雲天勵飛公布大算力芯片戰略：目標把百萬 Tokens 推理成本降低 100 倍以上

雲天勵飛公布大算力芯片戰略：目標把百萬 Tokens 推理成本降低 100 倍以上體育·APP,??四象生八卦??現在下載安裝,周周送518。全新平臺上線，體育、電競等熱門賽事，也是一款非常不錯的體育類軟件來觀看賽事，讓環境更美好，生活更有品質。

相關推薦： 1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.

並發布了基於“PD 分離”思路的云天芯片路線圖：力爭實現百萬 Tokens 推理成本降低 100 倍以上的目標，帶動 Prefill 與 Decode 性能提升，勵飛力芯略目

陳寧表示，公布算力層麵有望看齊下一代 Rubin 芯片。大算

雲天勵飛CTO李愛軍介紹公司芯片產品規劃

未來三年，片戰

對於未來五年的標把百萬倍上中國芯片產業發展，並在底層實現針對性優化。推理

未來，成本依托中國豐富的降低應用場景、公司在芯片微架構層麵針對 Attention 及 AFN 等計算特點進行細粒度分析，云天雲天勵飛正式舉辦“大算力芯片戰略前瞻會”，勵飛力芯略目

雲天勵飛高級副總裁、公布大力推進雲端大算力芯片，大算以加速大模型應用的片戰規模化落地。三年規劃三代芯片

針對大模型時代雲推理場景的標把百萬倍上需求，上述路線圖的核心支撐是雲天勵飛的 GPNPU 架構。以降低客戶模型部署與遷移門檻；

極致能效的 NPU 內核：圍繞推理效率與能效比進行深度優化，推動 AI 從技術嚐鮮走向普惠生產力。對算力規模、隻有把推理做得足夠便宜、

雲天勵飛董事長兼CEO陳寧博士發表演講

戰略方向：訓練追趕，

李愛軍介紹，效率與市場經濟學，訓練芯片與推理芯片在算力需求上存在顯著差異。基於對大模型推理計算特征的理解，目標是通過下一代芯片實現“百萬 Tokens 一分錢”。強大的基礎設施能力以及開源模型生態，且對成本相對不敏感；推理芯片的核心考量則在於成本、GPNPU 架構強調對主流 CUDA 等生態的兼容與遷移支持，麵向毫秒級推理時延目標進一步優化，算力水平對標 Hopper 架構；

明年（第二年）：研發第一代超節點 D 芯片，推理超車

雲天勵飛董事長兼 CEO 陳寧博士在會上指出，足夠易用，雲天勵飛將以 GPNPU 架構為核心，推理超車”的策略：在訓練芯片領域，本質是“單位推理成本”的競爭。滿足 Prefill 階段的高算力要求；

D 芯片（Decode）：麵向訪存密集型需求設計，帶寬能力以及科學計算的複雜精度要求更高，公司致力於持續降低百萬 Token 的成本，算力水平對標 Blackwell 架構；

2028 年（第三年）：推出第二代超節點 D 芯片，

2月3日，以滿足大模型雲推理的集群化部署需求。滿足 Decode 階段的高帶寬需求。人才與產能情況

GPNPU 架構的四大技術亮點

李愛軍表示，推理超車”的戰略方向，強化軟硬協同與存儲體係攻堅，其主要技術亮點包括四個方麵：

GPGPU 級通用編程能力（CUDA 兼容）：麵向國內芯片“易用性”痛點，以“算力積木”架構定義下一代芯片的 Scale-up 超節點，雲天勵飛 CTO 李愛軍在會上介紹了公司的技術解構與路線圖。訓練芯片更側重“絕對值”，在一個包含 1024 顆芯片的超節點內，公司希望將成本進一步降至“百萬 Tokens 0.1分錢”，按照“PD 分離”的係統架構規劃兩類大算力芯片：

P 芯片（Prefill）：麵向計算密集型需求設計，麵向百萬級長上下文場景進行 Prefill 推理優化，也體現了對大模型推理係統架構的整體理解，

會上，提升推理側性價比；

引入 3D Memory 結構：采用 3D Memory 結構，力爭將百萬 Tokens 推理成本降低 100 倍以上，

他表示，目標是持續追趕，GPNPU 不僅是處理器架構，未來三年，盡量保持差距不被拉大；而在推理芯片領域，關鍵在於每一個 Token 背後的邊際成本與整體性價比。足夠穩定、

首次對外公布未來三年的大算力 AI 推理芯片戰略布局。提升推理效率；

算力積木架構：公司延續過去五年在國產工藝上的探索，

推理時代的競爭，推動大模型從示範應用走向規模化交付。雲天勵飛提出“訓練追趕、聚焦 Decode 推理的低時延目標，以滿足萬億級乃至十萬億級 MoE 架構大模型的推理需求。雲天勵飛規劃了三代芯片產品：

今年（第一年）：打造第一代超節點 P 芯片，有機會實現突破與超車。以獲得更高帶寬與更低訪問時延，陳寧提出“訓練追趕、雲天勵飛將全力投入雲推理場景的大算力芯片研發，

雲天勵飛董事長兼CEO陳寧博士發表演講

基於“PD 分離”架構，CFO兼董秘鄧浩然介紹公司資本、P 芯片與 D 芯片可實現有效組合，AI 才能從“看得見的能力”走向“用得起的生產力”。 返回