一句话看懂：我国首颗采用软件定义与三维近存计算技术的 AI 芯片于 7 月 13 日在上海发布，在 14 纳米制程上实现了每秒 520 万亿次浮点运算的算力。其关键在于通过底层架构创新，探索了一条不依赖先进制程的高端算力发展路径，对供应链的稳定可控具有参考价值。
事件核心：发生了什么
据央视新闻 7 月 13 日报道，这颗芯片由国内团队研发，核心亮点是结合了“软件定义芯片”与“三维近存计算”两大技术。前者允许硬件资源根据任务动态调配，提升算力利用率；后者通过三维垂直堆叠技术，将计算单元与存储单元紧密集成，访存带宽达到每秒 6.4TB，远高于目前主流 AI 芯片如英伟达 H100 的约 2TB/s 带宽，从架构上有效缓解了“存储墙”瓶颈（即计算速度远超内存访问速度导致的性能损失）。同步发布的还有配套的全栈软件工具链，兼容 PyTorch、TensorFlow 等主流深度学习框架，并形成了从单张加速卡、AI 服务器到液冷超节点、大规模智算集群的完整产品体系。
为什么重要
在高端 AI 芯片制程受限的背景下，这条技术路线意味着算力提升不必完全依赖制程微缩（如 7nm、5nm），而是可以通过架构创新实现。这有可能降低对极先进制程工艺的依赖，使供应链更为可控，对于大模型训练与推理所需的规模化算力底座建设具有实际支撑意义。此外，软件定义芯片的方式也让同一芯片能灵活适配不同计算任务，提升通用性和能效比，有利于降低企业在 AI 硬件采购中的锁定风险。
对用户/开发者/创作者的影响
目前公开信息显示，该芯片发布后已形成完整产品体系，包括加速卡、AI 服务器和智算集群。对开发者而言，配套的全栈软件工具链兼容主流深度学习框架，降低了迁移门槛，未来可能成为国产 AI 训练与推理平台的新选择。对企业和创作者来说，若该产品能够稳定量产并打入市场，将提供一条潜在的国产化算力替代路径，有助于分散对单一进口芯片供应商的依赖，尤其是在算力需求持续扩大的大模型和图像生成领域。不过，生态成熟度、实际部署成本和性能表现仍需落地验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，该芯片是否已进入量产阶段，以及首批客户和落地场景是哪些，是衡量其商业化能力的关键。其次，软件定义芯片和三维近存技术是否会引发其他国内厂商跟进，推动形成新的技术流派。最后，与现有主流 AI 芯片（如英伟达 H100/B200）相比，在典型大模型训练与推理场景下的实际性能、功耗和成本表现如何，是用户和开发者评估其是否值得投入的核心指标。
