国产AI芯片怎么破局？东方算芯发布近存计算芯片

在AI大模型参数规模不断扩大的背景下，算力系统面临着“存储墙”、“带宽墙”以及功耗等多重瓶颈。受限于外部对先进工艺和高带宽内存（HBM）等核心技术的出口管制，国内AI芯片企业正积极探索传统GPU之外的技术路线。据东方算芯官方消息，该初创企业近期推出了3D近存计算（Near-Memory Computing）AI芯片DF1000，旨在通过架构创新来突破工艺限制。

据东方算芯副总裁郭炜透露，随着AI模型迈入万亿级参数时代，数据搬移效率已成为制约系统性能的关键因素。为此，DF1000采用了“软件定义”与3D近存计算相结合的架构，并运用混合键合（Hybrid Bonding）技术将逻辑芯片与DRAM进行垂直整合。据公司公布的数据，该芯片在BF16精度下的算力达到520 TFLOPS，内存带宽为6.4TB/s，芯片间互联带宽为900GB/s。此外，东方算芯还同步发布了TY64超级节点、QY100 AI服务器以及HS512大型算力集群等配套产品。不过，该芯片的具体工艺节点、功耗及第三方测试数据尚未公开，仍需等待量产后的实际验证。

针对国内AI芯片的发展路径，多位业内专家表达了看法。据香港科技大学副校长郑光廷表示，在AI时代，芯片研发的方向比单纯追求速度更为关键，需要通过EDA工具、算法与架构的协同优化来提升能效。北京超弦存储器研究院执行院长赵超指出，存算分离引发的“存储墙”问题日益凸显，目前国内相关研究机构正致力于研发200至300层的3D堆叠技术以改善数据传输效率。此外，万亿芯总经理王惟林认为，未来CPU与AI加速器将通过异构计算实现高效分工；芯原董事长戴伟民则表示，Chiplet、玻璃基板及IP服务化将是AI芯片设计的重要趋势。

目前，国内AI芯片产业已初步形成两条差异化的发展路径。一方面，部分企业继续深耕GPU架构及软件生态，逐步追赶国际先进水平；另一方面，以东方算芯为代表的初创企业则押注近存计算、可重构计算及3D堆叠等新架构，以降低对先进工艺和HBM的依赖。业内分析认为，无论采取何种技术路线，AI芯片的最终竞争都将聚焦于商业化落地能力，包括大规模量产水平、封装良率、软件工具链完善度以及开发者生态建设等。从技术展示到大规模商业部署，国产AI芯片仍需跨越诸多考验。