2026年7月13日，上海张江，初创企业东方算芯基于14nm工艺成功流片AI芯片，实测算力520TFLOPS，未采用EUV光刻和HBM内存。该项目由原“核高基”技术总师魏少军（清华校友）主持。这一成果或对阿斯麦、台积电、英伟达等既有技术路线形成潜在冲击。

520TFLOPS@BF16的算力，6.4TB/s的访存带宽，128卡集群全功能稳定运行。这些数字单独拎出来或许不够震撼，但加上 "14nm工艺"" 全国产供应链 ""无EUV"" 无HBM" 这几个限定词，分量就完全不一样了。

要知道，当下全球高端AI芯片的主流叙事，是制程越先进越好，HBM显存越堆越多。英伟达的旗舰芯片走的是台积电4nm工艺，搭配十几层堆叠的HBM3显存，单颗成本就高得惊人。而这条技术路线的命门，牢牢攥在三家手里——阿斯麦的EUV光刻机、台积电的先进制程、三星和海力士的HBM显存。

过去几年，中国AI算力产业被这几道关卡卡得难受。EUV买不到，先进制程流片受限，HBM供货优先级永远靠后。很多人觉得，国产AI芯片要追上英伟达，只能沿着同一条路硬追，制程一代一代往上爬，差距十年八年都是乐观估计。

但东方算芯选了另一条路。简单说，他们没有在制程赛道上跟人死磕，而是从底层架构动了刀子。DF1000的核心有两大技术支柱：软件定义芯片，加上3D堆叠近存计算。

软件定义芯片这个概念，魏少军带着清华团队研究了快二十年。传统芯片的功能是设计时就焊死的，而软件定义芯片可以通过代码实时重构硬件电路，今天跑大模型训练，明天跑图像识别，后天跑科学计算，同一套硬件能分时复用，资源利用率大幅提升。这就好比一间厂房，传统方式只能生产一种产品，而它能随时调整生产线，什么赚钱造什么。

早在2006年，清华微电子所就启动了可重构计算芯片的研发，比美国国防部的 "电子复兴计划" 早了整整十一年。2012年，团队就做到了20到40纳秒完成一次硬件功能重构，而美国直到2022年才做到300到1000纳秒，速度差了十倍以上。这项技术2015年拿了国家技术发明二等奖，如今终于从实验室走到了产业界。

第二板斧是3D近存计算，瞄准的是AI芯片最大的痛点——存储墙。

传统芯片的计算单元和存储单元是平铺的，就像工厂和仓库隔了几条街，数据来回搬运要花大量时间和功耗。芯片算力越强，这个瓶颈越明显，很多时候计算单元都在空转等数据。行业里的解法是堆HBM显存，把内存颗粒摞起来，但本质上还是两个独立芯片，靠外部接口连接，距离依然以毫米计。

DF1000的做法更彻底：直接把计算晶圆和存储晶圆像三明治一样垂直堆叠在一起，用晶圆级混合键合技术焊成一个整体。层间互连间距压缩到亚微米级别，数据传输距离直接缩短了99%，从毫米级降到微米级。

带来的结果就是，访存带宽干到了6.4TB/s。这个数字是什么概念？英伟达H100的显存带宽是3.35TB/s，最新的H200也才4.8TB/s。一颗14nm的芯片，在带宽指标上反超了4nm的旗舰产品。

更关键的是，这条路不依赖EUV光刻机，不需要最先进的制程工厂，也不用抢HBM的产能。整条供应链都可以在国内闭环，从芯片设计、晶圆制造到3D先进封装、封测，全都能自主可控。

这才是最让海外巨头睡不着的地方。

对阿斯麦来说，过去的逻辑是：只要卡住EUV，中国就做不出高端芯片。但现在有人证明，不用最先进制程，靠架构创新也能摸到高端算力的门槛。如果这条路走通了，光刻机的战略威慑力就会打折扣。

对台积电而言，全球高端芯片代工的定价权，很大程度建立在 "先进制程是唯一路径" 的共识上。当架构创新能部分替代制程红利，客户的选择就多了。

对英伟达来说，真正的威胁不是又多了一家竞争对手，而是有人在CUDA生态之外，开辟了一条完全不同的技术路线。DF1000不是GPU，不走GPGPU路线，也不做DSA专用架构，它是软件定义的近存计算芯片，从根上就是另一个范式。

当然，现在就说 "颠覆" 还为时过早。魏少军自己在发布会上反复强调，不要迷信3D堆叠，不要夸大其词。3D堆叠的良率问题至今是行业难题，两层芯片叠在一起，良率是相乘的关系，任何一层出问题，整颗都废了。软件生态的构建更是长路漫漫，英伟达CUDA积累了二十多年，不是一朝一夕能追上的。

成立两年多，估值冲到 122.75 亿元，团队超过 500 人，背后站着国家人工智能产业基金、高瓴、武岳峰，还有美团、小米、滴滴等产业资本。资本用真金白银投了票。

信源：国产大算力芯片“换道超车”！全球首颗软件定义近存计算3D芯片在沪发布——新民晚报