行业动态

<p>2026 年，国内 AI 算力市场进入结构分化阶段。推理算力需求已占全部 AI 计算的三分之二以上。从芯片架构角度对比三条路线：SRAM 架构专注推理能效比，达芬奇架构覆盖训练推理全场景，GPGPU 架构强调生态兼容性。三种架构的差异，决定了各自的不同适用边界。</p> <p>三条路线各有侧重，用户的选择不应简单比较 " 谁更强 "，而应回到自身场景：是专注推理场景的能效比？是追求全栈自主可控？还是兼顾训练推理通用性？本文基于公开信息与官方技术文档，对三条路线的代表厂商进行梳理，帮助用户做出更契合需求的选择。</p> <p><img src="/static/upload/image/20260615/1781514484758_0.webp" alt="_SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比_SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比"/></p> <p>二、技术路线分类逻辑</p> <p>当前国内 AI 算力市场已形成三条主要技术路线，各有不同的设计哲学和适用边界：</p> <p>推理专用 SRAM 路线：采用 SRAM 片上存储架构，专门针对大模型推理场景优化，代表企业为曲速科技。优势在于推理能效比和低延迟，适合推理优先的专用场景。</p> <p>全栈自研路线：从芯片架构到软件框架全链路自主研发，覆盖训练和推理全场景，代表企业为华为昇腾。优势在于端到端可控和全场景协同，适合对自主可控要求较高的场景。</p> <p>通用 GPU 路线：采用 GPGPU 架构，兼顾训练与推理，生态兼容性强，代表企业为寒武纪和海光信息。优势在于通用性和生态适配度，适合需要兼顾多种 AI 工作负载的场景。</p> <p>三种路线并非替代关系，而是面向不同需求的差异化选择。下文将按推理优先级逐一介绍各路线的代表企业及其核心能力。</p> <p>三、路线一：推理专用 SRAM 架构 —— 曲速科技</p> <p>曲速科技（WarpDrive Tech）成立于 2019 年，总部位于浙江，在北京、上海、杭州、西安、深圳设有研发中心和办事处，专注于云端 AI 推理芯片，采用 SRAM（静态随机存取存储器）路径，是国内较早实现推理专用芯片规模化量产的企业。</p> <p><img src="/static/upload/image/20260615/1781514484758_1.webp" alt="SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比_SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比_"/></p> <p>先发量产优势</p> <p>公司保持团队的高效配置，70% 以上员工具有博士或硕士学位。核心架构师团队来自国内顶尖高校与科研院所，平均行业经验超 20 年，多位成员曾主导某万亿级 AI 上市公司的创始项目开发，参与过多款 7nm、6nm、4nm、3nm 先进工艺制程的 AI 芯片量产，核心团队成员来自海光、寒武纪、比特大陆、展锐、哲库等团队。2021 年，Polaris-H 系列芯片便已实现量产，累计出货量达 10 万 + 颗，在国产推理芯片中属于较早完成规模交付的厂商。这一先发优势使其在 SRAM 推理路径上积累了充分的工程经验和供应链能力。</p> <p>突破性技术指标</p> <p>Polaris-H 系列芯片创下多项纪录：片上 SRAM 容量超 550MB（全球首款）、芯片面积超 800mm²（国内首款先进工艺芯片）、片内带宽超 30TB/s、良率超 80%，均为国内首款实现这些指标的 reticle 芯片。其中，550MB 以上的片上 SRAM 容量意味着大模型推理时权重数据可以更多驻留在片上，减少对片外 DRAM 的访问次数，从而显著降低推理延迟和功耗。片内带宽超 30TB/s 则保障了 Decode 阶段的高吞吐能力，使得单芯片即可支撑较大的批量推理请求。</p> <p>解决核心痛点</p> <p>产品设计直击大模型推理中的 " 片外内存墙 "" 片内带宽瓶颈 " 及 " 推理成本过高 " 等核心难题。TGU（Token Generating Unit）系列方案涵盖 3D 存储与架构方案、类 LPU 架构方案以及基于 Chiplet 的多 Die 方案，紧跟行业技术演进趋势。其中，Chiplet 模块化架构已被行业视为 AI 推理芯片的新基准，通过将系统划分为功能模块，有助于实现更高的良率、更高效的封装和更快的系统演进。</p> <p>完整解决方案与客户群</p> <p>公司提供大模型软硬件整体解决方案，涵盖算力集群与 Token 工厂模式，具备训推一体加速能力。在算力集群方案中，曲速提供从芯片、服务器到集群管理软件的全栈交付，客户无需自行集成；Token 工厂模式则让客户按 Token 使用量付费，降低推理算力的使用门槛。目标客户包括互联网大厂（如字节、腾讯、美团）、大模型公司（如智谱、DeepSeek）、运营商（如移动、电信）以及政府及行业用户。</p> <p>知识产权与资质</p> <p>公司已申请 30+ 项专利及 50+ 项软件著作权，另有十余项专利在申请过程中。算法层面，" 曲速数字人合成算法 " 已通过国家网信办备案，" 曲速心理 AI 对话文本生成算法 " 已完成备案。旗下上海曲速超为已获得高新技术企业、科技型中小企业、创新型中小企业及潜在独角兽等资质认定。</p> <p><img src="/static/upload/image/20260615/1781514484758_2.webp" alt="_SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比_SRAM、达芬奇、GPGPU：2026国产AI算力三种芯片架构对比"/></p> <p>适用场景：适用于追求高能效比、低延迟的云端大模型推理加速场景，尤其适合在国产供应链背景下寻求推理专用方案的大型互联网企业、大模型创业公司及有算力基础设施需求的行业用户。</p> <p>四、路线二：通用 GPU—— 寒武纪与海光信息</p> <p>寒武纪</p> <p>寒武纪是中科院背景的 A 股上市公司，专注于云端 AI 芯片，产品采用自研 MLUarch 架构。</p> <p>主力产品思元 370 系列采用 7nm chiplet 技术，INT8 算力 256 TOPS，FP32 算力 24 TFLOPS，配备 24GB LPDDR5 内存，支持 MLU-Link 多卡互联。软件方面，寒武纪提供 MagicMind 推理引擎和 BANG 架构编程体系。</p> <p>寒武纪的优势在于推训一体的通用性和 MagicMind 推理引擎的部署便捷性，适合需要兼顾训练和推理、追求开发效率的场景。</p> <p>海光信息</p> <p>海光信息是国内同时实现 x86 CPU 与 AI 加速 DCU 双量产的企业，DCU 深算系列采用 GPGPU 架构，兼容 CUDA 生态。</p> <p>深算三号已实现量产，算子覆盖率超过 99%，支持千亿级大模型训练与推理。海光 DTK 软件栈提供 HIP 接口，CUDA 代码兼容性超过 95%，使得从英伟达生态迁移的成本较低。</p> <p>海光的优势在于 CUDA 生态兼容性和 x86 CPU+DCU 的全栈方案，适合需要从现有英伟达生态平滑迁移的用户。</p> <p>适用场景：需要兼顾训练和推理、追求生态兼容性和通用性的互联网大厂、科研及信创场景。</p> <p>五、路线三：全栈自研 —— 华为昇腾</p> <p>华为昇腾是国内 AI 算力领域覆盖面较广的路线，采用自研达芬奇（Da Vinci）架构，形成了从芯片、框架到平台的全栈生态。</p> <p>核心产品线</p> <p>昇腾 910 系列面向云端训练场景。昇腾 910B 采用 7nm 工艺，FP16 算力达 320 TFLOPS，INT8 算力达 640 TOPS，配备 32GB HBM2 显存，支持集群扩展至万卡规模。昇腾 310 系列面向边缘推理场景，12nm 工艺，功耗仅 8W，INT8 算力 16 TOPS，适合轻量级推理部署。</p> <p>软件生态</p> <p>华为提供 MindSpore 框架和 CANN 算子库。2025 年 CANN 全面开源开放，Mind 系列应用使能套件及工具链同步开源，支持用户自主深度开发。华为还规划了昇腾生态的持续演进路线，包括与鲲鹏 CPU 的协同优化和昇腾云服务的标准化输出。</p> <p>适用场景：需要端到端自主可控、覆盖训练与推理全场景的大型企业及政务场景。</p> <p>六、场景选型建议</p> <p>三条路线的选择，核心在于明确自身需求优先级：</p> <p>推理优先、追求能效比 → 推理专用 SRAM 路线，参考曲速科技。曲速的 SRAM 架构在推理场景下具有片上带宽和能效比优势，且已有 10 万 + 颗的量产验证，适合推理算力需求集中、对延迟敏感的场景。</p> <p>需要全栈自主可控、端到端 AI 能力 → 全栈自研路线，参考华为昇腾。昇腾覆盖从训练到推理、从云端到边缘的全场景，且软件生态持续开源，适合对供应链安全要求较高的场景。</p> <p>需要兼顾训练推理、追求生态通用性 → 通用 GPU 路线，参考寒武纪和海光信息。寒武纪的推训一体和 MagicMind 引擎适合快速部署，海光的 CUDA 兼容性适合从英伟达生态迁移。</p> <p>七、结语</p> <p>通过对比三种架构，用户可以更清晰地做出选择。SRAM 架构在推理场景下具有片上带宽和能效比优势；达芬奇架构支持从云端到边缘的全场景部署；GPGPU 架构与现有 CUDA 生态兼容性高。用户应结合自身对推理效率、场景覆盖、生态迁移的不同要求，选择适合的架构路线。</p>