AI算力的發展，正站在一個越來越難以逾越的關口。
過去幾十年，整個半導體產業幾乎都沿著同一套公式運轉：製程微縮、電晶體密度提升，性能隨之水漲船高。但當摩爾定律逐漸逼近物理極限，這套公式開始失靈。每一次製程升級，都意味著研發成本呈指數級暴漲；而AI時代對內存、頻寬的高需求，又把HBM推到了台前。
於是，一條看似唯一的技術路徑浮出水面：誰掌握更先進的製程，誰拿到更多的HBM，誰就能擁有更強的AI算力。
但對長期受制於國際形勢的國產AI晶片產業來說，這恰恰是最難走、也最被動的路。如果始終沿著別人劃定的坐標奔跑，就意味著要永遠為越來越貴的先進工藝和越來越稀缺的HBM買單。
正是在這個節點上，上海東方算芯科技有限公司（下文稱「東方算芯」），開啟了另一種打法。
既然先進制程和HBM短期內難以突破，那就改變算力生成的方式。東方算芯依託自主研發的「軟體定義計算架構」和「3D DRAM近存計算」技術，成功繞開了對尖端工藝和緊缺內存的剛性依賴，在現有成熟工藝條件下，實現了與國際主流產品相當、甚至在部分指標上領先的算力和頻寬表現。
一條「東方範式」的新路線，也由此走向落地。
01 「兩歲」的東方算芯，走過了二十年的路
在中國的AI晶片創業企業里，東方算芯或許算是一個特殊的存在。
它成立於2024年5月20日。從工商資訊看，這是一家只有「兩歲多」的年輕企業；但如果把時間軸拉長，就會發現，它真正的起點，是在二十年前。
2006年前後，當國內半導體產業仍在追趕製造工藝時，清華大學的一支科研團隊已經在思考另一條路：能不能不再依賴越來越複雜的專用硬體，而是讓晶片像軟體一樣，根據不同任務動態改變計算方式。
這就是後來被稱為可重構計算（Reconfigurable Computing）的技術路線。領銜這項研究的，正是國際歐亞科學院院士、清華大學微電子學研究所和微電子與納電子學系教授，如今東方算芯的董事長兼CEO魏少軍。
國際歐亞科學院院士、清華大學微電子學研究所和微電子與納電子學系教授，
東方算芯董事長兼CEO 魏少軍
（截取自：清華大學官網）
後來，他將這條技術路線概括為一個更容易理解的名字：「軟體定義晶片」。而這，也成為如今東方算芯最核心的技術源頭。
值得一提的是，這並不是一條冷門的技術路線。事實上，「軟體定義晶片」（可重構計算）早已被《國際半導體技術路線圖》（ITRS）列為最具前景的未來計算架構之一，美國國防高級研究計劃局（DARPA）發起的「電子復興計劃」（ERI）也將其作為保持美國電子產業領先地位的核心關鍵技術。如今，被視為後摩爾時代全球估值前列的AI晶片獨角獸之一SambaNova，走的也是向光技術路線。
換句話說，「軟體定義晶片」是一條被全球頂尖科研機構和產業反覆驗證的技術路徑。
只是，在過去二十年裡的大部分時間，這條技術路線都走得很慢。它太超前了。
過去很長一段時間，專用ASIC一路高歌猛進、摩爾定律仍在持續釋放紅利，產業更願意通過不斷疊代專用硬體去換取性能，而不是讓硬體具備像軟體一樣可重構、可定義的能力。「軟體定義晶片」在當時，更多是一種實驗室里的技術，而非市場迫切需要解決的問題。
於是，這條技術路徑一直在默默積累。
二十年間，團隊不斷疊代可重構架構，完成一代又一代驗證晶片，先後獲得國家技術發明獎、中國專利金獎等國內最高級別科技獎項，並完成了基於國產混合工藝鍵合的晶片流片和智算加速伺服器系統級驗證。
技術被證明了，路線被證明了，卻始終沒有等來真正屬於自己的時代。
直到，大模型出現了！
生成式AI讓算力需求以指數級增長，而先進制程又越來越昂貴、越來越受限。行業終於開始重新思考過去很少有人願意回答的問題：如果拿不到最先進的工藝，能不能通過計算架構本身，把性能繼續往上推？
而這，恰恰就是「可重構計算」準備了二十年的答案。
窗口終於打開了，東方算芯，也是在這個時間點走向產業化。
在原有「軟體定義晶片」的基礎上，東方算芯進一步演進出「軟體定義+3D相變近存計算」架構，把可重構計算、三維集成和近存計算結合起來。東方算芯雖然僅成立了兩年多，但很快便在北京、西安、南京、蘇州、成都等地布局研發中心，聚集起五百多人的研發團隊。2026年4月完成A+輪融資後，公司投後估值達到122.75億元。
AI時代重新定義了算力，也重新定義了這條沉寂二十年的技術路線。「軟體定義晶片」，終於走出了實驗室，開始迎接新的產業機遇。
02 三張底牌，構建「東方範式」
那麼，東方算芯究竟是如何在不依賴先進制程和HBM的前提下，實現AI算力持續提升的？
答案在於一套重新定義AI計算方式的底層架構。
過去，AI晶片的發展基本遵循著同一條技術路線，依靠更先進的製程、更高的電晶體密度、更大的緩存和更寬的HBM頻寬，不斷換取更高的性能。但是，東方算芯並沒有沿著這條路徑繼續「堆料」，而是選擇通過計算架構本身，重新釋放晶片的潛力。
圍繞這一思路，東方算芯逐步建立起完整的底層技術體系。而這套「東方範式」的架構，由三項彼此協同的核心技術組成。這三項技術分別對應AI計算中的三個核心問題：提高計算效率、提升數據頻寬，以及實現大規模算力擴展。
而這，也是東方算芯的「三張底牌」。
底牌一是軟體定義計算架構。這是東方算芯整個技術體系的起點，也是對傳統馮·諾依曼計算範式的一次重構。
對比來看，傳統處理器以指令流（Instruction Flow）驅動執行，固定的ALU和計算流水線決定了算法如何映射到硬體，軟體始終需要圍繞硬體組織計算。而東方算芯的軟體定義計算架構，通過構建從硬體到軟體的全棧可重構計算體系，將執行邏輯從「指令驅動」轉向"數據流驅動（Dataflow Computing）」，讓硬體圍繞算法的數據流動態進行重構。
在底層實現上，該系統以Tensor Tile作為基本調度單元，對多精度融合計算陣列進行動態重組，構建出全異步（Asynchronous）、無阻塞（Non-blocking）的數據流執行引擎。計算資源能夠隨著模型結構和計算負載實時調整，在微架構層面實現細粒度資源重構（Fine-grained Reconfiguration），最大限度提升計算資源利用率（Utilization），減少空轉、流水線停頓以及訪存等待。
這種能力提升的並非單一算子的峰值性能，而是單位電晶體持續輸出有效算力的能力。
從根本上說，其重新定義了算力的形成機制。
截取自：東方算芯官網
底牌二是3D DRAM近存計算。如果說軟體定義計算架構解決的是計算效率，那麼3D DRAM近存計算解決的就是數據流動效率。
截取自：東方算芯官網
其實，隨著AI推理逐漸規模化之後，越來越多的AI系統面臨的瓶頸，已經不再只是算力不足，更是數據供給跟不上計算速度。對應來看就是，GPU計算能力持續提升，但DRAM頻寬的增長遠遠落後於計算密度的提升，大量計算單元不得不等待數據到達，整個系統因此受制於 Memory Wall（內存牆）。
目前，主流的解決思路，是依靠2.5D封裝結合HBM，通過不斷擴大內存接口寬度提升頻寬。但這一路線高度依賴先進封裝和HBM供應鏈，不僅成本持續攀升，還會受制於產業鏈能力。
但是，東方算芯選擇的技術路徑是採用Hybrid Bonding（混合鍵合）技術，將邏輯晶片（Logic Die）與DRAM進行三維堆疊，實現無凸點（Bumpless）的垂直互連。相比依賴Silicon Interposer和Micro-bump的2.5D封裝，Hybrid Bonding能夠將晶片間互連Pitch壓縮至亞微米級，在相同面積下提供更高的互連密度、更大的I/O頻寬密度和更高的數據吞吐能力，同時顯著降低互連時延和單位比特傳輸能耗。
這種三維堆疊帶來的變化，在於縮短了計算與儲存之間的數據傳輸路徑。3D DRAM近存計算可將儲存直接部署在計算單元附近，使訓練和推理過程中大量訪存操作能夠在更短距離內完成，從而減少數據搬運帶來的時間和能耗開銷。
也正因如此，其緩解Memory Wall的思路，也不再是依賴持續堆高HBM頻寬，而是通過重構計算與儲存的位置關係，從晶片架構層面提升數據供給效率，讓計算單元能夠持續獲得數據，最終釋放更高的持續有效算力。
底牌三是原生分布式執行模型（Native Distributed Execution）。第三張底牌解決的是AI系統邁向超大參數規模之後的集群擴展能力。
隨著模型參數規模邁向千億、萬億量級，單一晶片已經無法承載完整的模型。無論是訓練還是推理，都需要數百甚至數千顆晶片協同完成。這意味著，真正決定AI系統性能的要素，是整個集群能否保持高效率協同運行。
所以，東方算芯並沒有沿用傳統以Scale-up為主的縱向擴展思路，而是在架構設計之初便圍繞Scale-out進行了原生優化，將分布式能力做進計算架構。
為此，東方算芯通過在晶片層引入軟體定義通信處理器（Software-defined Communication Processor），將通信能力深度融入計算流程；在伺服器層構建原生以太網超節點（Ethernet Super Node），降低節點間通信開銷；在軟體層提供統一的分布式編程模型、Runtime運行時，以及通信調度機制，將計算、通信和儲存納入統一的執行框架。
截取自：東方算芯官網
簡單來說，分布式不再只是網路層的任務，而是成為貫穿晶片、伺服器到集群的軟體硬體協同能力。
而這種覆蓋Die、Board、Server直至Cluster的協同設計，使系統能夠隨著節點規模擴大，仍保持接近線性的擴展效率，降低跨節點同步帶來的性能損失，從而為超大參數規模的模型訓練和推理提供穩定的系統級支撐。
這三張底牌高度耦合，構成了東方算芯堅實的底層邏輯：在不依賴海外先進制程、HBM的前提下，依靠架構創新與3D堆疊，獲得與先進制程產品相當甚至更高的算力和頻寬表現。
03 從晶片到集群，打造「東方範式」全棧體系
「三張底牌」回答了東方算芯為什麼能夠走出一條不同於「先進制程+HBM」的技術路線。那麼接下來的問題就是，這套架構，究竟有沒有真正落地？
答案是，當然有。
如今，三大技術路徑已經完整融入東方算芯的產品體系。從計算晶片，到伺服器、機櫃，再到智算中心集群，這套「東方範式」層層向上，構成了一條覆蓋晶片、基礎軟體、應用軟體、伺服器到大規模集群的全棧產品線，具備系統級交付能力。
作為整個系統的基礎算力單元，東方算芯的首發產品是 AI加速卡「巔峯DF1000」。其是一款基於3D DRAM近存計算與軟體定義架構的高性能AI加速卡，採用全國產供應鏈，遵循OAM 2.0規範，原生支持大模型訓練、分布式推理及單機推理。
圍繞「巔峯DF1000」，東方算芯進一步向上構建了覆蓋伺服器、集群和軟體平台的完整產品體系。
在基礎設施層面，東方算芯將多張「巔峯DF1000」封裝為AI伺服器「擎元QY100」，實現訓推一體、超強算力、超高頻寬和海量顯存，無需額外集成調試即可交付；再通過超節點「拓域TY64」實現64卡無縫互聯，配合標準液冷機櫃，將算力密度與互聯頻寬推向行業領先；最終進一步擴展為面向算力中心、央國企和大型製造企業的智算集群「慧算HS512」，完成從伺服器、超節點到集群的完整硬體產品布局。
截取自：東方算芯官網
從單晶片到單機，從超節點到集群，規模逐級放大。
但這種模組化擴展，並不是簡單地堆疊更多晶片，而是建立在原生分布式執行模型之上。從晶片內部的軟體定義通信處理器，到伺服器級的原生以太網超節點互聯，再到集群級Runtime統一調度，讓計算、通信與儲存資源，都被納入同一套協同框架，實現跨層級協同優化。
因此，即使節點數量持續增加，系統依然能夠保持接近線性的擴展效率，不會因通信和調度開銷快速上升而導致算力利用率下降。而這也成為東方算芯支撐千億乃至萬億參數模型訓練與推理的底層基礎。
硬體解決的是「算力夠不夠」的問題，而軟體生態解決的，就是「算力好不好用」的問題。其實，過去很長一段時間，制約國產AI晶片普及的，更多的是軟體生態。
也正如魏少軍院士所說，算力產業的競爭最終是體系與生態的競爭。
事實上，今天的大模型產業已經形成了以PyTorch、DeepSpeed、Megatron、vLLM等為核心的軟體生態。從訓練框架、編譯器到推理引擎，大量AI基礎設施都圍繞這套生態構建。
因此，東方算芯並沒有重新構建一套封閉的軟體生態，而是選擇兼容主流AI開發體系。在底層，基於Tensor Tile構建了全異步數據流編程模型，以Tensor Tile作為基本調度單元，讓計算與數據搬運深度重疊，通過軟體管理的顯式數據流替代傳統緩存機制，進一步提升計算資源利用率。
在生態層面，東方算芯的基礎軟體支持Kubernetes容器化編排，兼容PyTorch框架和Triton編譯器，同時也完成了對DeepSpeed、Megatron等分布式訓練框架，以及vLLM、SGLang等推理框架的適配。
這意味著，客戶從原有算力平台遷移至東方算芯集群的技術門檻被降至最低。
在商業落地端，這套全國產化供應鏈體系（涵蓋設計、製造、封裝、測試全鏈條自主創新）的系統，正精準切入網際網路、金融、人工智慧與超高性能計算（HPC）等複雜應用場景，為國民經濟與產業數位化升級提供安全、可控的算力底座。
04 寫在最後：一條終將走通的「國產之路」
歷史的車輪滾滾向前，半導體產業的演進軌跡，始終由多元創新力量共同塑造。
東方算芯以一套紮實、獨立的原創架構，為國產算力開闢出全新的技術路徑，也悄然改寫了「後來者只能遵循既有規則」的舊認知。
東方算芯的破局，實則也暗合了產業演進必然性。不久前，華為提出的「韜（τ）定律」中揭示：當二維平面的幾何微縮走到盡頭，可以「時間縮微」替代「幾何縮微」，通過邏輯摺疊、3D堆疊與系統級協同優化，實現單位電晶體密度的等效提升。
而在底層自主創新的共識下，東方算芯剝離了對先進制程的盲目依賴，用系統級協同與異構集成，實現了等效算力密度的跨越式躍升，並由此淬鍊出一套可規模化復用的「東方範式」。
「關鍵核心技術是要不來、買不來、討不來的。」當二十年的學術薪火化作澎湃算力走向千行百業，中國芯將加快摒棄他人定下的出口，在世界半導體的堅固版圖上，讓中國架構占有一席之地。
加速自主創新，突破技術封鎖，或許本就是中國科技在這場時代洪流中，終將兌現的宿命！
