配资股票配资按月配资不借英伟达“地基”造芯，单款出货16万片，燧原科技敲钟：流水争滔滔不绝

今天（9月11日），国内AI芯片核心厂商燧原科技正式登陆科创板，发行市值逾600亿元，超过去年底以来相继上市的摩尔线程、沐曦股份、壁仞科技等其他国产芯片企业的发行市值。

燧原科技可圈可点之处，包括8年推出5款芯片且全部一次流片成功、连续多代产品实现规模化商业化落地、锚定“难而正确”的技术路线等。

公司董事长赵立东日前接受记者采访时，以“流水不争先，争的是滔滔不绝”，来回应其价值追求及发展定力。

不在别人地基造房

赵立东毕业于清华大学电子工程系，在硅谷工作超20年。就职美国芯片企业AMD期间，他曾回到国内，在上海张江参与成立AMD上海研发中心。2018年，赵立东与毕业于复旦电子工程系的AMD同事张亚林，在上海创立燧原科技。

赵立东（左）与张亚林（右）。

与国内多家GPU（图形处理器）企业不同，燧原选择了一条更艰难但更自主的发展之路——不兼容CUDA（英伟达构建的全栈软硬件生态系统‌），坚持自研DSA（领域专用架构）芯片，硬件、软件栈全部自主搭建。

因为只有这样，才可获得更大的技术自主空间，把发展的选择权和主导权牢牢抓在自己手中。

“如果亦步亦趋，短时间内或许受益，但长期来看手脚还是被束缚住了。燧原的创业初衷，是走出一条属于自己的AI芯片发展之路，而非在别人家地基上建房子。”赵立东说。

为此，燧原从零开始，构建起一套完整的技术体系，自研迭代了四代架构5款云端AI芯片，同时还自研了包括驱动程序、编译语言与编译器、算子库、工具链的全栈AI计算及编程软件平台“驭算TopsRider”。

尤其随着Token（词元）时代全面到来，智能体7×24小时运行，消耗着海量Token，客户不再单纯为硬件成本付费，而是把Token生成效率与交付质量作为评判标准。此时，DSA架构的优势便凸显出来——芯片在设计阶段，就能针对AI核心算法和应用场景，将计算、互连、存储优化等特性“硬化”至硬件中。如针对特定模型所需算子进行优化定制，运行效率和性价比更高，满足客户对燧原芯片性能及性价比的要求。

规模落地是试金石

燧原于2019年推出第一代产品云燧训练芯片，用于为之江实验室构建千卡规模AI液冷算力集群。

燧原第二代训练和推理芯片，累计出货超3万片。

第三代燧原S60于2024年发布，量产规模更大。甘肃庆阳智算中心搭载燧原S60，已建成国内首个万卡国产算力推理集群。目前，S60已累计出货16万片，在国产AI加速卡落地规模方面进入第一梯队，且规模仍在扩大，已支持超过300个应用场景，包括大语言模型、多模态大模型、搜索广告推荐、传统AI模型等。

燧原的产业合作范式值得关注。

燧原与腾讯之间，不只是简单的投资与被投资关系，更是深度战略协同的产业合作伙伴，造就共赢佳话——腾讯通过持续加码芯片公司，为自身算力基础设施储备硬件；燧原则可在客户海量实战场景下打磨优化，以“用”促“进”。

据悉，2019年起，双方从小批量试点起步，逐步拓展至全场景大规模部署。经7年深度磨合，面对腾讯数据高并发、流量大波动、瞬间高吞吐、7×24小时在线等严苛压力测试，燧原产品经受住了考验，多代产品已在广泛的互联网AI场景中实现大规模商用。

到2025年，中国AI芯片产业出现分水岭——我国对构建自主可控算力体系的顶层布局、国产AI芯片本身实力的日益精进，推动国内算力使用方与国产芯片真正双向奔赴。

“算力储备直接决定大模型迭代速度，成为各互联网大厂和模型厂商的关键竞争要素之一。”赵立东透露，目前国内算力需求持续走高，预计燧原第四代训推一体产品（燧原L600）出货量相比第三代还将有大幅提升。

燧原历代产品。

“滔滔不绝”方持久

在记者采访过程中，赵立东着重强调的是芯模协同、体系能力，因为“当下全球算力竞争，已从单一芯片性能的比拼，转向体系化、系统化、集群化的综合竞争”。

2026年，堪称智能体应用元年，AI不再局限于“一问一答”的交互模式，而是输入大量指令、背景信息、历史数据，智能体自主规划决策，输出行动方案。这就对算力的实时响应、多模态处理、长期记忆存储等能力提出更高要求。

算力需求结构、比例也由此发生剧变，如推理算力需求远超训练算力需求、输入Token数倍于输出Token等，甚至开始出现“分卡处理”，即Prefill（预填充阶段，输入处理）和Decode（解码阶段，输出生成）分别用两种不同特性的专用芯片承载。另外，智能体任务下CPU（中央处理器）调度处理工作量暴涨，AI服务器一颗CPU搭配四颗GPU（行业俗称“一拖四”）的架构，未来或向1：1的配比演进。芯片设计必须适配这些全新需求。

芯模协同，成为国家推进AI产业发展的一大抓手。

今年4月及7月，腾讯分别发布混元语言模型Hy3预览版及正式版。早在Hy3设计阶段，燧原就与腾讯同步投入研发人员、算力资源，开展联合优化，实现底层软硬件双向同步迭代。混元大模型团队会基于AI芯片的各项性能指标，反向设计MoE（混合专家模型）、Attention（注意力机制）等结构和参数，从软件栈、算子库开始，与芯片厂商一起做严格的精度对齐。

芯模协同的含金量之一，在于系统级的性价比。据公开信息，腾讯Hy3在性能出众前提下，输入百万Tokens的成本仅1元，输出为4元。

芯模协同只是一小部分。当前主流大模型动辄千亿、万亿参数，必须靠成千上万张卡同时干活的算力集群支撑。

“算力集群未来一定不是单卡比拼，而是芯片、显存带宽、互连网络、服务器、软件工具链、模型适配等系统级协同。任何一环短板，都会拖累整体。我们的核心目标，是和腾讯全链路端到端适配，经验打磨成熟后，再复制到其他互联网大厂。”赵立东说。

云燧ESL64-O超节点。