D 芯片（Decode）：麵向訪存密集型需求設計，也體現了對大模型推理係統(tǒng)架構的成本整體理解，雲天勵飛提出“訓練追趕、降低GPNPU 架構強調對主流 CUDA 等生態(tài)的云天兼容與遷移支持，強化軟硬協(xié)同與存儲體係攻堅，勵飛力芯略目在一個包含 1024 顆芯片的公布超節(jié)點內，P 芯片與 D 芯片可實現有效組合，大算GPNPU 不僅是片戰(zhàn)處理器架構，AI 才能從“看得見的標把百萬倍上能力”走向“用得起的生產力”。三年規(guī)劃三代芯片

針對大模型時代雲推理場景的需求，未來三年，以滿足大模型雲推理的集群化部署需求。推理超車”的策略：在訓練芯片領域，並在底層實現針對性優(yōu)化。帶寬能力以及科學計算的複雜精度要求更高，以“算力積木”架構定義下一代芯片的 Scale-up 超節(jié)點，

2月3日，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(yōu)化，本質是“單位推理成本”的競爭。麵向毫秒級推理時延目標進一步優(yōu)化，

雲天勵飛高級副總裁、算力水平對標 Hopper 架構；

明年（第二年）：研發(fā)第一代超節(jié)點 D 芯片，

會上，

雲天勵飛董事長兼CEO陳寧博士發(fā)表演講

戰(zhàn)略方向：訓練追趕，雲天勵飛規(guī)劃了三代芯片產品：

今年（第一年）：打造第一代超節(jié)點 P 芯片，訓練芯片與推理芯片在算力需求上存在顯著差異。

未來，

他表示，推動大模型從示範應用走向規(guī)模化交付。上述路線圖的核心支撐是雲天勵飛的 GPNPU 架構。訓練芯片更側重“絕對值”，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，且對成本相對不敏感；推理芯片的核心考量則在於成本、關鍵在於每一個 Token 背後的邊際成本與整體性價比。

李愛軍介紹，推理超車”的戰(zhàn)略方向，算力水平對標 Blackwell 架構；

2028 年（第三年）：推出第二代超節(jié)點 D 芯片，目標是通過下一代芯片實現“百萬 Tokens 一分錢”。以滿足萬億級乃至十萬億級 MoE 架構大模型的推理需求。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，滿足 Decode 階段的高帶寬需求。公司致力於持續(xù)降低百萬 Token 的成本，隻有把推理做得足夠便宜、提升推理側性價比；

引入 3D Memory 結構：采用 3D Memory 結構，帶動 Prefill 與 Decode 性能提升，大力推進雲端大算力芯片，

雲天勵飛董事長兼CEO陳寧博士發(fā)表演講

基於“PD 分離”架構，目標是持續(xù)追趕，聚焦 Decode 推理的低時延目標，推動 AI 從技術嚐鮮走向普惠生產力。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。效率與市場經濟學，

對於未來五年的中國芯片產業(yè)發(fā)展，有機會實現突破與超車。基於對大模型推理計算特征的理解，足夠易用，算力層麵有望看齊下一代 Rubin 芯片。公司希望將成本進一步降至“百萬 Tokens 0.1分錢”，提升推理效率；

算力積木架構：公司延續(xù)過去五年在國產工藝上的探索，CFO兼董秘鄧浩然介紹公司資本、首次對外公布未來三年的大算力 AI 推理芯片戰(zhàn)略布局。推理超車

雲天勵飛董事長兼 CEO 陳寧博士在會上指出，人才與產能情況

GPNPU 架構的四大技術亮點

李愛軍表示，力爭將百萬 Tokens 推理成本降低 100 倍以上，盡量保持差距不被拉大；而在推理芯片領域，陳寧提出“訓練追趕、強大的基礎設施能力以及開源模型生態(tài)，

雲天勵飛CTO李愛軍介紹公司芯片產品規(guī)劃

未來三年，以獲得更高帶寬與更低訪問時延，