魏少军下场造芯！14nm超越4nm，东方算芯凭什么？

2026年7月13日，主题为“东方范式引领AI算力新趋势”的“东方算芯软件定义算力芯片、系统及路线图发布会”在上海东郊宾馆召开。作为一家成立仅两年多的AI芯片公司，东方算芯正式发布了基于其全新“软件定义芯片”+3D堆叠“近存计算”技术路线的首款AI芯片——DF1000，为国产高端算力芯片开辟了一条不依赖先进制程和HBM的自主创新路径。

国产AI算力芯片的三大桎梏

先进制程、高性能内存、供应链

近年来，半导体制程工艺的推进速度已明显放缓，晶体管尺寸逐渐逼近物理极限，摩尔定律正在走向失效。传统的依赖制程微缩来提升芯片性能的路径，所带来的收益正日益减少。与此同时，追逐先进制程所需的研发与制造成本却呈指数级攀升，使得传统“升级制程”驱动性能增长的模式难以为继。特别在人工智能（AI）对于算力需求持续爆发的背景下，制程红利已无法再提供足够覆盖这些需求的性能跃升，导致“算力饥渴”与“成本鸿沟”之间的撕裂感愈发强烈。

另一方面，当前主流计算机系统仍沿用的冯·诺依曼架构，其核心特征在于计算单元与存储单元相互分离，数据需在二者之间频繁搬运——计算前从内存读取，计算后再写回。这种“存算分离”的设计在早期通用计算中尚可接受，但在人工智能、大数据分析、高性能计算等数据密集型场景爆发式增长的背景下，短板越来越凸显。典型问题包括：功耗墙（数据搬运能耗远高于计算本身）、性能墙（处理器运算速度远超内存带宽，计算单元常处于“等待数据”的状态）、以及内存墙（存储容量与带宽增长远落后于算力需求），三者相互叠加，严重制约系统整体效能。

当前，在AI算力需求已经开始由训练转向推理应用的趋势下，Decode依然占据当前大模型推理的绝大部分时间，而决定Decode阶段性能的关键指标，就是缓存带宽的高低。要想在单位成本下获得更高的Token吞吐量，就需要在单位成本下拥有更大的内存容量和更高的网络带宽。

东方算芯副总裁郭炜也明确指出，AI智能体时代需要更聪明的模型和更低成本的应用。因此，未来对推理芯片的核心要求有三点：大算力、大内存、大带宽。这也是当前算力芯片面临的三大挑战——算力墙、内存墙、通信墙。

而要解决这些问题，过去业界主要是依赖于制程工艺的提升、计算架构的优化、内存芯片容量和带宽的提升、高速互联接口性能的提升等。但是，在美国联合其盟友对于先进制程、先进芯片架构、高性能算力芯片、先进制造设备、先进内存芯片（HBM）持续出口管制之下，中国AI芯片通过依靠传统路径来升级正面重重阻碍。

比如，目前国内AI芯片厂商可获取的先进制程工艺主要还集中在14nm/16nm，与国际领先的3nm/5nm制程工艺存在数代的差距，极大地限制了算力芯片性能的提升；其次，先进HBM获取受限，国际上领先的AI芯片已经开始采用HBM4，而国内仍无HBM制造能力，内存和带宽的劣势进一步被放大；此外，高速互联接口性能受限，同等物理带宽下，互联带宽大幅缩水，制约了卡间互联性能。

显然，在这样的复杂的产业技术与地缘政治背景之下，如果我们继续沿用传统计算芯片架构，与国际先进产品的差距只会持续拉大。因此，我们只能依靠源头的架构和技术创新，以及现有的国产化的供应链来突围。

对此，东方算芯董事长兼CEO魏少军教授在致辞中也表示：“我们需要清醒地看到，外部环境日趋复杂，高端芯片、先进制程、核心架构、底层生态都面临着前所未有的制约与挑战。在这一关键的战略领域和巨大的市场需求下，我们必须走出一条属于自己的路。这条路不能只在别人设定好的框架里被动追赶，而应该是架构自主、技术原创、生态自立、供应链安全可控之路。”

二十年技术积淀造就的东方范式：

“软件定义芯片”+3D堆叠“近存计算”

面对这些挑战，东方算芯从2024年成立之时就坚定选择了自主创新之路，从底层架构开展源头创新，确立了不依赖于先进制程和HBM的“软件定义芯片”+3D堆叠“近存计算”的核心技术路线。同时，基于全国产化供应链体系，研发高性能、高能效、高灵活性的大算力芯片产品，致力于搭建自主可控的生态系统。

魏少军教授解释称，通过软件定义芯片技术，可以实现软硬件功能的动态重构，显著提升硬件资源利用率，解决了高端芯片对于先进制程过度依赖的问题；通过存算一体三维架构，可以缩短计算与存储的距离，从根本上突破算力系统长期面临的存储墙、带宽墙和功耗墙。

这也意味着，在现有的成熟工艺条件下，依靠“软件定义芯片”+3D堆叠“近存计算”技术路线，就能够实现高能效、高可靠、高带宽的高端算力输出，这不仅构建了自主可控、可持续演进的中国段落产业新生态，更是一次面向未来的体系化换道创新。

需要指出的是，东方算芯从公司成立到首款AI芯片DF1000的正式推出和产品落地仅用了两年时间，堪称神速！但这背后实际上是依托于过去20年来魏少军教授及其团队和清华大学集成电路学院移动计算研究中心，在可重构计算芯片技术和软件定义存算一体芯片技术上的技术积淀和研究成果。

“2024年，我们在上海创办了东方算芯，继承了清华大学的相关知识产权。把软件定义存算一体芯片技术应用到人工智能芯片的研制中，旨在实现基于全国产供应链的高效率、高能效人工智能芯片的产业化，推动高校知识成果转化为现实生产力，走出我国高端芯片自主发展的新路。我们希望立足中国大地，打造领先的软件定义芯片和系统解决方案，走出中国自己的高性能计算发展之路。”魏少军教授说道。

三大核心技术突破：

软件定义计算、3D-DRAM、Infinity Chiplet

东方算芯的“软件定义芯片”+3D堆叠“近存计算”技术路线之所以能够在不依赖于先进制程和HBM的前提下，突破算力系统长期面临的存储墙、带宽墙和功耗墙，关键在于其三大核心技术的突破：软件定义计算、3D-DRAM、Infinity Chiplet。

1、软件定义计算Tile原生架构

东方算芯通过构建从硬件到软件的全栈可重构计算体系，通过三级数据流编程范式（软件定义可重构张量计算引擎、基于Tensor Tile的全异步数据流编程模型、核间数据流编程与数据复用），提升了硬件利用率，降低了编程的复杂度。

具体来说，该技术有三个主要特点：

一是采用粗粒度块状计算结构，通过数据流驱动实现大规模处理单元的并行加速，大幅提升并行计算性能和效率；

二是设计专用的集合通信处理器和分布式通信处理机制，实现处理单元间及计算节点间的高效数据通信，显著降低通信开销，提升算法执行效率；

三是张量与向量计算单元数据通过统一接口实现通路复用，既保持了通用计算的灵活性，又能充分利用芯片面积资源，提升整体算力。

简而言之，该技术通过任务的空间并行和资源的时分复用，显著提升资源利用率，从而有效降低对芯片制造工艺的要求。

2、逻辑与存储3D匹配设计与集成

东方算芯采用业界领先的混合键合封装技术，实现了逻辑层与DRAM层的无凸点处置互联。相比传统的互联方案，混合键合将互联间距从数十微米压缩至亚微米级别，带来了互联密度与带宽密度的数量级提升，并显著降低了数据搬运的功耗。

东方算芯副总裁郭炜表示，相比传统HBM，逻辑层与DRAM层的3D堆叠提供了数十倍的TSV（硅通孔）数量，成倍提升单颗芯片的网络带宽，在同等容量下是HBM带宽的5倍以上，从而打破了计算芯片长期面临的存储墙问题。同时，还可通过增加DRAM晶圆的层数来扩展DRAM容量，通过高密度TSV提升缓存带宽，因此完全可以取代传统HBM方案。

3、Infinity Chiplet 3.5D+扩展结构

由于外部的限制和国内半导体供应链的限制，当前国产AI芯片的单片性能的提升面临较大的瓶颈，如果通过多芯粒平面互联来提升性能，又面临面积、功耗与成本的挑战。对此，东方算芯带来了Infinity Chiplet 3.5D+（多芯粒3.5D堆叠封装）扩展结构，实现了更强算力、更大规模，突破了通信墙。

该结构拥有三大优势：一是使用3.5D堆叠替代传统AI芯片的数据存储结构，节省了芯片面积，在同等面积下可提供更大带宽；二是无需外置HBM，节省了封装面积，在同等封装尺寸下可容纳更多计算单元，可实现更大规模互联；三是节省了HBM接口占用的芯片I/O带宽，在同等封装尺寸下可布置更多互联接口，提供更大的互联带宽。

相比传统2.5D封装技术，东方算芯的Infinity Chiplet 3.5D+扩展结构在相同封装尺寸下能提供更强的算力、更高的网络带宽和更大的互联性能。此外，由于没有HBM限制，未来还可以实现更大规模的芯片扩展。

4、六大技术优势

基于上述三大技术突破，东方算芯的软件定义芯片架构带来了六大优势：计算效率高、通用性好、访存带宽大、能效优越，且不依赖最先进的芯片制造工艺，不使用HBM存储器。

DF1000：比肩英伟达Hopper旗舰

作为东方算芯基于“软件定义芯片”+3D堆叠“近存计算”技术路线的首款AI芯片，DF1000突破了对先进工艺和先进HBM的依赖，部分指标上已经比肩甚至超越英伟达Hopper旗舰。

根据东方算芯公布的数据显示，DF1000通过软件定义计算架构，结合3D堆叠近存计算，在成熟的14nm制程下，实现了高达520TFLOPS@BF16算力，访存带宽高达6.4TB/s，Scale-up带宽高达900GB/s。

作为对比，虽然单个DF1000芯片的算力约为英伟达Hopper架构的H100/200的 52.6%。但是考虑到 14nm 与 4nm 之间存在数代工艺差距，这一算力水平也足以说明DF1000的软件定义架构在硬件资源利用率上表现出色。

另外，对于AI芯片来说，算力只是一方面，特别是在运行大模型推理时，内存带宽更为关键。DF1000 的 6.4 TB/s 带宽几乎是英伟达H100的两倍，相比H200也高出了33%，这也是其 3D 近存计算架构的优势所在。更大的内存带宽意味着在处理长文本、大并发请求时，单卡能支撑更高的吞吐量和更低的延迟。

在Scale-up互联方面，DF1000的900 GB/s 互联带宽也与英伟达Hopper旗舰的NVLink带宽持平，远超一般AI加速卡的互连能力。这说明它能够高效组建大规模集群，在张量并行等对卡间通信要求极高的场景中具备实战价值。

根据东方算芯研发团队公布的基于DF1000的实测数据显示，在LlaMA3 70B大模型训练中，吞吐量可以达到500TGS；在阶跃星辰的Step-3.7-Flash大模型P/D分离推理场景中，Decode的TPOT可达10ms；在DeepSeek-3.2的大模型AFD推理中，Decode的TPOT可达20ms。

魏少军教授强调，DF1000是全球首颗软件定义存算一体三维芯片，它的意义远不止是一颗芯片、一款产品。它不仅解决了高端算力芯片高度依赖先进制程的问题，还解决了大模型时代算力系统最核心的存储墙、带宽墙和功耗墙问题。真正做到不依赖尖端制程，不被外部卡脖子，自主可控、供应链稳定、可持续迭代发展，为我国高端芯片提供了一条可落地、可规模化、可长期自主的技术路径。

产品路线图：DF3000将对标英伟达B系列

除了刚刚发布的DF1000之外，东方算芯还明确了部署量产一代、研发一代、预研一代的产品发展战略，并力争保持技术领先，保持生态开放，保证长期稳定。

其中，第二代的DF2000将会在今年四季度推出，虽然还是基于14nm，但是其BF16算力将达到1000TFLOPS，相比DF1000提升近1倍；访存带宽达15TB/s，相比DF1000提升超过1倍；卡间互联带宽达1600GB/s，相比DF1000提升也接近1倍。此外，DF2000的FP8/FP4算力更是高达2000/4000 TFLOPS。这也意味着，DF2000在14nm制程下，主要技术指标超越了4nm的英伟达H100/H200。

到2027年四季度，东方算芯还计将推出DF3000，届时其BF16算力将提升至2000TFLOPS，FP8/FP4算力则更是高达4000/8000 TFLOPS，相比DF2000实现了翻倍；DF3000的访存带宽将达到20TB/s，相比DF2000提升了超过33%；DF3000的卡间互联带宽则相比DF2000提升了一倍，达到了3200GB/s。

根据东方算芯的说法，DF2000将全面超越英伟达H系列，同时具备算力利用率高、访存带宽大的优势，在特定场景下性能可达到英伟达B系列水平。DF3000的各项指标将在DF2000基础上再翻倍，同样具备高算力利用率和带宽优势，综合性能对标英伟达B系列。

△图中纵坐标代表有效算力性能，横坐标代表算术强度，曲线斜率代表缓存带宽

从东方算芯公布的DF2000/1000的有效算力与国际主流GPU（4nm）的性能对比图来看，当算术强度处于中低水平时，有效算力受限于访存带宽，DF1000的大带宽优势使其相比英伟达A系列和H系列获得更好性能。当算术强度较高时，有效训练性能由芯片绝对算力和算力利用率决定，DF1000性能介于英伟达A100和H100之间；DF2000性能将介于H100和B系列之间。

值得注意的是，当前大模型参数正朝多模态和稀疏化方向发展，实际应用场景下的性能将从横坐标右侧向左侧移动，东方算芯的大带宽优势将持续凸显。

全栈软硬件解决方案

东方算芯此次发布的DF1000并不是纸面发布，而是已经完成了流片，并且同步推出了DF1000加速卡、巅峯DF1000通用模组、拓域TY64超节点、擎元QY100服务器、慧算HS128和HS512智算集群和自主开放软件栈CAAP在内的一整套可以实现快速商业化落地的软硬件产品矩阵。

1、DF1000加速卡

DF1000加速卡基于单颗DF1000芯片，采用全国产供应链打造的高性能AI加速卡，遵循OAM 2.0规范，提供标准化接口，可无缝适配国内主流OEM厂商的AI服务器平台，支持大模型训练、推理等应用场景。

△DF1000加速卡

2、“巅峰1000”通用模组

“巅峰1000”通用模组基于8张DF1000加速卡互联，具有4.16PFLOPS的BF16算力、51.2TB/s访存带宽、7.2TB/s Scale-up带宽和3.2TB/s Scale-out带宽，整机功耗12kW，同时拥有120核CPU处理能力。

“巅峰1000”通用模组具有高效率、大带宽特点，可支持万卡集群组网，帮助客户高效完成大模型训练和推理任务。

△“巅峰1000”通用模组

3、拓域TY64超节点

拓域TY64超节点拥有64张DF1000加速卡，算力高达33.28PFLOPS的BF16算力、409.6Tbps访存带宽、57.6TB/s Scale-up带宽和25.6TB/s Scale-out带宽，整机功耗120kW，同时拥有960核CPU处理能力。

拓域TY64超节点具有两大特点：采用全光互联结构，大幅提升通信性能；采用全铜缆连接，在降低系统成本的同时增强系统可靠性。相比普通集群，该产品综合性能提升50%，将成为极具竞争力的产品。

4、“擎元100”一体机

“擎元100”一体机具有4.16PFLOPS的BF16算力、51.2Tbps访存带宽、7.2TB/s Scale-up带宽和3.2TB/s Scale-out带宽，整机功耗12.5kW，拥有120核CPU处理能力。

“擎元100”一体机面向中小规模客户，可实现推理应用的快速灵活部署，预装主流模型，开箱即用。

在会议现场，东方算芯也展示了擎元100一体机的样机，包括风冷的擎元QY100P-S和液冷的擎元QY100X-S。

△擎元QY100P-S

△擎元QY100X-S

5、擎元QY100服务器

基于DF1000芯片与标准化部件打造的高集成化、高可靠性产品，单机8卡AI服务器，同样包括风冷与液冷两个版本，支持国产CPU、国产操作系统，无需客户进行额外的硬件集成与调试，可直接向最终用户交付，大幅缩短客户部署周期，降低技术门槛。

6、慧算HS128和HS512智算集群

面向大规模数据并行训练与推理的128卡和512卡集群方案，采用“整体交付、开箱即用”的产品形态，整合了算力、网络、存储、软件等全要素资源，无需客户进行额外的硬件集成与调试，可直接向用户交付，大幅缩短部署周期并降低技术门槛。

△现场展示的慧算HS128集群

该智算集群具有高集成度、高可靠性、按需配置、快速交付等特点，集群规模可根据客户需求进行具体配置，适配人工智能、互联网、金融、超算等各类复杂算力场景。主要面向算力中心、央国企、大型制造企业等终端客户。

7、自主开放软件栈CAAP

除硬件系统外，东方算芯还围绕软件定义芯片技术，自主研发了完整开放的软件栈CAAP。该软件栈完全自主研发，能最大程度发挥DF1000单芯片及集群的计算性能，提供端到端的训推一体软件解决方案。

据介绍，CAAP软件栈具有以三大优势：

一是生态开放，开发过程中充分考虑用户适配需求，对主流大模型框架完全兼容，帮助客户平滑无缝迁移；

二是对主流开源大模型原生支持，内置包括千问等在内的主流开源模型，支持一键下载、开箱即用；

三是完全兼容开源生态，兼容主流开发框架和编程模型，支持千卡乃至万卡级集群。

魏少军掌舵，东方算芯估值已超122亿元

作为一位在中国集成电路产业界深耕三十余年的知名专家学者，魏少军教授曾任“八六三计划”微电子与光电子主题召集人、核高基国家科技重大专项技术总师、邮电科学研究院集成电路设计中心主任，目前也是清华大学长聘教授、国际欧亚科学院院士、国家集成电路产业发展咨询委员会委员、中国半导体行业协会副理事长、集成电路设计分会理事长。

从这份履历中，我们看到的不仅是一位贯通学术、产业与国家战略的专家，更是中国集成电路产业发展的亲历者与塑造者。三十余年间，他几乎遍历了集成电路战略布局中最为核心的位置。然而，正是这样一位早已功成名就、本可安坐于学术殿堂与智库高台之上的资深专家，如今却选择走下讲坛、走出体制内的“舒适圈”，依托其过去20多年来在可重构计算芯片技术和软件定义存算一体芯片技术上的技术积淀，对于产业发展趋势和技术方向的锐利洞察，以及产业界、学界、政界的丰富人脉资源，以创业者之姿执掌一家尚在征途中的企业——东方算芯。

对于魏少军教授来说，这不仅是一次职业身份的转换，更是一次深具象征意义的姿态：从“学术研究者”、“政策建言者”变为“技术商业化的践行者”，从“制定规则的人”变为“在规则中求生存的人”。

凭借独特的技术路线和魏少军这个“明星”掌舵人，东方算芯成立仅两年多，就迅速跻身为AI芯片独角兽。资料显示，东方算芯在2026年4月完成A+轮融资后，投后估值达到了122.75亿元人民币。

目前东方算芯的投资人囊括了力合资本、高瓴资本、武岳峰、张江高科、上海集成电路产业投资基金、国家人工智能产业基金、上海国投先导、锦秋基金、云峰基金、金浦创新、招银国际、成都高新、上海临科、美团、小米、京东、滴滴等，涵盖了国家级基金、产业资本、互联网和科技巨头。

此外，据了解，东方算芯还计划于2026年四季度启动B轮融资。

结语

成立仅两年的时间，东方算芯DF1000就以“软件定义芯片”与3D堆叠“近存计算”为核心，绕开先进制程与HBM的掣肘，实现了逼近Hopper的访存带宽与可比的互联性能，这无疑为国产AI芯片在供应链受限的现实下开辟了一条值得探索的技术路径。DF1000及全栈产品矩阵的同步落地，更是展现了魏少军教授团队从理论走向工程化实现的执行力。

然而，惊叹之余，几个问题仍需审慎审视。

首先，软件定义芯片的前身是可重构计算（CGRA），其核心思想是通过可编程互连和逻辑块来动态配置数据流，换取灵活性。但这种灵活性并非没有成本，它存在互连开销巨大，有效算力密度偏低；时域重构带来的配置延迟；运行时面临灵活性、高效性、易用性三者之间的“三元悖论”。

其次，3D堆叠目前仍面临良率瓶颈。这意味着即便逻辑层和DRAM层的各自良率都达到90%，两层堆叠后的整体良率也只有81%，三层则降至72.9%。随着堆叠层数增加和规模扩大，成本将呈指数级攀升。这可能是制约DF系列未来向更多层数、更大容量扩展的根本物理约束。

魏少军本人在会后接受媒体采访时也承认：“对于3D堆叠技术，天花板是成品率。当3D堆叠将多个芯片堆到一起，成品率是乘起来的，小数相乘是越乘越小的，这就是3D堆叠的天花板。”

第三，不依赖于先进制程工艺，不代表先进制程工艺不重要。从DF1000到DF3000的激进路线图，若仅靠14nm制程持续迭代，能否真正对标英伟达B系列，仍是一个需要时间与市场双重检验的命题。

魏少军也指出，整条“软件定义+近存计算”技术路线的最终上限仍将是半导体制造工艺本身，只是在当前国内先进制程受限的条件下，这条路线能让算力性能的“天花板”来得更晚一些，为产业争取到宝贵的发展时间和空间。当我们有更好的工艺，东方算芯就有机会做得更好。

第四，编程模型与生态壁垒。如果说架构和工艺的短板尚可通过持续迭代弥补，那么软件生态的差距才是最难以量化、却最关键的劣势。比如，全球AI算力生态（PyTorch、TensorRT、CUDA、Triton）高度依赖GPU的SIMD结构和张量指令集，而可重构架构需要重新定义算子库、重构编译器映射策略，甚至重新设计数据流调度方案。

对此，东方算芯的应对是推出自研的自主开放软件栈CAAP，坚持生态开放、兼容开源生态、对主流开源大模型原生支持等。但是，从“兼容”到“高效运行”，再到“开发者愿意主动为其优化代码”，中间隔着数年乃至十数年的生态建设周期。

虽然东方算芯面临的挑战依然不小，但是从二十年学术积淀到两年产业化落地，从单芯片到集群、软件栈的全栈布局，东方算芯证明了“换道超车”并非空谈。而魏少军教授从学界走向商海的躬身入局，更赋予了这条技术路线更深远的象征意义——在外部封锁与算力需求爆发交织的时代，中国半导体产业需要的不仅是技术突破，更是敢于开辟新范式的勇气与定力。

“今天DF1000的正式发布，一条中国自主原创的算力芯片新路线正式起航。”魏少军教授非常笃定地说道。

编辑：芯智讯-浪客剑