芯东西9月17日报道，今日中国股票配资网站，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，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。
一、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。
二、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。
三、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，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
四、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，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
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。
凯丰资本提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
