14nm如何支撑大模型？东方算芯回答的五个问题

“ 7月13日，东方算芯在上海发布首颗AI算力芯片DF1000。这颗芯片采用国产14nm工艺，BF16峰值算力达到520TFLOPS，访存带宽为6.4TB/s，Scale-up互联带宽为900GB/s。围绕DF1000，东方算芯于7月17日WAIC世界人工智能大会推出加速卡、AI服务器、64卡超节点和512智算集群，并宣布已经完成128卡集群的全功能稳定运行。
”

7月13日，东方算芯在上海发布首颗AI算力芯片DF1000。这颗芯片采用国产14nm工艺，BF16峰值算力达到520TFLOPS，访存带宽为6.4TB/s，Scale-up互联带宽为900GB/s。围绕DF1000，东方算芯于7月17日WAIC世界人工智能大会推出加速卡、AI服务器、64卡超节点和512智算集群，并宣布已经完成128卡集群的全功能稳定运行。

当前国际旗舰AI加速器普遍建立在先进制程、HBM和复杂封装之上。制程节点越先进，单位面积可以容纳的晶体管越多，芯片也能配置更大的计算阵列、缓存和高速接口。

东方算芯为何选择“换车超车”？如何通过14nm制程完成大模型的超高运算需求？东方算芯的答案是：当制造工艺受到限制后，应该从计算架构、存储方式、芯片互联和软件调度中找到突破口。

这并非一家公司的孤立判断。谷歌TPU使用脉动阵列，让数据在大量乘加单元之间连续流动，降低矩阵计算过程中的存储访问；SambaNova的RDU采用可重构数据流架构，由编译器按照模型组织计算与数据通路；AMD MI300通过3D堆叠和异构芯粒，将计算、I/O和HBM组合到同一封装；AWS Trainium则把高速互联、集合通信和软件编译纳入整套加速平台。各企业技术实现方式均有所不同，却共同推动了AI芯片从单纯的制程竞赛，转向计算、存储、互联与软件的系统竞争。

DF1000的特殊之处，在于东方算芯通过国产成熟工艺和本土供应链，绕开海外制程及供应链约束，实现了国产算力技术的新组合与再突破。正如东方算芯董事长兼CEO、清华大学长聘教授、国际欧亚科学院院士、国家集成电路产业发展咨询委员会委员魏少军在WAIC  2026演讲中所说：计算能力与存储、互联之间的适配程度，才是决定算力表现的关键。

先进制程还是算力的唯一来源吗？

客观而言，先进制程仍是提高芯片性能和能效最直接的手段，但AI芯片的有效性能并不完全由晶体管数量决定。计算阵列的激活与调用，数据传输带宽和速率以及不同算子，都会影响理论算力的发挥。

早期通用处理器追求覆盖更多类型的程序，因此需要较高的控制与调度内容。AI计算具有大量矩阵乘法和张量运算，谷歌TPU采用专用矩阵乘法单元及脉动阵列。数据进入阵列后，会在乘加单元间不断传递，中间结果无需在每一步都重新访问外部存储。另外，谷歌还通过XLA编译器切分和安排计算任务，使模型更适合底层矩阵阵列和存储结构。

SambaNova则又向前走了一步。其RDU由大量可配置功能单元组成，编译器根据神经网络计算图，将运算和数据通路映射到硬件。数据可以从一个AI操作连续流向下一个操作，形成类似流水线的执行方式。

东方算芯的软件定义计算架构也可以理解为“算法驱动软件、软件定义硬件”。DF1000支持FP32、FP16、BF16等多种精度，计算阵列可根据模型特征调整数据通路；针对Attention计算等Transformer架构核心操作，芯片也配置了相应的硬件加速能力。其Tensor Tile承担基本调度单元，通过显式数据流安排计算和数据搬运，使二者尽可能异步重叠。

传统缓存体系依靠硬件自动判断数据读写位置，具备较强通用性，也会产生数据查找、替换和一致性管理等开销。东方算芯选择让软件更直接地管理数据流，希望减少计算单元等待和硬件资源闲置。空间并行负责让多个任务同时执行，时分复用则让同一组计算资源在不同阶段承担不同工作。

也正因此，DF1000实现了520TFLOPS算力，这证明了成熟工艺仍然可以借助可重构计算和数据流设计获得较高的峰值算力，同时更验证了架构创新可以降低高性能AI芯片对制程演进的单一路径依赖。

大模型的内存墙如何缓解

大模型训练需要不断读取权重、激活值和梯度，推理阶段还要频繁访问模型权重与KV Cache。计算阵列扩张速度快于存储带宽后，芯片会将越来越多时间消耗在数据等待上。

目前国际AI芯片解决内存墙的主流方案仍然是HBM。但产业界也在探索其他方式。三星HBM-PIM在DRAM内部加入部分计算功能，将适合的运算转移到最近的位置，以减少处理器和存储之间的往返传输；Cerebras则在晶圆级处理器上配置大规模片上SRAM，使数据访问更快。

DF1000选择的是3D DRAM近存计算，通过混合键合，将DRAM晶圆与逻辑晶圆集成，使存储与计算之间的互连距离从数十微米缩短至亚微米级。相比依靠封装基板、硅中介层或凸点连接的结构，更细密的垂直互连可以节省更多的芯片面积，提高总TSV互连密度和互连带宽。东方算芯公布的单卡访存带宽由此达到6.4TB/s。

混合键合本身也是先进3D集成的重要方向，需要较高的晶圆平整度、键合质量和对准精度。Imec近年来持续将混合键合互连间距缩小，并将memory-to-logic堆叠列为主要应用；台积电SoIC同样通过无凸点或高密度键合推动逻辑、存储和其他芯粒的垂直集成。

因此，DF1000的价值并非不需要先进封装，而是绕开传统HBM及其2.5D封装组合，选择DRAM与逻辑晶圆垂直集成的另一套封装路线。对于国产算力芯片，这种组合提供了新的供应链可能：用国产逻辑工艺、DRAM和3D封装能力共同构建高带宽存储系统。

峰值算力不应唯参数论

一颗芯片完成流片，只能说明设计和制造流程基本打通。要运行大模型，还要解决编译器、算子库、通信库、服务器设计和集群稳定性等一系列工程问题。

东方算芯副总裁郭炜在发布会上表示：“DF1000的目标不是把几个参数做得好看，而是解决大模型训练和推理过程中的真实瓶颈。我们更看重的，不是实验室里的峰值数字，而是用户部署后能不能真正转化为可持续的算力供给能力。”

东方算芯构建了从硬件到软件的全栈可重构计算体系，基于动态重构多精度融合计算阵列，通过空间并行+时分复用双机制动态调度硬件资源，根据模型特性，自动选择最优数据通路；其可重构Transformer加速器针对Attention等核心算子进行硬件级优化，支持DeepSeek、Qwen、GLM等主流大模型的架构演进。

其全异步数据流编程模型以Tensor Tile为基本调度单元，构建全异步、无阻塞的数据流执行引擎，计算与数据搬运深度重叠，通过软件管理的显式数据流消除传统缓存机制的开销，实现极致计算资源利用率。

也正因此，东方算芯在发布会上公布的模型运行测试结果非常优异。DF1000在LlaMA3 70B大模型训练中，吞吐量可以达到500TGS；在阶跃星辰的Step-3.7-Flash大模型P/D分离推理场景中，Decode的TPOT可达10ms；在DeepSeek-3.2的大模型AFD推理中，Decode的TPOT可达20ms。

围绕DF1000，东方算芯同步构建了从加速卡到集群的产品层级。巅峯DF1000加速卡采用OAM形态；擎元QY100服务器配置8张加速卡，BF16算力为4.16PFLOPS；拓域TY64将64张卡组成33PFLOPS超节点；面向大规模数据并行训练与推理的128卡和512卡集群方案慧算HS128和HS512。

DF1000第一次公开发布便同步展示这些产品，说明东方算芯从设计初期就没有把目标停留在一颗孤立的加速芯片上，而是构建了一套完整的可扩展方案。

单卡如何扩展成超节点

越来越多的算力公司开始利用系统级优化，从而让产品得到充分利用，实现更佳性能。

同内存墙类似，连接也成为了数据处理中的关键节点，这其中包括了Scale-up和Scale-out等多方面的连接内容。

国际AI加速器已经将集合通信视为芯片架构的一部分。AWS Trainium配置高速NeuronLink互联，并在新一代产品中加入集合通信引擎；Neuron SDK和分布式库负责处理AllReduce等操作。Trn2 UltraServer使用NeuronLink连接64颗Trainium2，扩大单个系统内的计算、存储与网络资源。谷歌TPU同样从单芯片向Pod扩展。TPU v5p单芯片提供双向ICI高速互联，一个Pod可以容纳数千颗芯片，并通过3D Torus拓扑组织通信。

东方算芯在三级架构上实现通信与计算的深度协同，通过通信异步卸载、超节点高并发互联、细粒度流水线交织，让分布式AI计算从单卡到千卡集群始终高效运转。其中芯片层负责通信卸载，服务器层通过标准以太网构建超节点，软件层则提供原生分布式编程模型与运行时。

DF1000内部集成专用通信处理器，用于卸载AllReduce、AllGather和Send/Recv等通信负载。计算阵列执行模型运算时，通信处理器可以并行完成部分数据交换，再由运行时将通信和计算组织成细粒度流水线。这样做的目的，是减少计算单元因集合通信而停顿的时间。

DF1000公布的Scale-up互联带宽为900GB/s，与英伟达Hopper旗舰的NVLink带宽持平。

国内AI芯片过去常把主要精力放在单卡峰值算力上，集群效率则交给外部网络和系统厂商解决。DF1000希望从芯片内部开始处理“通信墙”，显示出东方算芯的系统级的顶层优化思路。

软件如何支撑新架构

专用架构可以减少不必要的硬件开销，也会提高软件开发难度。

谷歌TPU依赖XLA将模型计算图转换为适合MXU和HBM结构的执行任务。AWS Trainium通过Neuron SDK提供编译器、运行时、训练和推理库，并与PyTorch、JAX等框架衔接。SambaNova的数据流架构同样需要SambaFlow分析模型，再把计算图映射到可重构硬件。

软件在这些芯片中已经不再只是驱动程序。它要决定张量如何切分、计算资源如何分配、数据在不同单元之间怎样流动，以及多颗芯片如何协同完成一个模型。

东方算芯围绕DF1000开发了CAAP软件栈，覆盖编译器、运行时、算子库、集合通信库和分布式工具。CAAP能够衔接PyTorch、vLLM、Megatron-LM和DeepSpeed等常用框架，并已适配Llama、DeepSeek和Qwen等模型。

公司官网目前已经开放固件、驱动和CAAP安装指南，并持续更新SDK与异常处理、日志分析等文档；ModelZoo也已列出Step、Qwen、DeepSeek和Llama等分类，提供部分Llama 2 7B训练及推理示例。

对于固定功能芯片，软件主要决定产品是否易用；对于软件定义芯片，软件还决定硬件以什么方式运行。Tensor Tile划分，数据搬运与计算，异步通信任务等，都需要CAAP完成。因此，软件栈并不是DF1000之外的配套项目，它本身就是这套技术路线的一部分。

写在最后

回到最初的问题：14nm能否支撑大模型？

如果将“支撑”理解为依靠14nm晶体管获得与先进制程完全相同的性能和能效，答案显然是否定的，先进工艺在晶体管密度和能效上面自然更为领先。

但东方算芯证明了一件事，即成熟工艺也可以通过架构、存储、封装、互联和软件协同，也可以构建先进的算力系统。

东方算芯的这些技术演进路线，在国际友商中都能找到相应的证据，而他的创新，不只是将优化路线结合，更在于尝试把这些方向放进国产14nm工艺和本土供应链上。

魏少军将DF1000的发布概括为“建立在国家全产业链深厚基础上的成功”，这句话的含金量比单纯的芯片参数更有意义。国际AI芯片产业从制程竞赛转向系统竞赛的过程中，东方算芯正在尝试给出一个建立在国内产业条件上的答案。