同Co-Evolve。
目前,由这套系统自主设计的第一版硅光测试芯片,已经从Fab流片回来。在SEM下,芯片表面的CosmosMind标识清晰可见。

图1(a):第一版流片的实物,载具内分位摆放多枚芯片

图1(b):第一版测试芯片SEM总览,芯片上的CosmosMind标识清晰可见
芯片回片只是整条闭环中的一环。按照寰宇元心的设计,这是一套软硬协同、能够持续自我进化的下一代国产算力系统(Co-Evolve):AI先在软件侧把现有硬件的潜能榨干;等软件优化触及硬件物理极限后,再用同一套自进化内核向下设计下一代芯片,反过来支撑更高效的软件栈。
从团队披露的进展来看,软件、芯片与商业交付三件事已经在同一套体系里跑通:在软件侧,昇腾910B上330亿参数音视频大模型的推理速度达到官方实现的450%且生成质量不降,基于PyPTO演进出四个开源库,其中PyPTO-Lib已被官方Ack;在芯片侧,AI设计的光栅耦合器带宽比2026年《Optica》报道的同类方案宽40%,不到一周独立跑通三条1.6T光互连链路设计;在商业侧,封装为通用研发引擎Ester的自进化服务已实现规模化落地并产生营收回款,且核心优化与设计全过程均在官网7×24小时公开直播、随时可核验。
推理优化部署上线、硅光芯片流片回片、核心代码开源与商业化回款同时成立——在公开报道的同类探索中,寰宇元心率先跑通了算力全链路的自进化闭环。
1.首次推动软芯协同算力系统全链路自我进化

“除了Coding,AI还没有更大的场景在创造增量。只靠Coding这个存量,已经撑不起市场对AI的期待。”寰宇元心创始人万冠呈在谈及创业初衷时表示。在他看来,AI真正更大的增量考场,在于进入重资产、高门槛的实体产业研发。
公开信息显示,其核心成员来自前DeepSeek、Kimi、GLM、Meta、腾讯混元、字节跳动、微软等一线大模型团队的核心算法部门,深度参与过顶级基座模型的训推发版与技术报告;研发团队则由清华、北大等高校的CS PhD、产业界领军人物及资深工程研发专家组成。
这样一支兼具基座模型与硬核工程背景的团队,对行业给出了一个明确判断:算力正在进入自进化时代,而算力本身,正是RSI第一个能够完整落地的产业。
2026年9月,寰宇元心发布了面向工程落地的RSI算法框架MetaRSI-v1,并提出一条核心定律:验证决定自进化的前沿——一项任务能不能被严格、客观地检验,决定了这个领域能不能形成自我进化的闭环。
不过,能够被验证只是一张入场券,真正的工程门槛在于把“验证本身”搭成工业级流水线:每一次改写与检验,都必须在真实硬件和真实生产负载上跑通,而不是在理想化的沙盒里追求跑分数字。据创始人观察,目前行业里的大多数自进化研究仍停留在论文、静态Benchmark或纯软件层面;寰宇元心团队坚持的原则,是不追求demo数字,只做具备真实PMF、能兼具科学家判断力与工程师动手能力、达到硬件级安全可靠的产业落地。
顺着这一思路,先拆开算力系统的底座看一看:最上层是集群调度,往下依次是分布式系统、推理引擎、算子与编译器,再往下则是封装与互连,最底层是硅片。

图2:算力底座的分层:越往下走,受益面越大但越难优化
「甲子光年」注意到,这套分层结构里藏着一对天然的工程矛盾:
一方面,改动越靠下,受益面越宽——改快一个底层算子,所有调用它的模型都能跟着提速;改好一颗底层芯片,跑在这块硬件上的所有软件栈都将直接受益。
但另一方面,越往下走,验证一次改动好坏的周期就越漫长——软件算子几秒钟就能在卡上实测一轮,而芯片设计往往要等版图冻结数月、流片回来后才能拿到第一次实测数据;且底层一旦变动,上层原本调优好的收益甚至可能归零。
面对反馈快慢悬殊的软硬件栈,寰宇元心没有平均用力,而是让MetaRSI-v1内核自上而下分三步逐层下沉:
第一步在Run time:硬件既定,决定算力成本的就是软件。系统逐层改写算子、推理引擎与分布式系统,一直优化到榨干现有硬件的潜力、触及硬件本身的物理瓶颈;
第二步在Design time:软件触顶之后,瓶颈回到硅片。同一套自进化内核顺着软件层摸到的硬件卡点往下沉,接手下一代芯片的设计与改进;
第三步在产品化交付:跑通软硬两端的实战验证后,把这套自进化引擎封装成产品Ester交到客户现场,直接按优化结果付费。
2.软件极致进化:
同样的硬件,跃迁的训推算力
在反馈速度最快的软件层,寰宇元心从大模型推理切入,分“标准考题、真实生产负载、开源底层生态”三层交出了验证数据。
Benchmarking:同一套系统在各种Infra场景的成绩
第一组证据来自行业公开的标准考题。团队在三套各有侧重的测试集上检验了同一套MetaRSI-v1闭环:覆盖真实训推仓库级端到端优化的Φ-Bench、采用GitHub真实算子考察接口调用与加速的TritonBench-G,以及涵盖15类算子生成任务、专考正确率与硬件效率的KernelBenchX。
测试结果显示,同一套自进化闭环将正确kernel的生成占比从60%推高至70%,生产算子的加权加速比显著提升;在9倍搜索预算设置下,Φ-Bench得分达到29.18(提升11.06分),KernelBenchX正确率达到70.45%,加速比达2.62。

表1:在Φ-Bench、TritonBench-G、KernelBenchX三种Benchmark上的效果
真实生产链路:MiniMax H3推理速度达官方实现的450%,质量对比SGLang方案不下降
比刷榜更有说服力的,是第二组真实生产负载上的端到端硬仗。自进化内核以SGLang官方标准部署为基线逐轮实测,在这条已经快过官方原版的基线上继续往上走,最终把MiniMax H3的推理速度推到了官方实现的450%。
在国内大模型团队把业务往国产算力迁移的过程中,最棘手的往往不是“跑不起来”,而是直接迁移后明显的性能折损。以330亿参数的音视频联合扩散模型MiniMax H3为例,当服务部署到昇腾910B上时,许多原本按英伟达显卡调出来的参数会水土不服:比如残差复用的阈值原封不动搬到昇腾上,性能不仅没快,反而直接劣化了71%;又如条件注入合并算子的启用条件,在原代码里被写死在了英伟达卡上,换卡后根本无法触发。
面对庞大的参数与算子组合空间,人类工程师通常只能凭经验挑少数几个点试探,大量潜在最优配置在方案阶段根本无暇覆盖。寰宇元心的自进化内核则把整个H3部署当成搜索空间,自动批量提出候选方案、部署上卡、实测速度、客观判定,一轮接一轮往前推进——整个调优过程在官网公开直播,每一轮改了哪行代码、快了多少毫秒,外部开发者都可以随时回看。

图3:H3部署加速的实时直播界面。上为SGLang标准部署,下为自进化系统产出的最优部署方案,推理的逐步对比
除了揪出上述残差复用阈值的跨卡劣化陷阱,相比SGLang最优方案部署,自进化闭环还在昇腾算子融合上拿下了两项关键收益:将归一化替换为华为原生的合并算子,单这一项就削减了7.1%的耗时(−7.1%),把单条请求的底层指令下发次数从约8000次直接压到了1次;同时解锁并重调条件注入(AdaLN)融合,耗时再降4.1%(−4.1%)。
最终在五套不同视频生成Benchmark数据集的输入Prompt实测中,逐条配对测试没有一条变慢;生成画质经VBench 2.0评测与SGLang基线持平,并通过了人眼盲测终裁。这样的自进化优化,正在让国产算力持续增强商业竞争力。
多个开源库:从重算子到整条推理链
其三,是把进化成果沉淀回国产算力的开源主干生态。
为了让自进化产出的算子真正服务于端到端业务,寰宇元心选择在华为昇腾开源的新一代原生高性能编程框架PyPTO上深耕。可以把PyPTO理解为昇腾生态里承上启下的一层:向上对接大模型与推理服务,向下直接操控昇腾硬件的指令与存储层级,让开发者能用更高层的方式编写高性能算子,而不必逐行手写底层硬件代码。
在持续产出代码的过程中,闭环内部还同步自适应训练了一个35B参数的模型:它先从昇腾910的硬件指令与存储层级学起,再把PyPTO基于Tile的多级IR、编程模型与CodeGen机制内化进自身的生成逻辑。每一轮提案的成败都会沉淀为模型对框架更深的理解,越往后跑,高质量算子的命中率越高。
顺着“前沿模型重算子→推理服务栈碎算子→完整端到端推理链”的脉络,这套闭环基于PyPTO产出了四个开源库(均已在 GitHub CosmosMind-ai开源):
两个专用Kernel:其一是PyPTO-FlashDSA,针对DeepSeek从V3.2引入、V4.1定型的稀疏注意力机制DSA(先用小索引器挑出相关token再按需计算,拆为索引打分、top-k、稀疏decode三段),做出了昇腾910上第一个完整跑通的V4.1实现,decode速度已快过现有参考路径;其二是PyPTO-FlashKDA,覆盖Kimi Linear的核心递归算子KDA(每来一个token仅做增量更新,前向与反向一并补齐),补上了昇腾PyPTO生态里第一个完整的KDA实现。
通用算子库PyPTO-Ops:由闭环在推理服务栈的接缝处自主发掘融合改写机会,公开27个算子,铺满vLLM类推理服务的关键路径,涵盖归一化、激活与 GLU、量化、MoE路由、KV cache、采样与loss。
端到端推理服务PyPTO-Lib:在Qwen大模型、8张昇腾910C的集群配置下,基于PyPTO-Lib的端到端推理服务使逐token延迟下降4.43%、吞吐提升2.8%,且生成结果与基线逐比特严格一致。目前,该库已被PyPTO官方团队正式合入主干。
当算子与推理栈被一层层榨干、软件性能逼近现有芯片的物理极限后,算力的瓶颈便不可避免地回到了硬件本身。寰宇元心的自进化内核,由此迈出了往下穿透的一步。
3.软件触顶之后,进化接手了硬件
下沉到Design time,寰宇元心试点的第一个方向是硅光芯片——用光信号代替电信号在芯片之间高速传数据。
在大规模AI算力集群里,硅光互连是突破带宽与功耗墙的必经之路,这早已是产业共识。但真正卡住商业化脖子的,是如何做出“上产线良率依然稳得住”的设计。长期以来,硅光芯片设计有三处难点。
其一,设计与制造脱节。纳米级的刻蚀或线宽偏差,就足以让器件性能大幅走样。仿真里的好设计进了Fab常常失灵,行业只能靠多轮流片试错、在芯片上铺预补偿阵列碰运气,试错一轮就是好几个月。
其二,光、电、热强耦合。调制器、电驱动、接收端与热控往往分属不同工程团队,各模块为了保险各自留足余量,拼在一起后整条链路离全局最优总差一截。
其三,人才稀缺。能同时驾驭光、电、热与半导体制造工艺的资深工程师屈指可数,这种设计能力很难规模化复制。
在寰宇元心看来,这三道人工极难兼顾的多变量耦合题,恰恰是自进化系统擅长的战场:把Fab的工艺扰动提前写进检验标准,将良率前置到设计第一天;把光、电、热放进同一个物理仿真闭环里同步寻优,打破部门分工墙;再让多智能体7×24小时自主迭代,把稀缺专家的经验沉淀为可复用的软件能力。
据团队介绍,在器件与互连链路两个层级上,这套系统已实现由AI独立完成从底层器件版图到1.6T光互连链路的全栈光电联合设计,其中核心器件已经走完了真实流片回片。
直播里最值得看的三个瞬间
与软件调优一样,硅光互连的自主设计过程也在官网7×24小时公开直播,累计已完成1469轮自主迭代,每一轮决策轨迹均可回看。翻看直播记录,有三个细节颇具代表性:每条链路的起点都是眼图完全闭合、根本无法通信的初始状态,AI自主将其推演至全工况达标,误码率改善超过三个数量级,新任务上线最快49分钟就能交出首个全达标方案;在7天时间里,人类专家先后43次手动加严验收标准(Human-in-the-Loop),每次门槛抬高后AI都能重新追平,目前三条路线在最新标准下全部达标;而当迭代撞上局部瓶颈时,系统还会主动质疑既有的进化方向,完成自我纠偏,避免掉进思维定式。

图4:光互连自主设计的实时直播界面
先看最底层的器件关:AI不仅扛住了制造公差,还设计出了人类专家没想过的拓扑结构。
光栅耦合器相当于光信号进出芯片的“大门”,其中0°垂直出射光栅耦合器是硅光领域公认的难题,传统的参数扫描方法在这里基本失效。寰宇元心与北京大学光子传输与通信全国重点实验室联合攻关,让自进化闭环在严苛的可量产约束下跑出了两条路线:高效率路线实现了−0.66 dB 的亚分贝级耦合损耗;宽带鲁棒路线的带宽2026年《Optica》报道的同类设计宽 40%,线宽制造偏差下的波长漂移缩小了一个数量级——此前前沿文献需要在芯片上铺15组预补偿阵列来挑选可用器件,而这套设计连1组都不用铺。同一套闭环还给出了分偏振二维光栅,仅靠单个14 µm的器件就能把两个偏振态干净分离,端口隔离度超过20dB。
更值得注意的是系统搜索出来“人类顶级专家”想不出来的拓扑结构。在光栅的“超原胞”(由多个基本单元拼成的重复微结构)设计上,人类专家受经验习惯影响,通常只会顺着“尺寸渐变”的思路找解;而自进化系统自主给出了一套“三种原胞拓扑共存”的非直觉方案。
为了验证含金量,团队把对照组的基线拉到了当前最高水平:由R&D领域人类专家直接搭配主流Coding Agents(Claude Code、Codex等,且不限token预算)同台竞技。实测对比显示,MetaRSI驱动的系统依然找到了更优器件结构,在效果、效率与成本三项指标上依次占优,且核心性能效果始终排在第一位。在团队看来,只比人工便宜一点,还只是在旧路径上做改良;能产出人类专家做不出的物理结构,才是自进化引擎真正的壁垒。
走到真实产业:首个面向量产具有工艺鲁棒性的纯RSI流片
设计图画得再巧,终究要进Fab过产线这一关。为了让流片不再像“开盲盒”,寰宇元心把良率保障拆成五道关卡贯穿始终。投片前连过三关:版图阶段直接叠加上刻蚀、线宽、套刻、膜厚波动与可量产规则硬约束;每个候选方案都在全部工艺角(制造偏差的各种极端组合)下做完整物理仿真,只认最差值、不看标称值;拿到冠军的方案还要再过一轮智能体看不见的隐藏测试,用随机工艺组合检验,防止AI只会应付固定考题。流片后再接两关:残留的物理偏差交给只依赖片上实测物理量的片上闭环控制器吸收;最终的晶圆量测数据再回流系统,持续校准扰动模型本身。
如今,第一版硅光测试芯片已经从Fab回片。系统从31张SEM照片中自动识别出每一条刻蚀边缘,量化真实加工误差,在仿真器里重建出芯片的真实三维形状并预测性能,再反过来修正下一版版图。

图5:光栅区SEM特写,实测线宽273–328 nm
电镜实测数据显示,芯片单特征随机线宽离散标准差σ不超过5nm,而此前系统在设计阶段是按σ=10 nm的严苛口径评估的,相当于在真实产线上留出了约2倍的安全余量。“设计—流片—量测—再设计”的实物飞轮由此正式转了起来。据团队披露,这也是业内首个面向工业级量产且具备工艺鲁棒性的纯RSI自进化流片。与软件侧内化昇腾框架的过程一致,在回片闭环中,研发引擎Ester同样基于真实工业流片与电镜量测数据自适应训练了一个35B模型,专门学习刻蚀、线宽与套刻偏差在真实工艺中的累积规律,让仿真环境越来越贴近真实产线。
系统级:一周打通1.6T光互连三大主流路线
单点器件站稳之后,闭环顺势向上接管了复杂的系统级互连。
目前,光电互连产业内部仍在围绕硅微环(MRM)、硅耗尽型行波调制器(MZM)和薄膜铌酸锂(TFLN)三条主流技术路线探讨谁更适合下一代算力集群。寰宇元心正式发布的Ester-Photonics自主光电设计平台没有押注单一材料,而是让多智能体在全物理仿真环境里7×24小时并行跑——不到一周时间,独立完成了全部三条主流路线的8×200G(单向1.6 Tb/s)光互连链路“电口到电口”联合设计,且全工况达标。

图6:Ester-Photonics自主联合设计闭环
在链路层级,光、电、热仿真同框运行,电域的Driver、TIA、SerDes与光域器件一起被列为可调设计变量,连每一道加工刻槽都在设计之初代入了工艺良率约束。正因为打破了光、电、热、控制的专业分工边界,AI在三条路线上各自长出了一项传统模块化流程很难触及的跨界设计:
硅微环(MRM)路线:针对微环响应慢导致的前后符号串扰问题,AI让发射端电芯片提前通过LUT做预失真补偿,使每个微环只需一路低压驱动,8路驱动总功耗仅0.93W;温度漂移则由闭环热锁定在2.7 ms内快速追回,热调功耗最高不超过12 mW。

图7:硅微环MRM 8×200G光互连系统架构,单结微环加LUT预失真
硅耗尽型MZM路线:AI把原本由复杂电路承担的信号均衡FFE搬到了光路上——将调制器拆成反相的两段,中间插入一段2 ps的光延时,直接在光域完成了均衡。

图8:硅耗尽型行波MZM 8×200G架构,两段反相加光延时在光域做FFE
薄膜铌酸锂(TFLN)路线:走通低压低功耗路径,采用2.6 Vpp驱动,8路合计功耗1.6 W;调制器彻底省去了高功耗加热器,偏置漂移全部改由直流电极实时跟踪,在12个工况×8通道测试中实现100%偏置控制成功。

图9:薄膜铌酸锂MZM 8×200G架构,直流电极跟踪偏置
更关键的是验收尺子够严。行业论文和常规汇报中常见的1.3–3.7 pJ/bit能效指标,往往只统计发射端局部功耗;而寰宇元心采用从发射芯片电口一直算到接收芯片电口的整链路插墙功耗,且在全工况、全通道中只取最差值。在这套严苛口径下,三条1.6T链路的误码率全部低于1e-4,信号质量指标TDECQ落在2.96–3.03 dB之间(均满足IEEE标准门限),整条链路能耗最低压至1.46 pJ/bit——意味着其包含收发全链路的整体能耗,已经达到了业界“仅算发射端”能效区间的下限。
「甲子光年」了解到,随着首版芯片回片与系统级方案跑通,产业界已给出实质响应:目前多家Fab已主动接洽寰宇元心,探讨联合设计与工艺模型合作,相关产业推进正在铺开。
4.进化能力产品化,不进化成功不收费
软件层Run time省下的是推理时间与算力卡成本,芯片层Design time压短的是按月计的硬件试错周期。两端跑通之后,寰宇元心沉淀出一个商业判断:单次交付的一份静态优化配置迟早会随着模型和硬件换代而衰减,真正不会衰减的,是那套能不断重新推导出最优配置的自进化循环。
基于这一逻辑,团队将背后的自进化循环直接打包成企业级产品——通用工程智能自进化R&D研发引擎Ester。前文从昇腾算子融合、大模型推理加速到硅光器件与1.6T链路设计的所有案例,本质上都是同一个Ester引擎在不同工程场景下的实战切片。

图10:Ester,通用工程智能自进化R&D研发引擎,交付即起点,之后每一轮都比上一轮更强
拆开Ester的底层底座,其核心是由MetaRSI算法驱动的七步标准闭环:观察、诊断、提案、校验、执行、选择、导出。为了兼顾探索创造力与工程确定性,系统只把“诊断”与“提案”两步交给大模型发挥,其余五步全部由严格的确定性代码执行。
而在自进化的作用对象上,MetaRSI把所有改动严格约束在三个互不重叠的平面上:Data-RSI只改写数据,Harness-RSI只改写脚手架,Model-RSI只更新模型权重;三者之上挂载一层调度器,动态决定下一步改哪一面;最顶层则是Meta层,每个周期负责改写调度规则本身——让系统不仅能改进工程任务,还能持续进化“改进自己的策略”。

图11:D/H/M三个改进面与五条迁移路径
技术架构足够硬核,但面对客户时,团队把账算得非常实在。“中国的企业客户不关心东西是AI做的、RSI做的,还是人工做的,只关心安全,关心降本增效有没有用。”寰宇元心创始人坦言。
围绕企业最真实的顾虑,Ester在商业交付上立下了三条规矩:
第一,把安全控制权彻底留在客户手里。评测标准与发布规则对所有Agent设为只读,杜绝AI“自己改考卷”;每一次代码或参数改动都有完整版本记录,支持随时一键回滚;操作权限按角色严格隔离,任何不可逆动作必须经客户确认才能执行。所有新方案均先在隔离沙箱验证通过后再上线,运行中急停按钮始终可用,关键节点由人类兜底,高敏客户还可按机型开启机密计算。
第二,把人工介入压到最轻。客户工程师只需在开工前讲清目标结果、确认一次任务边界,随后系统便自主跑完设计、验证与多轮迭代;只有碰到真正需要业务判断的分岔口,系统才会主动发起提问并附带原因说明,其余时间静默自运行。
第三,彻底的结果导向——按结果付费,不进化成功不收费。开工前双方锁定验收标准,最终是否达标完全由客观判据裁决,没跑出约定的性能增量就不收费;同时,进化过程中产生的所有数据、工程经验、专有模型与工具链资产全部归客户所有,不回流用于训练CosmosMind的通用模型。

图12:结果即服务,不进化成功,不收费
目前,同一套Ester内核已分化出三条标准化产品线:Ester-Infer面向大模型推理加速与国产卡适配,Ester-Trainer面向垂类模型训练优化,Ester-Photonics则面向硅光芯片与互连设计。研发由此从一次性外包变成了一条“交付即起点”、越跑越强的复利曲线。据悉,已有多家IDC服务商主动接洽Ester-Infer合作。
5.软芯协同,首次定义算力的进化方式
从一行底层算子代码,到330亿参数多模态模型的在线推理,再到Fab回片的纳米级硅光光栅与1.6T光电互连链路——寰宇元心试图证明的是同一件事:算力基础设施完全可以从“靠精英工程师人肉调优的消耗品”,变成一套“软芯协同、自己找瓶颈并持续进化的活系统”。
更重要的是,这家早期公司选择用一种极度透明的方式接受行业审视:把推理调优与芯片设计的每一轮成败挂在官网7×24小时公开直播,把核心算子库推上GitHub开源,把被篇幅精简掉的底层推导写成完整技术报告公开挂网,欢迎同行随时复现与挑刺。
「甲子光年」认为,当大模型行业从“卷参数、卷榜单”全面转向“算成本账、找真实产业增量”时,能够直接兑现为推理吞吐提升与流片良率余量的工程智能,正展现出很强的商业穿透力。
对于寰宇元心而言,第一版硅光测试芯片回片与推理端回款跑通,已经立下了扎实的第一块里程碑;接下来更值得期待的考题同样具体:首轮回片带回来的电镜量测数据,能让下一版芯片性能再往前推进多少?在推理优化上跑通的“按结果付费”模式,又能否顺畅复制到周期更长的模型训练与芯片设计客户身上?
当AI开始自己榨干现有硬件、自己设计硅片,AI的价值边界能否真正跨出“写代码”的存量舒适区,国产算力产线会是一个看得见结果的考场。
(封面图来源:寰宇元心)
END.





