过去很长一段时间里，被人工智能带火的 GPGPU 行业的讨论只是停留在一个相对安全、却也相对空洞的层面：参数、峰值算力和制程等。但在大模型开始进入企业业务、科研生产和物理世界，很多人突然发现——算力不再是 " 有没有 "，而是 " 好不好用、值不值这个价 "。
作为算力的主力，GPGPU 也进入了一个更现实、也更残酷的阶段：不再只是 " 能跑模型 "，而是必须经得起真实场景、真实客户和长期运行的检验。面对这种转变，国产 GPU 厂商如何应对，是衡量企业能否转注下一波 AI 浪潮的的关键。
近日，本土首家 GPGPU 厂商天数智芯发布了公司面向未来的芯片架构路线图，最新边端产品，以及公司在应用和生态方面的布局，为助力中国人工智能迈向新阶段做好充分准备。
公布四代架构，已超越 Hopper
如果用一个词来形容这些年人工智能对算力的要求，" 性能 " 无疑是一个极具竞争力的候选。尤其是在大模型浪潮席卷全球之后，模型训练参数越来越巨大，如何打造越来越高性能的基础设施就成为了所有从业者聚焦的重点。
换而言之，随着大模型参数规模从百亿迈向万亿级，数据中心的需求已不再只是增加 GPU 数量，而是全面升级为系统工程问题：单机柜算力密度快速提升，带来更高的供电与散热压力；模型并行与分布式训练放大了对高速互连和低延迟网络的依赖；长期高负载运行使 PUE、TCO 和稳定性成为核心指标。也就是说，如何推动数据中心正在从 " 堆硬件 " 的算力工厂，转向围绕效率、可靠性和可持续性的综合算力基础设施，已经成为了当下以未来的工作重点。
天数智芯 AI 与加速计算技术负责人单天逸也直言道，过去十年是算力野蛮增长的十年，规模的快速扩张确实带来了阶段性的产业繁荣。但繁荣背后，是难以忽视的效率困局。
" 推理场景的平均利用率不足 20%，训练场景的平均利用率也仅在 40% 出头，我们的理论算力一路飙升，可到了实际应用场景里，效率却大打折扣。这种粗放式发展，直接导致了能效比失衡、算力资源严重浪费的问题。" 单天逸举例说。
有见及此，单天逸指出，拥有高效率、可预期以及可持续三个特征的高质量算力势在必行。
据介绍，所谓高效率，是指能为客户创造最优的 TCO，实实在在帮客户节省使用成本；至于可预期，是指可以通过精准的仿真模拟，让客户在拿到芯片、部署算力之前，就能清晰预判最终的性能表现，做到所见即所得；来到可持续方面，是指不但能支持现在主流的 CNN、RNN 和 Transformer，还能支持和适配目前还未诞生的全新算法。" 我们坚持聚焦通用算力，确保产品在长期周期内仍能稳定发挥算力价值 "，单天逸总结说。
面向未来的计算需求，天数智芯也为天数天枢架构提供了从高精度科学计算到 AI 精度计算支持，能让 AI 芯片在执行注意力机制相关计算时，算力的实际有效利用效率达到 90% 及以上；来到天数天璇架构，还将新增 ixFP4 精度支持。在天数天玑架构和天数天权架构，天数智芯也将先后实现全场景 AI 与加速计算覆盖并融入更多精度支持与创新设计。
基于这些架构，天数智芯为打造面向未来的算力打下了夯实的基础。
端侧产品 " 四剑 " 齐发，
实现全场景布局
在上述的架构加持下，天数智芯计划在未来 3 年推出包括 " 天垓 " 和 " 智铠 " 系列在内的多款芯片，持续提升每瓦性能、每平方毫米性能极限，迭代核心计算单元、提高芯片效率，实现每代产品每块钱 token 处理能力翻倍。而在芯片的持续迭代过程中，人工智能本身也在变化。
随着 AI 形态从单次推理演进为以 Agent 为核心的持续运行体系，并进一步进入物理世界，算力需求的约束正在系统性改变——由集中式训练主导的峰值算力需求，转向以高频、多步、长时推理为特征的持续负载。与此同时，Physical AI 的落地推动大量推理任务向边端和端侧下沉，使边端芯片的需求重心从 " 算得动 " 转向 " 算得久、算得稳、算得省 "，对能效比、实时响应和可靠性提出更高要求。
天数智芯副总裁郭为也认可道：" 未来的应用场景不仅需要会说话的 AI，更需要会做事的 AI，理解物理世界的规律，具备具身意识。换而言之，生成 AI 必然转向物理 AI。" 正是因为有着这种共同的见解，天数智芯带来了 " 彤央 " 系列边端产品。按照郭为所说，这是 AI 和物理世界融合的媒介，这也是天数智芯实现 " 赋能边端智慧，连接物理空间 " 愿景的重要依仗。
据介绍，此次发布的四款产品形态各异、各有侧重。其中，彤央 TY1000 算力模组采用 699pin 接口，以口袋大小集成行业级算力与开放生态，实现便携化部署；彤央 TY1100 算力模组集成 ARM v9 12 核 CPU 与自研 GPU 模组，以充沛算力提供多元选择；彤央 TY1100_NX 算力终端凭借更大显存成为高性价比之选，堪称边端算力 " 小钢炮 "；彤央 TY1200 算力终端则以 300TOPs 的极致性能与小巧身材，为 AIPC、具身智能等前沿场景提供核心支撑。
" 过去七年，天数始终以设计好用、可落地的产品为核心，在国际供应链局势剧烈变化的背景下，坚持从架构核心 IP 到编译器、驱动全自研，是国内首家补全 GPU 全栈设计能力的企业。" 天数智芯副总裁邹翾重申。" 借助本次发布，我们实现了云端、边缘侧、端侧全场景覆盖，且全链路生态统一，同时兼容主流生态。目前国内头部 GPU 厂商中，天数智芯是唯一实现云边端生态统一且全面兼容主流体系的企业，这个完整方案是我们的重要优势。" 郭为补充说。
从一份基于 ByteMLPerf 对天数智芯 GPGPU 芯片开展系统评测的报告中可以看到，天数智芯这种全栈的设计优势拥有极大的优势。
据介绍，通过采用 SIMT 架构，天数智芯在算子上实现了极高的硬件利用率；借助通算融合与流水线并行等 " 扬长避短 " 策略，天数智芯方案的吞吐量与首词延迟在 DeepSeek R1 等大模型场景下的表现优于 A800，这展现出深度的软硬件协同优化能力与强劲的国产算力实战价值。（具体参考文章《ByteMLPerf 实测：天数智芯 GPGPU 全链路技术解析，创新释放高效算力》）
集群稳定运行千天，
争当 AI 落地坚实底座
在与半导体行业观察等沟通时候，天数智芯多次强调，在当前的人工智能行业，通用计算是一个明确的发展方向。而要成为这条赛道的重要赋能者，就需要回归到通用计算的本质，支持所有种类的计算。天数智芯一直坚信：不要让算力的僵化，限制算法的进化。硬件绝不应该成为束缚算法探索的枷锁，而要做孵化新算法的坚实底座。
正是在这种坚持的推动下，截止 2025 年年底，天数智芯在互联网大模型研究、金融、医疗、交通等超过 20 个行业落地诸多应用，与超 1000 家用户共同探索算法演进，通过软硬件协同优化，使产品能力达到商业级别，陪伴 300 多家客户进入量产阶段。这些数据背后，是公司产品性能的最好证明。例如在科学探索领域，天数智芯已经适配 320 种通用计算模型，单集群可并行数千卡科研任务，稳定运行 1000 多天，已落地国内多家顶级学府。
在邹翾看来，AI 驱动的算法与应用浪潮已全面开启，每个设计者既是贡献者也是受益者。作为一个领先赋能者，天数智芯将一如既往地坚持高效率、可预期、可持续的架构理念，持续打造高性能、高性价比、更好用的产品，提供稳定可靠的算力底座，推动 AI 规模化落地，寄望未来每位开发者都能通过简单编程获取触手可及的算力，将创意转化为推动人类进步的力量，实现算力普惠、创新无界。
" 天数智芯坚定认为，生态决定开发成本、性能、应用覆盖率与用户体验，公司后续将持续加大生态投入，从应用框架到模型库、从开发工具到行业方案、从软件栈到芯片优化，与合作伙伴共同打磨面向未来的易用 AI 系统，为用户创造极致性能、最优性价比与真正易用性三大核心价值。" 邹翾补充说。
在当前内存价格高企给企业带来巨大挑战的当下，这再次体现了天数智芯方案的优越性。
写在最后
单天逸告诉半导体行业观察：" 与一家纯芯片公司相比，天数智芯更倾向于将自己定位为解决方案提供商，帮客户解决实际问题。" 作为一家通用 GPU 供应商，如上所述，这也是天数智芯一直在践行的战略。
但是，我们也必须承认，大模型大局依然未定，未来依然充满很多可能，这就对算力有了不同的需求。基于这个事实，天数智芯在坚持以通用计算为核心，确保产品适配更广泛的场景与未来算法迭代之余。还兼顾定制化优化，通过 DSA 等技术实现定制化需求落地。这和英伟达等业界领先厂商的做法不谋而合。
在谈到未来展望时，单天逸表示，客户对核心技术国产化的认可度在提升，这为公司创造了良好的合作基础。公司在未来也先也将持续积累，坚持自主创新，寻找原创性突破的机会，力争成为具备行业定义能力的企业。
" 我们不追求成为‘第二个英伟达’，就像科比不想成为第二个乔丹，我们要走出自己的道路。" 单天逸说。
* 免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
END
今天是《半导体行业观察》为您分享的第 4301 期内容，欢迎关注。
推荐阅读
加星标第一时间看推送
求点赞
求分享
求推荐
