国产 AI 芯片掀开落地新篇章。

芯东西 9 月 17 日报道，今日，2025 全球 AI 芯片峰会在上海举行，来自 AI 芯片领域的 42 位产学研专家及创业先锋代表，畅谈对大模型下半场中国 AI 芯片创新、落地、生存、破局的最新观察与思考。

一如既往，大会将国产 AI 芯片新老势力、核心生态链企业、投资机构代表汇聚一堂，集中输出技术及产业干货，全景式解构AI芯片热门发展方向。

本届峰会由智一科技旗下智猩猩与芯东西共同举办，以“AI 大基建 智芯新世界”为主题，由主论坛+专题论坛+技术研讨会+展览区组成，覆盖大模型 AI 芯片、架构创新、存算一体、超节点与智算集群技术等前沿议题。AWE 同时也是本次峰会的战略合作机构。

值得一提的是，多家 AI 芯片企业在会上放出猛料。例如，几位资深投资人分享投资 AI 芯片企业所看重的条件，一家超节点创企成立几个月就融资六七亿，云天励飞正在研发新一代 NPU Nova500，华为昇腾将在 12 月把 CANN 全量开源，曦望 Sunrise 下一代芯片的大模型推理性价比对标英伟达 Rubin GPU。

在展览区，超摩科技、奎芯科技、特励达力科、Alphawave、芯来科技、Achronix、曦望Sunrise、矩量无限、AWE、晶心科技、芯盟科技等 11 家展商进行展示。

▲展览区一隅

作为主办方代表，智一科技联合创始人、CEO 龚伦常发表致辞。从 2018 年 3 月至今，全球 AI 芯片峰会共邀请了超过 180 位产学研大咖，分享行业趋势与洞见，已成为 AI 芯片领域唯一一个持续举办且具有广泛影响力的产业峰会，也是了解国内外 AI 芯片动态的重要窗口。

▲智一科技联合创始人、CEO 龚伦常

龚伦常还预告了将于今年 11 月底在深圳举办的 2025 中国具身智能机器人大会，欢迎大家参会交流。

注：本文整理了主论坛与大模型AI芯片专题论坛的精华总结。更多相关报道将在后续发布。

01. IEEE Fellow 王中风教授：解读 AI 芯片三大前沿方向  

应对模型规模“超摩尔”增长、传统架构“内存墙”、应用场景日趋多元化三大挑战，中山大学集成电路学院院长、IEEE/AAIA Fellow 王中风教授探讨了 AI 芯片设计的三大前沿方向，为行业的发展提供了宝贵的见解和指导。

一是模型驱动的高效芯片设计，在模型尺寸增长的趋势下，让硬件深度适配 AI 模型特性，而非让模型发展受限于硬件资源。

王中风教授团队提出的 Transformer 硬件加速架构设计工作，是首个完整解决 Attention 计算加速挑战的方案，获得了 IEEE 2020 年片上系统年会（SOCC）最佳论文奖；N:M 稀疏 Transformer推理加速框架，可快速实现任意 N:M 稀疏比例的 Transformer 模型开发和硬件部署，同时能保持精度稳定；粗粒度-细粒度混合精度量化，搭配专用多核加速器来处理差异计算，能够实现更灵活的调度。

二是应用驱动的 AI 芯片创新，注重模型的落地与应用，兼顾能效和灵活性的探索。

架构创新没有唯一解，只有更合适的解。结合可重构硬件架构（动态适配不同算法需求）、领域专用架构（在垂直场景实现超过通用架构的能效）、Chiplet 等先进封装技术（提高设计灵活性、降低成本、缩短上市周期），以应用驱动为核心的 AI 芯片设计，将是未来值得重点探索的研究方向。

三是基于存算一体的芯片设计，从存算架构根源降低能耗，平衡性能与功耗。

存算一体架构是芯片设计范式转移的一个重要方向。数字存算架构的优势是高精度、高稳定性、生态更成熟，但存在高能耗、高硬件开销、低存储密度等问题；模拟存算架构具有低能耗、高存储密度、低硬件开销等优势，但精度较低、对工艺要求高、生态不成熟。王中风教授团队研究的基于 SRAM 的数字存内计算架构大模型加速器，支持多种数据精度，相比于传统冯诺依曼架构，能效比可提升数十倍。

上述三条路径并非孤立，而是相互支撑，共同推动 AI 芯片从“通用适配”走向“精准定制”。

▲中山大学集成电路学院院长、IEEE/AAIA Fellow 王中风教授

王中风教授总结说，当前 AI 芯片发展呈现三大关键趋势：一是从通用计算走向领域专用的“专用化”，二是算法与软硬件共同进化的“协同化”，三是通过新型计算打破性能瓶颈的“一体化”。

以 AI 计算专用架构 SRDA（系统级极简可重构数据流）为例，通过分布式 3D 内存控制技术、可重构数据流计算架构、系统级精简软硬件融合设计等创新，在大模型智算场景可以大幅提升 AI 算力利用率与性能，驱使未来基于国产工艺的 AI 算力芯片也可以实现不亚于国外更先进工艺制程的 GPGPU性能。

下一代计算范式的发展，首先是软件、算法、硬件的共生，实现全环节协同进化；其次是实现无处不在、高效且可信的智能计算，在云端实现支持 AGI 训练的巨型超算系统，在边缘实现自主机器人的实时决策大脑，在端侧实现超低功耗的 Always-On 感知芯片。

此外，高效支持智能计算，还需要促进新兴技术融合，实现光子计算、量子计算、AI 芯片的潜在结合。

王中风教授呼吁开放标准，推动接口、互联、指令集等的开放，降低创新门槛；注意产学研深度合作，共同攻克量智融合、存算一体、新材料、新工艺、新器件等领域的技术难题；注重人才培养，培养兼具算法、架构、底层电路及软件开发等技能的交叉型人才。

02. 高端对话：大模型下半场引爆国产算力，AI 芯片 IPO 潮将更具想象

高端对话以《⼤模型下半场，中国 AI 芯⽚的破局与突围》为主题，由智一科技联合创始人、智车芯产媒矩阵总编辑张国仁主持，和利资本合伙⼈王馥宇、普华资本管理合伙⼈蒋纯、BV 百度风投董事总经理刘⽔、IO 资本创始合伙⼈赵占祥四位嘉宾进行分享。

张国仁谈道，大模型的下半场不仅是技术竞赛，更是生态竞争，期待中国即将诞生“芯片+场景+算法”的垂直整合者，出现更多的单项冠军。

▲智一科技联合创始人、智车芯产媒矩阵总编辑张国仁

1、DeepSeek 扩大算力池后，投资 AI 芯片企业看什么？

王馥宇认为，DeepSeek 的出现意味着中国出现了“Leading Customer”，好的科技公司会向芯片公司提出需求。蒋纯进一步补充道，DeepSeek 最大的意义是让中国有了一套自有大模型体系，让国产芯片有了用武之地。

这些资深投资人会倾向于投资什么样的 AI 芯片团队？几位投资人均看重企业的技术路线是否收敛。

赵占祥尤其关注技术路线是否有提升及创新。刘水提到百度风投不单纯以商业化衡量项目价值。蒋纯说：“小孩子才做选择，成年人我都要。”他表示成熟技术和创新技术都在投资。王馥宇将市场分为两类，一类是相对确定的市场，考验团队的积累和执行力，第二类是靠技术驱动市场发展。

展望芯片企业的未来机遇，蒋纯认为，碳基文明被硅基文明取代之前，算力的市场机会看不到头，市场前景无穷大，现在的技术体系并不是终局。

2、一家超节点创企，成立几个月融资六七亿

王馥宇称，很多大厂同样在构建非全家桶方式的网络架构，未来百花齐放，企业要保持开发、敏感。

在蒋纯看来，对中国企业面临的现实情况而言，“小米加步枪”的 scale out 路线和超节点所代表的 scale up 路线至少是同样重要。

赵占祥透露，IO 资本最近在看的一个超节点创业公司，成立几个月就融资六七亿，但在超节点机遇背后，网络的可靠性、故障率要求仍面临挑战。

BV 百度风投曾投资不少具身智能企业。据刘水分享，具身智能是个新兴赛道，芯片作为核心硬件支撑，目前还在迭代期，真正能完美匹配各类复杂物理交互场景的成熟芯片产品，行业内仍在探索。

现阶段，很多企业选择 x86 CPU 加 AI 芯片的组合来搭建基础算力平台，这是行业在技术演进过程中非常自然的过渡性选择，能快速验证产品逻辑、跑通初步场景。

而这种 “过渡性” 也正是产业的机会所在——未来无论是更适配具身特性的专用芯片研发，还是基于现有硬件的算力效率优化，只要能解决实际场景中的痛点，就是产业发展的机会点。

3、寒武纪一度登顶 A 股，“寄托了全村人的希望”

几位投资人虽然主要看一级市场，但也聊到对二级市场的观察。他们普遍认为，接下来要 IPO 的 AI 芯片公司会比登陆 2019 年科创板的那批国产替代概念芯片公司更有想象力。

今年，寒武纪一度超越贵州茅台登顶 A 股“股王”。在蒋纯看来，寒武纪的暴涨背后可能“寄托了全村人的希望”。与上一波芯片企业上市潮相比，当时国产替代概念市场有限，但现在 AI 市场的需求是无限的。

刘水补充说，AI 需求正为计算基础设施建设注入强劲动力。当前，不少国产芯片企业积极推进 IPO 进程，这本身是行业加速成长的体现——借助资本市场的力量，企业能更好地投入研发、扩充产能，为技术突破和规模化交付奠定基础。

不过，上市只是发展的新起点，最终能否站稳市场，关键仍在于技术的成熟度、产能的稳定供给以及客户的深度认可。

从长远来看，企业需要以持续的技术创新和扎实的商业化能力，真正实现产业价值与市场价值的同步兑现。

03. 瞄准大模型高效推理，做好生态开源开放 

面向持续爆发的大模型推理需求，如何在芯片架构、开源开放、高速互连、超节点等方向探索创新？

在上午主论坛期间，来自云天励飞、华为昇腾、行云集成电路、奎芯科技、探微芯联、新华三的产业嘉宾分别发表主题演讲，分享了他们的观察与思考。

1、云天励飞陈宁：国产 AI 推理芯片迎历史性机遇

云天励飞董事长兼 CEO 陈宁谈道，在“政策+需求”双重驱动下，国产 AI 推理芯片正迎来绝佳发展机遇。根据灼识咨询报告，中国 NPU 市场规模短期预计新增规模 339.3 亿元，长期预计新增规模 1092 亿元。

高效 Token 生成是衡量推理芯片性价比的关键指标。11 年来，云天励飞已研发五代 NPU，打造相关指令集、专用算子、存算一体架构、低比特混合量化等芯片硬件技术。其“算力积木”架构是基于国产工艺的 D2D Chiplet & C2C Mesh 大模型推理架构，具有可扩展性强、灵活性强、实时性高等特点。

云天励飞提供“深穹”、“深界”、“深擎”三大 AI 推理芯片系列，分别面向大模型推理算力中心/超节点/一体机/加速卡、边缘网关/边缘盒子/家庭主机、及机器人/无人机/无人车等AI推理等应用。

目前，云天励飞正在研发新一代 NPU Nova500，并基于 Nova500 推出多款性能更强的 AI 推理芯片。

▲云天励飞董事长兼 CEO 陈宁

2、华为昇腾王晓雷：公布全面开源的三个关键节点

华为昇腾处理器产品总经理王晓雷谈道，英伟达的软件开发人员是硬件的两倍，我们作为生态的后来者，要做好开源开放，跟客户与伙伴一起，把芯片和解决方案做得更好。

芯片方案多种多样，如何把它用好，是一件非常复杂的事情。

AI 计算领域，矩阵执行过程需要保证数据到位，而整个数据搬移过程是计算优化的核心。处理器跟底软团队需要与算法和业务专家联合优化，才能发挥出处理器的高性能。

王晓雷现场公布了昇腾未来进一步全面开源的关键节点，包括 9 月 30 日算子库全部开源、12 月 30 日 CANN 全量开源、2026 年起解决方案配套产品上市即开源。

▲华为昇腾处理器产品总经理王晓雷

3、⾏云集成电路季宇：10 万元跑满血版 DeepSeek

⾏云集成电路创始⼈&CEO 季宇抛出一个问题：谁困住了 AI 产业？

他的答案是大型机投资回报率。超节点化、大型机化的成本门槛巨大，但随着大模型内存需求接近 DDR/LPDDR 的甜点，高质量模型的硬件系统平民化曙光已现。

其概念原型产品大模型一体机“褐蚁”采用 5090 级算力+TB 级高带宽 DDR5，能以 10 万元成本运行 DeepSeek R1/V3 671B FP8，对话速度超过 20TPS，20K 上下文 prefill 在 18 秒以内。

集群概念验证方案“蚁群”可将超过 40 台“褐蚁”机器组合作为 decode 节点，prefill 节点采用 4 根 SSD 替代 DDR，总成本为 300 万~500 万元，以约 1~2 台 8 卡超算的价格，实现 20 倍于 1~2 台超算的并发能力，提供接近 DeepSeek 公有云的性价比。

行云希望通过其原型概念产品，呈现 DDR/Flash 满足大模型推理需求的潜力，并通过芯片产品，将顶配大模型的硬件成本降低到万元甚至千元级价位，推动AI普惠。

▲⾏云集成电路创始⼈&CEO 季宇

4、奎芯科技唐睿：Chiplet 将加快国产芯片研发

当前 AI 革命与过往互联网产业有明显差异，利润高度向硬件环节倾斜。奎芯科技联合创始⼈兼副总裁唐睿谈道，随着模型尺寸不断变大，算力需求飙升，为了争夺 AGI 领域的胜利，科技企业的 CAPEX 大幅增长且逐渐取代 OPEX 成为主流趋势。

AI 领域存在芯片设计周期远跟不上算力及模型发展需求的矛盾。在唐睿看来，基于 Chiplet 的设计能加快芯片研发迭代。

2021 年-2030 年处理器预计研发项目数量年化增长约 9%，但基于 Chiplet 的设计年化增长率高达 44%，预计 2030 年占比超一半。

对此，奎芯打造了基于 UCle 标准接口 IP 的国产化完整解决方案，研发了两代 UCle IP，第一代为 16GT/s，第二代为 32GT/s，且在标准封装实现。这些 IP 具有高性能、低功耗、灵活性等优势，能为芯片快速迭代提供支持。

▲奎芯科技联合创始⼈兼副总裁唐睿

5、探微芯联刘学：国产超节点如何实现异构互联？

探微芯联创始人、清华⼤学类脑计算研究中心刘学分享说，类脑计算与 AI 同源异流，天生具备超大规模计算系统的通信基因，与智算超节点的发展趋势十分吻合。

探微将类脑集群技术迁移至 GPU 智算平台，打造面向 AI 芯片的 Scale-up 完整互联方案，实现了覆盖通信协议、交换芯片/网内计算、软件栈/集合通信库、RAS 机制与可维护机制、路由算法、超节点平台、性能建模和异构互联等关键技术。

不过，刘学认为，超节点通信不只是技术堆叠。通信协议具有较强生态属性，需要广泛的应用场景和生态支持才能推广。

从类脑集群体系结构的大量工程经验积累，到探微通信互联关键技术的不断迭代，探微方案实现从底层到高层的计算和通信的全方位打通，能够为智算超节点生态伙伴提供 Scale-up 通信协议系统级解决方案、异构融合及智算超节点万卡集群工程方案。

▲探微芯联创始人、清华⼤学类脑计算研究中心刘学

6、新华三刘善⾼：超节点是 AI 系统工程巅峰

新华三集团 AI 服务器产品线研发部总监刘善⾼谈道，大模型技术趋势给算力基础设施带来了算力墙、显存墙、通信墙等挑战，打造AI超节点成为必然趋势。

这需要异构计算协同优化、高速互联网络、精密结构设计等基础设施的深度集成，对软硬协同要求高，是 AI 系统工程的巅峰。

新华三设计了两款超节点产品：整机柜超节点 H3C UniPoD S80000 和灵活部署超节点 H3C UniPoD F80000。

S80000 实现柜内卡间全互联通信，互联带宽提升 8 倍，单机柜训练性能相较于单节点最高可提升 10 倍，单卡推理效率提升 13 倍；F80000 基于传统 AI 服务器即可灵活扩展 Scale-up 网络，能够实现 MoE 大规模训练性能提升 35% 以上。

未来，AI 加速卡将更加百花齐放，高带宽低延迟的卡间高速互联网络也将是必然趋势。

▲新华三集团 AI 服务器产品线研发部总监刘善⾼

04. 数据流、低精度、稀疏化、全国产、Chiplet，AI 芯片走向多路创新

在下午的大模型 AI 芯片专题论坛上，上海交通大学计算机学院教授、上海期智研究院 PI 冷静文分享了数据流体系架构如何成为新一代的大模型加速引擎。

随后，来自曦望 Sunrise、爱芯元智、墨芯人工智能、江原科技、迈特芯、智源研究院、北极雄芯、Alphawave 的产业嘉宾分别发表主题演讲，分享创新的技术路径与最新进展。

1、上海交通大学冷静⽂教授：数据流能提高大模型推理效率

上海交通大学计算机学院教授、上海期智研究院 PI 冷静文认为，数据流体系架构是大模型高效执行研究的重要方向，它通过数值压缩与计算流调度的优化，提升推理性能。

低位宽数值类型可显著降低存储开销，提高计算效率；而向量量化有望帮助大模型突破 4bit 的表示极限。冷静⽂教授团队研发了面向多元素量化的计算引擎 VQ-LLM，通过三级缓存机制和以码本为中心的计算流程优化，实现性能与精度的双重提升。

新一代 GPU 架构正在逐渐 DSA 化，编程难度不断增加。其团队已经在探索一种“Kernel Free”的编程模型、用“Register Pooling”降低共享内存带来的开销，并使用动态并行机制，最终形成基于代码块的数据流抽象机模型。项目成果未来将开源发布。

▲上海交通大学计算机学院教授、上海期智研究院 PI 冷静文

2、曦望陈博宇：国产AI芯片破局，极致推理目标 1 分钱/百万 Token 

曦望 Sunrise 研发副总裁陈博宇认为，大模型发展进入下半场，云端训练算力向高效推理倾斜。AI芯片高效推理是一场长期价值竞赛，降成本、降能耗，性价比的洼地亟待填平。

曦望的下一代芯片采用单芯片高配比低精度计算单元，大模型推理性价比对标英伟达 Rubin GPU。

在主流测试集中，NVFP4 精度下运行 DeepSeek-R1 的表现已接近 FP8，低精度数据格式能显著扩大数据吞吐，提升推理效率，从而降低每 Token 成本。

曦望芯片软件生态通用性良好。算子库、工具链、通信库均为全栈自研，主体功能模块与 CUDA 对齐，支持各类主流开源模型的推理部署，支持 CUDA 代码无缝迁移和工作。

曦望芯片的应用形态分为一体机和超节点，是 Scale-up/Scale-out 互联架构原生支持超节点产品。超节点支持 PD 分离和大 EP 部署、All-to-All 互联、面向千亿级或万亿级参数的多模态大模型推理。

▲曦望 Sunrise 研发副总裁陈博宇

3、爱芯元智刘建伟：AI 应用（大模型）需要重新设计原生 AI 芯片

爱芯元智联合创始⼈、副总裁刘建伟分享道，过去端侧 AI 芯片主要跑传统 CNN 模型，场景明确，大模型的兴起则提升了 AI 上限，应用场景更广泛，有望引发成本驱动型生产力革命。

在他看来，当 AI 程序规模足够大时，现有运行架构不是最高效的，值得重新设计适合跑AI程序的原生处理器。

端侧和边侧长期受成本、功耗刚性约束，对高能效比AI处理器需求迫切。这驱使爱芯元智选择从端侧和边缘侧入手做 AI 基建。

设计原生 AI 处理器，需关注算子指令集和数据流 DSA 架构，两者相辅相成。采用可编程数据流微架构可提升能效比。异构多核处理器要保证由硬件来调度，以降低客户开发与使用成本。

爱芯元智已打造了从工具链到芯片的完整软硬件体系，推动构建边缘智能共同体。

▲爱芯元智联合创始⼈、副总裁刘建伟

4、墨芯人工智能曾昭凤：稀疏化让 AI 计算“更聪明”

墨芯人工智能解决方案总监曾昭凤谈道，传统硬件架构面临性能提升困境，通过软硬一体方案来解决算力瓶颈已是业内公认的发展方向，稀疏化有望成为破解算力瓶颈的突破口。

稀疏计算是一种“更聪明”的 AI 计算方式，如人类大脑一般，仅启动计算所必需的神经元，减少冗余重复，提升有效性能。

基于这一认知，墨芯提出了“权重稀疏化+激活稀疏化”的双稀疏技术，在相同硬件资源下实现高达 32 倍的稀疏率，并协同设计了配套的软件方案。

从算法与软件出发，墨芯打造了相应的硬件与架构，开发的计算卡已能在云端推理场景中加速 CV、NLP 及知识图谱等多类任务。

▲墨芯人工智能解决方案总监曾昭凤

5、江原科技王永栋：构建全国产化 AI 芯片产业链

江原科技已构建贯通 EDA 工具、芯片 IP、芯片设计、芯片制造、封装测试的全国产化 AI 芯片产业链。

江原科技联合创始⼈兼 CTO 王永栋认为，全国产路线已经成为行业共识，核心挑战集中在工艺和生态上。他从工艺、架构、生态层面探讨了国产芯片的突围路径。

工艺维度，国内 AI 芯片企业唯一的道路就是拥抱全国产，具体路径包括基于国内工艺特点进行协同优化、系统集成创新。

架构维度，需要向 AI 定制倾斜，通过拆解AI算法将其中占比高、对效率影响大的部分进行硬件优化。

生态维度，从降低客户使用门槛、发挥本土化优势打造性能长板、拥抱开源切入。

▲江原科技联合创始⼈兼 CTO 王永栋

6、迈特芯李凯：突破端侧大模型芯片三个关键痛点

在迈特芯主任工程师李凯看来，端侧 AI 场景正从“离身智能”向“具身智能”进化，这离不开端侧芯片的支持。端侧大模型芯片（LPU）需要满足低功耗、高token数、低成本，这正是痛点所在。

迈特芯 LPU 采用的 3D-DRAM 解决方案可大幅提升带宽，以满足端侧大模型需求。该方案采用了针对大模型算子优化的 DSA 设计和自研立方脉动阵列架构，基于多项技术优化，实现计算利用率和内存带宽利用率最大化。

演示中，基于迈特芯 LPU 推理卡可实现大语言模型端到端部署，带宽利用率 75%、性能 75tokens/s，性能和能效达到国际领先水平。

迈特芯针对泛端侧大模型硬件产品、端侧大模型硬件产品和推理一体机三类场景布局产品，三个市场的总空间可达万亿级。

▲迈特芯主任工程师李凯

7、智源研究院郑杨：统一编译器给 OpenAI Triton 语言补短板

北京智源⼈⼯智能研究院 AI 编译器专家郑杨分享说，OpenAI 的 Triton 语言已成为业内公认的、继 CUDA 后第二大流行的 AI 算子开发语言，但其也有明显弱势：需要在开发效率和性能之间权衡，跨芯片的可移植性和性能不足，治理与生态面临局限性，以及版本分散等。

为此，智源构建了面向多元AI芯片的统一编译器——FlagTree。

FlagTree 基于硬件感知进行了编译指导优化，允许程序员通过注释嵌入硬件优化提示 flagtree_hints，具有使用成本低、生态兼容好、可移植性强等特点。

同时，该编译器在 C++运行时进行了优化，提供从 C++调用 Triton 内核的方法，从而节省 Wrapper 耗时，整体降低 80% 以上，与 CUDA 接近。

▲北京智源⼈⼯智能研究院 AI 编译器专家郑杨

8、北极雄芯徐涛：大模型推理落地有效降本迫在眉睫

截至 2025 年 6 月，中国日均 tokens 消耗量突破 30 万亿，比 2024 年增长 300+倍，且依然处于高速增长期。而大模型应用商业化闭环任重道远，一方面 C 段订阅付费较难，B 端 API 调用收费与美国相比有数量级的差距，另一方面国内算力成本并不优于美国。

北极雄芯联创、副总裁徐涛谈道，当前中国大模型应用落地商业化，解决成本问题至关重要。而受制于各类制裁，面对高速增长的算力、存储容量、内存带宽的“不可兼得三角”，国内上下游企业亟需共同开展架构创新。

在云端推理场景，北极雄芯将在近期推出面向 Decode 环节的专用加速方案，通过 Chiplet+3D 堆叠的近存计算技术大幅降低推理成本至少一个数量级，相比主流 GPU 芯片提升 10 倍以上性价比。

在端侧 AI 领域，北极雄芯的启明 935 系列芯粒通过 Chiplet 灵活组合应用，为主机厂提供 AI Box、舱驾一体、高阶智驾等不同挡次应用的解决方案。

▲北极雄芯联创、副总裁徐涛

9、Alphawave 邓泽群：高速连接市场猛增，Chiplet 是变革路径

Alphawave 战略客户销售经理邓泽群谈道，高速连接的市场规模 2023 年接近 100 亿美元，预计 2026 年接近180亿美元，年复合增长率达到 20%。

这背后的推动力就是数据中心建设，其对数据的传输、存储、处理需求爆炸，数据带宽每 2～3 年翻一倍。

生成式 AI 正在重新定义计算和连接。他预测 ChatGPT 背后下一代模型的参数规模或达到百万亿级别，促使云服务商建设更高规格的数据中心。

邓泽群认为，新计算技术的变革路径是 Chiplet，以及为云服务商进行定制，以满足大语言模型的需求。

伴随AI产业发展，Alphawave 的业务体系已经从IP供应扩展到高速连接技术的垂直集成方案。

▲Alphawave 战略客户销售经理邓泽群

05. 结语：国产 AI 芯片掀开落地新篇章

8 年来，智东西、芯东西持续对 AI 芯片全产业链进行追踪报道，见证了 AI 芯片产业及智能革命浪潮的发展，以及许多 AI 芯片团队的厚积薄发。

多个知名市场调研机构的数据显示，2024 年中国 AI 芯片出货量显著提升，华为昇腾、阿里平头哥、昆仑芯、寒武纪、摩尔线程、燧原科技、中昊芯英、壁仞科技、沐曦股份、太初元碁等企业的 AI 芯片均已走向量产交付，并在性能方面缩短与国际先进水平的差距。庞大的国内 AI 基建市场，正向国产 AI 芯片敞开大门。

与此同时，国产 AI 芯片正迎来政策红利期。今年 8 月，国务院印发《关于深入实施“人工智能+”行动的意见》，在强化基础支撑能力方面，提到强化智能算力统筹，支持 AI 芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破和工程落地。

在 AI 产业趋势、地缘博弈等复杂因素的影响下，AI 芯片自主可控势在必行，国产模型与国产芯片的适配有望进一步增强，AI 芯片及算力基础设施技术仍有巨大的创新空间和市场前景。

文章信息来自于智东西，不代表白鲸出海官方立场，内容仅供网友参考学习。对于因本网站内容所引起的纠纷、损失等，白鲸出海均不承担侵权行为的连带责任。如若转载请联系原出处。

友情提醒：白鲸出海目前仅有微信群与QQ群，并无在Telegram等其他社交软件创建群，请白鲸的广大用户、合作伙伴警惕他人冒充我们，向您索要费用、骗取钱财！