東方算芯在7月舉行的首屆產品釋出會上，正式推出其首顆大算力AI晶片DF1000，並同步構建了從加速卡到智算叢集、從硬體到軟體棧的完整產品矩陣。這顆晶片的定位很明確：同時面向訓練與推理場景，但它的實現路徑與當前主流GPU路線截然不同。

DF1000最核心的差異化在於軟體定義近存計算與3D混合鍵合技術。傳統馮·諾依曼架構將計算與儲存分離，資料在兩者間頻繁搬運已成為AI負載的效能瓶頸。東方算芯選擇將邏輯晶圓與儲存晶圓通過3D混合鍵合直接堆疊，讓計算單元與儲存單元幾乎“貼在一起”。根據釋出會披露的資料，這種3D DRAM方案能提供數十倍於傳統方案的TSV連線數量，使得訪存頻寬達到同容量HBM的5倍以上，同時還可通過增加晶圓堆疊層數繼續擴充套件視訊記憶體容量。

這一技術選擇背後是對產業現實的清醒判斷。東方算芯副總裁郭煒在釋出會上坦言，國內可獲取的先進製造工藝仍以14奈米級為主，與國際領先的3奈米存在明顯代差，直接限制了傳統GPU通過製程微縮提升算力的空間；而推理側高度依賴的先進HBM與高速I/O介面同樣受制於製造工藝與供應鏈。面對這些約束，東方算芯沒有選擇在既有GPU框架內追趕，而是從架構層面重新設計計算、儲存與系統的關係。

省下的HBM封裝面積與互聯介面被重新分配給計算單元與互聯資源。東方算芯將這種封裝策略稱為3.5D Plus，在相同封裝尺寸下，相比傳統2.5D封裝能同時獲得更大的算力規模、更高的網路頻寬和更強的互聯能力。這一思路也呼應了公司創始人、董事長兼CEO魏少軍的判斷：國產晶片行業需要走出一條架構自主、技術原創的道路，而非簡單複製既有GPU的發展路徑。

在產品層面，基於DF1000晶片，東方算芯推出了巔峰1000 AI加速卡（單卡520T BF16算力、6.4TB/s視訊記憶體頻寬）、拓域64超節點（33P BF16算力、近900GB/s Scale up頻寬）、慧算叢集（採用fullmesh多芯互聯與全銅纜連線）以及面向中小客戶的擎元100一體機。軟體生態方面，同步釋出的CAAP軟體棧覆蓋編譯器、運算元庫、集合通訊庫、分散式訓練框架及工具鏈，支援主流深度學習框架與開源模型生態。

更值得關注的是這套方案已經完成了一系列工程驗證：全國產供應鏈完成流片和製造，128卡叢集在真實業務場景中穩定執行，全棧軟體生態同步搭建。這意味著從晶片設計到系統部署，一條國產AI算力鏈條初步貫通。

東方算芯副總裁郭煒從大模型訓練流程的角度解釋了晶片設計的邏輯。佔據訓練計算量約70%的預訓練屬於計算密集型任務，晶片計算能力仍是決定訓練效率的核心指標；而推理場景中，Decode階段佔據時間大頭，Token吞吐能力高度依賴訪存頻寬，晶片競爭的重點正從“算得快”轉向“搬得快”。DF1000採用粗粒度計算架構，通過資料流驅動不同計算單元協同工作，結合任務空間並行與資源分時多工，讓同一套硬體能夠根據不同模型動態分配計算資源，在不增加芯片面積的情況下大幅提升資源利用率。

在能源約束日益凸顯的背景下，這一思路的產業意義更加清晰。釋出會上引用的國際能源署（IEA）資料顯示，AI專用資料中心的用電量在2025年增長了50%，遠高於資料中心整體17%的增速。香港工程院院士鄭光廷指出，未來真正稀缺的資源未必是算力，而可能是能源，如何在有限能源約束下釋放更多有效算力，已成為整個AI產業共同面對的問題。

東方算芯已明確“量產一代、研發一代、預研一代”的產品戰略。郭煒透露，下一代DF2000預計在今年四季度釋出，整體效能引數將在DF1000基礎上實現翻倍提升；DF3000則計劃於明年推出。在推理時代晶片競爭維度發生明顯分化的當下，這條不追製程、不靠HBM、不復制GPU的路徑，為國產AI晶片提供了另一種可能。