绕开HBM和先进制程，东方算芯用"东方范式"破解国产算力困局 原创

AI算力的发展，正站在一个越来越难以逾越的关口。

过去几十年，整个半导体产业几乎都沿着同一套公式运转：制程微缩、晶体管密度提升，性能随之水涨船高。但当摩尔定律逐渐逼近物理极限，这套公式开始失灵。每一次制程升级，都意味着研发成本呈指数级暴涨；而AI时代对内存、带宽的高需求，又把HBM推到了台前。

于是，一条看似唯一的技术路径浮出水面：谁掌握更先进的制程，谁拿到更多的HBM，谁就能拥有更强的AI算力。

但对长期受制于国际形势的国产AI芯片产业来说，这恰恰是最难走、也最被动的路。如果始终沿着别人划定的坐标奔跑，就意味着要永远为越来越贵的先进工艺和越来越稀缺的HBM买单。

正是在这个节点上，上海东方算芯科技有限公司（下文称“东方算芯”），开启了另一种打法。

既然先进制程和HBM短期内难以突破，那就改变算力生成的方式。东方算芯依托自主研发的“软件定义计算架构”和“3D DRAM近存计算”技术，成功绕开了对尖端工艺和紧缺内存的刚性依赖，在现有成熟工艺条件下，实现了与国际主流产品相当、甚至在部分指标上领先的算力和带宽表现。

一条“东方范式”的新路线，也由此走向落地。

01  “两岁”的东方算芯，走过了二十年的路

在中国的AI芯片创业企业里，东方算芯或许算是一个特殊的存在。

它成立于2024年5月20日。从工商信息看，这是一家只有“两岁多”的年轻企业；但如果把时间轴拉长，就会发现，它真正的起点，是在二十年前。

2006年前后，当国内半导体产业仍在追赶制造工艺时，清华大学的一支科研团队已经在思考另一条路：能不能不再依赖越来越复杂的专用硬件，而是让芯片像软件一样，根据不同任务动态改变计算方式。

这就是后来被称为可重构计算（Reconfigurable Computing）的技术路线。领衔这项研究的，正是国际欧亚科学院院士、清华大学微电子学研究所和微电子与纳电子学系教授，如今东方算芯的董事长兼CEO魏少军。

国际欧亚科学院院士、清华大学微电子学研究所和微电子与纳电子学系教授，

东方算芯董事长兼CEO  魏少军

（截取自：清华大学官网）

后来，他将这条技术路线概括为一个更容易理解的名字：“软件定义芯片”。而这，也成为如今东方算芯最核心的技术源头。

值得一提的是，这并不是一条冷门的技术路线。事实上，“软件定义芯片”（可重构计算）早已被《国际半导体技术路线图》（ITRS）列为最具前景的未来计算架构之一，美国国防高级研究计划局（DARPA）发起的“电子复兴计划”（ERI）也将其作为保持美国电子产业领先地位的核心关键技术。如今，被视为后摩尔时代全球估值前列的AI芯片独角兽之一SambaNova，走的也是向光技术路线。

换句话说，“软件定义芯片”是一条被全球顶尖科研机构和产业反复验证的技术路径。

只是，在过去二十年里的大部分时间，这条技术路线都走得很慢。它太超前了。

过去很长一段时间，专用ASIC一路高歌猛进、摩尔定律仍在持续释放红利，产业更愿意通过不断迭代专用硬件去换取性能，而不是让硬件具备像软件一样可重构、可定义的能力。“软件定义芯片”在当时，更多是一种实验室里的技术，而非市场迫切需要解决的问题。

于是，这条技术路径一直在默默积累。

二十年间，团队不断迭代可重构架构，完成一代又一代验证芯片，先后获得国家技术发明奖、中国专利金奖等国内最高级别科技奖项，并完成了基于国产混合工艺键合的芯片流片和智算加速服务器系统级验证。

技术被证明了，路线被证明了，却始终没有等来真正属于自己的时代。

直到，大模型出现了！

生成式AI让算力需求以指数级增长，而先进制程又越来越昂贵、越来越受限。行业终于开始重新思考过去很少有人愿意回答的问题：如果拿不到最先进的工艺，能不能通过计算架构本身，把性能继续往上推？

而这，恰恰就是“可重构计算”准备了二十年的答案。

窗口终于打开了，东方算芯，也是在这个时间点走向产业化。

在原有“软件定义芯片”的基础上，东方算芯进一步演进出“软件定义+3D相变近存计算”架构，把可重构计算、三维集成和近存计算结合起来。东方算芯虽然仅成立了两年多，但很快便在北京、西安、南京、苏州、成都等地布局研发中心，聚集起五百多人的研发团队。2026年4月完成A+轮融资后，公司投后估值达到122.75亿元。

AI时代重新定义了算力，也重新定义了这条沉寂二十年的技术路线。“软件定义芯片”，终于走出了实验室，开始迎接新的产业机遇。

02  三张底牌，构建“东方范式”

那么，东方算芯究竟是如何在不依赖先进制程和HBM的前提下，实现AI算力持续提升的？

答案在于一套重新定义AI计算方式的底层架构。

过去，AI芯片的发展基本遵循着同一条技术路线，依靠更先进的制程、更高的晶体管密度、更大的缓存和更宽的HBM带宽，不断换取更高的性能。但是，东方算芯并没有沿着这条路径继续“堆料”，而是选择通过计算架构本身，重新释放芯片的潜力。

围绕这一思路，东方算芯逐步建立起完整的底层技术体系。而这套“东方范式”的架构，由三项彼此协同的核心技术组成。这三项技术分别对应AI计算中的三个核心问题：提高计算效率、提升数据带宽，以及实现大规模算力扩展。

而这，也是东方算芯的“三张底牌”。

底牌一是软件定义计算架构。这是东方算芯整个技术体系的起点，也是对传统冯·诺依曼计算范式的一次重构。

对比来看，传统处理器以指令流（Instruction Flow）驱动执行，固定的ALU和计算流水线决定了算法如何映射到硬件，软件始终需要围绕硬件组织计算。而东方算芯的软件定义计算架构，通过构建从硬件到软件的全栈可重构计算体系，将执行逻辑从“指令驱动”转向"数据流驱动（Dataflow Computing）”，让硬件围绕算法的数据流动态进行重构。

在底层实现上，该系统以Tensor Tile作为基本调度单元，对多精度融合计算阵列进行动态重组，构建出全异步（Asynchronous）、无阻塞（Non-blocking）的数据流执行引擎。计算资源能够随着模型结构和计算负载实时调整，在微架构层面实现细粒度资源重构（Fine-grained Reconfiguration），最大限度提升计算资源利用率（Utilization），减少空转、流水线停顿以及访存等待。

这种能力提升的并非单一算子的峰值性能，而是单位晶体管持续输出有效算力的能力。

从根本上说，其重新定义了算力的形成机制。

截取自：东方算芯官网

底牌二是3D DRAM近存计算。如果说软件定义计算架构解决的是计算效率，那么3D DRAM近存计算解决的就是数据流动效率。

截取自：东方算芯官网

其实，随着AI推理逐渐规模化之后，越来越多的AI系统面临的瓶颈，已经不再只是算力不足，更是数据供给跟不上计算速度。对应来看就是，GPU计算能力持续提升，但DRAM带宽的增长远远落后于计算密度的提升，大量计算单元不得不等待数据到达，整个系统因此受制于 Memory Wall（内存墙）。

目前，主流的解决思路，是依靠2.5D封装结合HBM，通过不断扩大内存接口宽度提升带宽。但这一路线高度依赖先进封装和HBM供应链，不仅成本持续攀升，还会受制于产业链能力。

但是，东方算芯选择的技术路径是采用Hybrid Bonding（混合键合）技术，将逻辑芯片（Logic Die）与DRAM进行三维堆叠，实现无凸点（Bumpless）的垂直互连。相比依赖Silicon Interposer和Micro-bump的2.5D封装，Hybrid Bonding能够将芯片间互连Pitch压缩至亚微米级，在相同面积下提供更高的互连密度、更大的I/O带宽密度和更高的数据吞吐能力，同时显著降低互连时延和单位比特传输能耗。

这种三维堆叠带来的变化，在于缩短了计算与存储之间的数据传输路径。3D DRAM近存计算可将存储直接部署在计算单元附近，使训练和推理过程中大量访存操作能够在更短距离内完成，从而减少数据搬运带来的时间和能耗开销。

也正因如此，其缓解Memory Wall的思路，也不再是依赖持续堆高HBM带宽，而是通过重构计算与存储的位置关系，从芯片架构层面提升数据供给效率，让计算单元能够持续获得数据，最终释放更高的持续有效算力。

底牌三是原生分布式执行模型（Native Distributed Execution）。第三张底牌解决的是AI系统迈向超大参数规模之后的集群扩展能力。

随着模型参数规模迈向千亿、万亿量级，单一芯片已经无法承载完整的模型。无论是训练还是推理，都需要数百甚至数千颗芯片协同完成。这意味着，真正决定AI系统性能的要素，是整个集群能否保持高效率协同运行。

所以，东方算芯并没有沿用传统以Scale-up为主的纵向扩展思路，而是在架构设计之初便围绕Scale-out进行了原生优化，将分布式能力做进计算架构。

为此，东方算芯通过在芯片层引入软件定义通信处理器（Software-defined Communication Processor），将通信能力深度融入计算流程；在服务器层构建原生以太网超节点（Ethernet Super Node），降低节点间通信开销；在软件层提供统一的分布式编程模型、Runtime运行时，以及通信调度机制，将计算、通信和存储纳入统一的执行框架。

截取自：东方算芯官网

简单来说，分布式不再只是网络层的任务，而是成为贯穿芯片、服务器到集群的软件硬件协同能力。

而这种覆盖Die、Board、Server直至Cluster的协同设计，使系统能够随着节点规模扩大，仍保持接近线性的扩展效率，降低跨节点同步带来的性能损失，从而为超大参数规模的模型训练和推理提供稳定的系统级支撑。

这三张底牌高度耦合，构成了东方算芯坚实的底层逻辑：在不依赖海外先进制程、HBM的前提下，依靠架构创新与3D堆叠，获得与先进制程产品相当甚至更高的算力和带宽表现。

03  从芯片到集群，打造“东方范式”全栈体系

“三张底牌”回答了东方算芯为什么能够走出一条不同于“先进制程+HBM”的技术路线。那么接下来的问题就是，这套架构，究竟有没有真正落地？

答案是，当然有。

如今，三大技术路径已经完整融入东方算芯的产品体系。从计算芯片，到服务器、机柜，再到智算中心集群，这套“东方范式”层层向上，构成了一条覆盖芯片、基础软件、应用软件、服务器到大规模集群的全栈产品线，具备系统级交付能力。

作为整个系统的基础算力单元，东方算芯的首发产品是 AI加速卡“巅峯DF1000”。其是一款基于3D DRAM近存计算与软件定义架构的高性能AI加速卡，采用全国产供应链，遵循OAM 2.0规范，原生支持大模型训练、分布式推理及单机推理。

围绕“巅峯DF1000”，东方算芯进一步向上构建了覆盖服务器、集群和软件平台的完整产品体系。

在基础设施层面，东方算芯将多张“巅峯DF1000”封装为AI服务器“擎元QY100”，实现训推一体、超强算力、超高带宽和海量显存，无需额外集成调试即可交付；再通过超节点“拓域TY64”实现64卡无缝互联，配合标准液冷机柜，将算力密度与互联带宽推向行业领先；最终进一步扩展为面向算力中心、央国企和大型制造企业的智算集群“慧算HS512”，完成从服务器、超节点到集群的完整硬件产品布局。

截取自：东方算芯官网

从单芯片到单机，从超节点到集群，规模逐级放大。

但这种模块化扩展，并不是简单地堆叠更多芯片，而是建立在原生分布式执行模型之上。从芯片内部的软件定义通信处理器，到服务器级的原生以太网超节点互联，再到集群级Runtime统一调度，让计算、通信与存储资源，都被纳入同一套协同框架，实现跨层级协同优化。

因此，即使节点数量持续增加，系统依然能够保持接近线性的扩展效率，不会因通信和调度开销快速上升而导致算力利用率下降。而这也成为东方算芯支撑千亿乃至万亿参数模型训练与推理的底层基础。

硬件解决的是“算力够不够”的问题，而软件生态解决的，就是“算力好不好用”的问题。其实，过去很长一段时间，制约国产AI芯片普及的，更多的是软件生态。

也正如魏少军院士所说，算力产业的竞争最终是体系与生态的竞争。

事实上，今天的大模型产业已经形成了以PyTorch、DeepSpeed、Megatron、vLLM等为核心的软件生态。从训练框架、编译器到推理引擎，大量AI基础设施都围绕这套生态构建。

因此，东方算芯并没有重新构建一套封闭的软件生态，而是选择兼容主流AI开发体系。在底层，基于Tensor Tile构建了全异步数据流编程模型，以Tensor Tile作为基本调度单元，让计算与数据搬运深度重叠，通过软件管理的显式数据流替代传统缓存机制，进一步提升计算资源利用率。

在生态层面，东方算芯的基础软件支持Kubernetes容器化编排，兼容PyTorch框架和Triton编译器，同时也完成了对DeepSpeed、Megatron等分布式训练框架，以及vLLM、SGLang等推理框架的适配。

这意味着，客户从原有算力平台迁移至东方算芯集群的技术门槛被降至最低。

在商业落地端，这套全国产化供应链体系（涵盖设计、制造、封装、测试全链条自主创新）的系统，正精准切入互联网、金融、人工智能与超高性能计算（HPC）等复杂应用场景，为国民经济与产业数字化升级提供安全、可控的算力底座。

04 写在最后：一条终将走通的“国产之路”

历史的车轮滚滚向前，半导体产业的演进轨迹，始终由多元创新力量共同塑造。

东方算芯以一套扎实、独立的原创架构，为国产算力开辟出全新的技术路径，也悄然改写了“后来者只能遵循既有规则”的旧认知。

东方算芯的破局，实则也暗合了产业演进必然性。不久前，华为提出的“韬（τ）定律”中揭示：当二维平面的几何微缩走到尽头，可以“时间缩微”替代“几何缩微”，通过逻辑折叠、3D堆叠与系统级协同优化，实现单位晶体管密度的等效提升。

而在底层自主创新的共识下，东方算芯剥离了对先进制程的盲目依赖，用系统级协同与异构集成，实现了等效算力密度的跨越式跃升，并由此淬炼出一套可规模化复用的“东方范式”。

“关键核心技术是要不来、买不来、讨不来的。”当二十年的学术薪火化作澎湃算力走向千行百业，中国芯将加快摒弃他人定下的出口，在世界半导体的坚固版图上，让中国架构占有一席之地。

加速自主创新，突破技术封锁，或许本就是中国科技在这场时代洪流中，终将兑现的宿命！