雷科技
成立两年、估值过百亿、直到今年 7 月才正式走到台前。过去一段时间，东方算芯在外界眼中一直是一家颇为神秘的 AI 芯片独角兽：
一边是董事长兼 CEO 魏少军，长期活跃在中国半导体产业和学界，曾任清华大学教授、中国半导体行业协会副理事长等职务；一边是来自国家人工智能产业基金、张江高科、高瓴、美团、小米、京东、滴滴等资本和产业方的超百亿融资加持。
但外界能看到的技术和产品信息并不多，直到最近才上线官网，放出第一代产品 DF1000 的信息。
7 月 13 日，东方算芯在 WAIC 2026 之前举办了一场软件定义算力芯片、系统及路线图发布会，正式发布软件定义近存计算 3D 芯片 DF1000，并同步公布基于 DF1000 的大规模智算系统和后续产品路线图。
DF1000 则是这张路线图的第一张王牌，接下来的 DF2000、DF3000 还将对标 4nm 工艺的英伟达 H200 和 B300。
图片来源：雷科技
DF1000 是一颗基于 14nm 的软件定义近存计算 3D 芯片，面向大模型训练、推理和智算集群场景，单卡 BF16 峰值算力达到 520 TFLOPS，并支持多种数据精度；显存带宽达到 6.4 TB/s，支持 AFD 分布式推理。加速卡遵循 OAM 2.0 规范，可以适配国内主流 OEM 厂商的 AI 服务器，也支持风冷和液冷两种形态。
和传统 AI 加速芯片不同，DF1000 的重点不只是堆计算单元，而是试图把计算更靠近存储，减少大模型运行过程中反复搬运数据带来的带宽和功耗压力。
事实上，单看 520 TFLOPS 的算力，DF1000 并不算夸张，真正有意思的是 6.4 TB/s 显存带宽。
大模型训练和推理时，大量时间和能耗都花在搬运数据上。计算单元要不断从内存里取数据，算完之后再写回去。模型越大、上下文越长、并发越高，「内存墙」的问题越明显。所以 AI 服务器的竞争，不只在于计算单元更多，而在于数据能不能更快、更省电地喂给计算单元。
东方算芯的选择则是 3D 近存计算。
以第一代产品 DF1000 为例，东方算芯通过 Hybrid Bonding（混合键合），将逻辑层和 DRAM 层垂直堆叠，把互连间距从数十微米压缩到亚微米级。存储并没有直接负责计算，但离计算单元更近了，数据搬得更快，功耗和延迟也有机会降下来。
图片来源：雷科技
DF1000 的另一条主线是「软件定义」。简单来说，东方算芯用可重构计算阵列和数据流架构，根据模型、算子和精度重新组织计算通路，试图在 GPU 的通用性和 ASIC 的高效率之间找一个平衡。
这种灵活性也确实重要。面对 DeepSeek、GLM、Qwen 等模型的快速变化，AI 芯片如果做得太死，很容易被模型架构甩开；但如果只追求通用性，又很难在能效上形成优势。
这也是东方算芯对标英伟达的底气：用国产成熟工艺，靠软件定义、近存计算 3D 架构绕开最先进制程的限制。
不拼晶体管制程，拼有效算力。
图片来源：雷科技
不过软件定义芯片，最难的往往也是软件。国产 AI 芯片从来不缺峰值参数，真正进入客户场景之后，难点常常出现在模型迁移、算子适配、框架兼容、集群稳定性和运维工具上。
所以这次，东方算芯也没有只发布一颗芯片，还推出了自主软件栈 CAAP。此外，发布会现场还展示了基于 DF1000 打造 128 卡集群以及服务器，其中液冷服务器单机支持 8 张 DF1000 加速卡，采用 Full Mesh 全互联，单卡 Scale Up 带宽达到 900 GB/s；多台服务器还可以通过 Scale Out 网络组成更大的集群。
图片来源：雷科技
这符合今天 AI 算力行业的需求。大模型真正跑起来，卡间互联、集群调度、通信库和故障恢复都会影响最终效率。对客户来说，买到一张卡只是开始，能不能组成稳定、好用的算力系统，才是真问题。
在这种情况下，继续讲「追赶英伟达」当然没错，但已经不够。国产 AI 芯片需要新的路线，也需要新的评价方式。只盯着制程节点和峰值算力，很可能看不懂接下来的竞争。
从这个角度看，东方算芯这次发布的重点，其实是给国产高端算力提供一套试图绕开先进制程、海外 HBM 和 CUDA 路径依赖的新打法：14nm 成熟制程负责制造，软件定义近存 3D 芯片打破带宽墙、内存墙和功耗墙，再以服务器和集群完成交付。
接下来就看落地。520 TFLOPS 和 6.4 TB/s 仍是账面参数，DF1000 的真实模型性能、软件成熟度、集群扩展效率和客户部署情况，才决定这家百亿独角兽能不能真正接住外界的期待。
