（来源：智能计算芯世界）
在人工智能产业飞速发展的浪潮中，AI 芯片作为算力基石，其技术突破与产品落地直接决定了 AI 大模型、智能驾驶、机器人等领域的发展上限。当前国产 AI 芯片已形成 “多技术路线并行、场景化深耕” 的格局，从底层关键技术到终端产品，再到企业实践，均展现出强劲的创新活力。本文将系统拆解国产 AI 芯片的核心技术、代表性产品及对应标杆企业，厘清产业发展脉络。
一、AI 芯片关键技术：突破算力、能效与生态瓶颈
国产 AI 芯片的技术创新围绕 “提升算力密度、降低能耗、完善生态适配” 三大核心目标展开，形成了稀疏计算、高精度量化、存算一体、Chiplet 异构集成四大关键技术路线，同时在软件生态与算法协同上持续补位。
1. 稀疏计算：硬件原生优化，破解 “内存墙” 难题
技术原理：AI 模型中大量参数为零值（如 Transformer 层稀疏率超 50%），稀疏计算通过硬件层面的 “零值跳过单元” 与软件层面的 “稀疏模式识别”，减少无效数据搬运与计算操作，从根源降低内存带宽占用与功耗。例如，在矩阵乘法运算中，硬件可自动跳过零值乘法步骤，软件编译器（如 MLIR）则提前标记模型稀疏区域，实现 “无效操作零开销”。技术优势：可提升计算效率 2-4 倍，降低 DRAM 访问功耗 60% 以上，尤其适配推荐系统、自然语言处理等稀疏模型场景。代表企业技术实践：
- 墨芯人工智能：首创 “双稀疏化算法”，在硬件端集成 SPU（稀疏处理单元），支持 32 倍超高稀疏率，软件端通过稀疏编译器自动优化模型，在 ResNet-50 图像识别任务中，推理性能较传统 GPU 提升 3 倍，功耗降低 50%，其代表产品 Antoum 芯片已应用于智慧交通、生命科学领域。
- 华为海思：与清华大学联合研发 “稀疏矩阵存储专利”，在昇腾 910C 芯片中内置稀疏计算加速模块，针对大模型训练场景优化数据读写逻辑，使 BERT 模型训练效率提升 40%，已落地华为云智算中心。
- 寒武纪：申请 “神经网络稀疏方法” 专利，通过动态稀疏剪枝技术，在思元 590 芯片中实现 “计算量减少 30%、功耗降低 25%”，适配智能视觉、边缘推理场景。
2. FP8 高精度量化：平衡性能与效率的 “能效钥匙”
技术原理：传统 AI 计算多采用 FP16（16 位浮点数）精度，FP8（8 位浮点数）通过优化动态范围与精度分配，在保证模型误差 < 5% 的前提下，将计算吞吐量提升 30%、内存带宽需求降低 50%，同时减少芯片晶体管数量，降低制造成本。当前 FP8 已形成 UE8M、FP8E4M3 等行业标准，适配大模型训推全流程。技术优势：为千亿参数大模型 “降本增效”，例如 GPT-4 采用 FP8 训练，可减少 40% 算力消耗，是边缘端部署大模型的关键技术。代表企业技术实践：
- 摩尔线程：国内首家实现 FP8 算力量产的 GPU 厂商，其 MTT S5000 板卡通过 “动态范围智能适配”“高精度累加器” 设计，在 Transformer 计算中性能提升 30%，2025 年 3 月已批量出货，应用于大模型推理与数字孪生场景。
- 砺算科技：7G100 系列 GPU 支持 FP8/FP16/FP32 多精度切换，针对不同计算场景动态调整精度 —— 训练阶段用 FP16 保证精度，推理阶段用 FP8 提升效率，已适配工业设计、科学计算客户。
- 沐曦集成电路：曦云 C600 通用计算 GPU 内置 FP8 张量核心，在智算中心测试中，处理 Qwen-7B 大模型推理时，能效比达 5.2 TOPS/W，较 FP16 精度提升 60%，2025 年进入华为云、腾讯云供应链。
3. 存算一体：重构冯・诺依曼架构，突破 “功耗墙”
技术原理：传统冯・诺依曼架构中，数据需在 “计算单元” 与 “存储单元” 间频繁搬运，功耗占比超 60%。存算一体技术将计算操作嵌入存储单元（如 SRAM、Flash、相变材料 PCM），直接利用存储介质的物理特性（如电流、电阻变化）完成乘加运算，从根源减少数据搬运。技术分类：
- 近存计算：通过 2.5D/3D 封装缩短存储与计算距离，如特斯拉 Dojo 芯片；
- 存内计算：直接在存储单元内计算，如基于 PCM 的突触权重存储与计算，能效比更高。
代表企业技术实践：
- 后摩智能：全球首个实现车规级存算一体芯片量产的企业，其 “鸿途 + 30” 芯片基于 SRAM 存内计算架构，算力密度达 200 TOPS/mm²，能效比 100 TOPS/W，2025 年搭载于小鹏 L4 级自动驾驶车型，支持实时激光雷达点云处理。
- 知存科技：推出全球首颗大规模量产存算一体芯片 WTM2101，基于 Flash 存储介质，聚焦智能语音、健康监测场景，单芯片可实现离线语音唤醒、心率检测，功耗仅 5mW，已出货超 1000 万颗，客户包括华为、小米。
- 千芯科技：基于 MRAM（磁阻存储器）开发存算一体 IP 核，支持 128×128 矩阵运算，适配云计算、自动驾驶，2025 年与中国移动合作推出边缘视频处理模块，能效比达传统 GPU 的 50 倍。
4. Chiplet 异构集成：提升算力密度与良率
技术原理：将芯片拆解为计算芯粒（如 NPU 核）、存储芯粒（如 HBM）、I/O 芯粒（如高速互连）等独立模块，通过 2.5D/3D 封装（如 CoWoS、TSV）实现高密度集成，不同模块可采用不同制程（如计算芯粒 7nm、存储芯粒 14nm），降低设计难度与成本，提升良率。技术优势：使超大算力芯片（如万卡级集群）成为可能，例如英伟达 GB200 采用 Chiplet 技术，集成 2 个 GPU 芯粒与 1 个 CPU 芯粒，算力达 5000 TFLOPS。
代表企业技术实践：
- 华为海思：昇腾 910C 采用 “3D TSV 封装 + Chiplet” 架构，集成 4 个 NPU 芯粒与 HBM3e 存储芯粒，单芯片算力 352 TOPS，通过 CloudMatrix384 超节点技术可扩展至 16 万卡集群，线性度超 95%，落地于国家气象局智算中心。
- 壁仞科技：BR100 通用 GPU 采用 Chiplet 异构设计，集成 8 个计算芯粒与 4 个 HBM2e 芯粒，片间带宽达 800 GB/s，2025 年在上海智算中心部署万卡集群，支持 GPT-4 训练。
- 长电科技：作为封测龙头，为国产 AI 芯片提供 CoWoS 封装服务，良率达 90%，支撑沐曦、登临科技等企业的 Chiplet 产品量产。
5. 软件生态：打通 “硬件 - 算法 - 应用” 闭环
技术痛点：国产 AI 芯片曾因软件生态薄弱（如缺乏兼容 PyTorch/TensorFlow 的工具链），导致硬件性能无法释放。当前头部企业通过自研编译器、优化算子库，逐步缩小与国际生态（CUDA）的差距。代表企业技术实践：
- 华为海思：CANN（异构计算架构）支持昇腾芯片与 MindSpore 框架深度协同，算子覆盖率超 98%，可实现 PyTorch 模型一键迁移，2024 年适配 DeepSeek-R1 大模型，推理效率达英伟达 A100 的 80%。
- 地平线：OpenExplorer 开发平台提供 “芯片 - 算法 - 工具” 全栈支持，包含 BPU 编译器、模型压缩工具，适配征程系列车规芯片，已吸引超 100 家车企入驻，2025 年新增奇瑞、吉利等定点项目。
- 平头哥半导体：自研 AI 编译器 “玄铁编译器”，支持 RISC-V 架构芯片与 TensorFlow/PyTorch 兼容，在含光 800 推理芯片上，ResNet-50 模型推理速度达 205 FPS，追平英伟达 V100。
二、AI 芯片核心产品：按场景分类的标杆型号
1. 云端智算芯片：支撑大模型训推
产品型号 | 企业 | 制程 | 核心参数 | 应用场景 |
|---|---|---|---|---|
昇腾 910C | 华为海思 | 7nm | 352 TOPS（FP16），64GB HBM2，392 GB/s 带宽 | 智算中心大模型训练（如盘古大模型） |
思元 590 | 寒武纪 | 7nm | 256 TOPS（FP16），支持 MU-Link 多芯互联 | 云端推理、智能视觉 |
云燧 T20 | 燧原科技 | 7nm | 200 TOPS（FP16），适配万卡集群 | 互联网、金融智算 |
曦云 C600 | 沐曦集成电路 | 7nm | 300 TOPS（FP16），支持 FP8 精度 | 智慧城市、科学计算 |
BR100 | 壁仞科技 | 7nm | 512 TOPS（FP16），800 GB/s 片间带宽 | 超大规模 AI 训练 |
2. 车端智驾芯片：适配 L2-L4 级自动驾驶
产品型号 | 企业 | 制程 | 核心参数 | 应用场景 |
|---|---|---|---|---|
征程 6P | 地平线 | 7nm | 560 TOPS（INT8），205 GB/s 存储带宽 | L4 级全场景智驾（奇瑞星途） |
A2000 | 黑芝麻智能 | 7nm | 1000 TOPS（INT8），支持多芯片级联 | L3 高阶智驾（蔚来 ET9） |
昇腾 610 | 华为海思 | 7nm | 200 TOPS（FP16），ASIL-D 认证 | L2 + 城区智驾（问界 M9） |
星辰一号 | 芯擎科技 | 7nm | 512 TOPS（INT8），多核异构架构 | 舱驾一体域控制器 |
J6M | 地平线 | 12nm | 128 TOPS（INT8），高性价比 | L2 辅助驾驶（比亚迪宋 PLUS） |
3. 边缘 AI 芯片：聚焦低功耗与实时性
产品型号 | 企业 | 制程 | 核心参数 | 应用场景 |
|---|---|---|---|---|
旭日 6 | 地平线 | 12nm | 10 TOPS（INT8），能效比 10 TOPS/W | 智能摄像头、工业质检 |
AX8850 | 爱芯元智 | 12nm | 20 TOPS（INT8），集成 AI ISP | 边缘视觉处理、智能穿戴 |
RK3588 | 瑞芯微 | 12nm | 6 TOPS（INT8），支持 8K 视频解码 | 智能家居、边缘计算盒子 |
WTM2101 | 知存科技 | 28nm | 0.5 TOPS（INT8），功耗 5mW | 智能语音、健康监测 |
玄铁 910 | 平头哥 | 14nm | 8 TOPS（INT8），RISC-V 架构 | 物联网终端、工业控制 |
4. GPU 通用计算芯片：追赶国际主流
产品型号 | 企业 | 制程 | 核心参数 | 应用场景 |
|---|---|---|---|---|
MTT S5000 | 摩尔线程 | 7nm | 400 TOPS（FP16），支持 FP8 精度 | 大模型推理、数字孪生 |
曦彩 G100 | 沐曦集成电路 | 7nm | 350 TOPS（FP16），图形渲染优化 | 云游戏、专业设计 |
Goldwasser | 登临科技 | 7nm | 320 TOPS（FP16），兼容 CUDA | 数据中心 AI 加速 |
天垓 100 | 天数智芯 | 7nm | 400 TOPS（FP16），训推一体 | 金融 AI、科学计算 |
JM9 系列 | 景嘉微 | 14nm | 50 TOPS（FP16），图形处理专用 | 航空航天、政务办公 |
三、标杆企业画像：技术路线与市场定位
1. 华为海思：全栈布局，引领国产智算
- 技术优势：自研达芬奇架构 NPU，CANN 生态覆盖 98% 算子，昇腾系列芯片支持从边缘到云端的全场景部署；
- 核心产品：昇腾 910C（云端训练）、昇腾 610（车端智驾）、昇腾 310（边缘推理）；
- 市场表现：2024 年云端 AI 芯片市占率国内第一（35%），昇腾智算集群落地超 50 个国家级项目，与百度、阿里共建大模型训练平台。
2. 地平线：车端龙头，场景化深耕
- 技术优势：自研 BPU（Brain Processing Unit）架构，聚焦车规级芯片，软硬件协同优化智驾算法；
- 核心产品：征程系列（智驾）、旭日系列（边缘），征程 6P 为国内首款量产 L4 级智驾芯片；
- 市场表现：2024 年车端 AI 芯片市占率超 25%，合作车企超 20 家，定点车型超 100 款，2025 年营收预计突破 80 亿元。
3. 寒武纪：AI 专用芯片先行者
- 技术优势：国内首家推出云端 AI 芯片的企业，自研 MLU 架构，支持多芯互联与统一软件生态；
- 核心产品：思元 590（云端）、思元 290（边缘）、思元 190（低功耗）；
- 市场表现：2024 年边缘 AI 芯片市占率 18%，客户涵盖联想、浪潮，2025 年推出思元 690，性能较前代提升 2 倍。
4. 壁仞科技：通用 GPU 追赶者
- 技术优势：原创 “训推一体” 芯片架构，BR100 采用 Chiplet 设计，兼容 CUDA 生态；
- 核心产品：BR100（通用 GPU）、BR104（边缘 GPU）；
- 市场表现：2025 年在上海智算中心部署万卡集群，支持 GPT-4 训练，与商汤科技、旷视科技达成合作。
5. 后摩智能：存算一体创新者
- 技术优势：全球首个实现车规级存算一体芯片量产，SRAM 存内计算架构能效比领先；
- 核心产品：鸿途 + 30（车端）、鸿途 + 10（边缘）；
- 市场表现：2025 年与小鹏、理想达成定点，存算一体芯片出货量预计超 50 万颗，估值超 200 亿元。
四、总结与展望
国产 AI 芯片已在关键技术上实现从 “跟跑” 到 “并跑” 的跨越 —— 稀疏计算、FP8 量化、存算一体等技术打破国际垄断，Chiplet 集成与软件生态逐步完善；产品层面，云端、车端、边缘场景形成全覆盖，部分产品（如华为昇腾 910C、地平线征程 6P）性能接近国际主流水平。
......完整版请参看《2025中国AI芯片分析合集》
