北京全国产AI大模型芯片流片成功

16TB/s的超大访存带宽，3D混合堆叠架构——这不是PPT里的口号，而是已经流片的产品。

大模型圈子里，算力这事儿一直是核心矛盾。国产化、高性能、可落地，这三个词凑在一起，往往意味着巨大的技术鸿沟。但今天有家北京公司给出了一个不一样的答案。

芯东西6月17日消息，北京AI芯片创企算苗科技正式宣布，其第一代3D TokenPU芯片A4E已于今年6月15日成功流片。与此同时，第二代芯片A4S的定义基本完成，预计2027年2月流片。这家2024年11月才成立的公司，起步就瞄准了大模型推理这个硬骨头。

A4E是一款依托国产供应链、采用3D混合堆叠架构的大模型专用处理器。说白了，它不是在通用GPU的赛道上修修补补，而是从一个全新的架构出发，专为Token处理而生。这背后的逻辑很简单：既然大模型推理的核心是Token处理，为什么不直接造一个专门干这件事的芯片？

算苗科技的核心定位就是“大模型时代原生的算力芯片企业”。他们首创的3D TokenPU架构，跳出了传统GPU的设计框架，从芯片定义阶段就和头部大模型厂商深度绑定，进行了近一年的联合研发。这意味着什么？意味着芯片不是闭门造车造出来的，而是从一开始就对准了真实推理场景的痛点。

“我们不是在别人的赛道上追赶，而是在开辟新的方向。”算苗科技创始人兼CEO汪福全博士的这句话点出了关键。3D TokenPU的核心理念在于：不必单纯依赖制程缩小，而是通过架构创新来实现算力密度和能效比的跨越式提升。

其中，3D混合键合技术是核心中的核心。它通过缩信息号传输距离，大幅提升“性能功耗比”。对于大模型这种极度“饥渴”的计算场景来说，这是降低推理成本的一条极有前景的路径。具体到A4E这款产品，它把8层存储晶圆垂直堆叠在计算逻辑晶圆上，利用硅通孔与凸点技术实现了微米级的互联。这意味着传统芯片间“毫米级”的传输距离被压缩了两数量级。16TB/s的超大访存带宽，正是由此而来，它直接缓解了大模型推理中最棘手的“数据饥饿”问题。

接下来聊聊它的架构设计。算苗科技引入了名为Tile-Native的软硬件协同理念。Tile，在这里被定义为数据搬运、存储和计算的基本单元。这套模式的精髓在于“一次搬运、多次复用”——数据搬进来，计算要尽可能多地利用它，而不是频繁地在存储和计算单元之间来回倒腾。硬件层面，它原生支持Tile级的数据调度和多精度动态切换；软件端，则构建了一套适配LLVM、Triton等开源生态的编译工具栈。这带来的直接好处是：开发者上手友好，同时算子优化效率也得到保障。这种从硬件架构到软件工具，再到算法特性的闭环优化，最终指向的都是更高的推理性能和更低的TCO（总拥有成本）。

另一个值得关注的点是国产化供应链。算苗科技A4E芯片基于自研的RISC-V架构、自研IP以及自研软件体系打造。它和国内头部供应链伙伴深度合作，即便采用成熟的国产工艺，也能实现卓越的推理性能。在工程化量产方面，算苗科技的核心团队有着硬核履历——他们曾在高通量存算一体芯片项目中，成功完成过万片级3D混合堆叠晶圆的量产。这意味着，全球范围内真正掌握这项技术并有过大规模量产经验的团队，算苗科技算一个。

团队的背景，往往是判断一家技术公司潜力的重要窗口。算苗科技的高管阵容可以用“豪华”来形容。

创始人兼CEO汪福全博士，此前曾带领团队成功研发全球首款存算一体高通量算力芯片。他先后在中科院声学所国家重点实验室师从水声物理学界泰斗张仁和院士完成博士和博士后研究，之后在中科院计算所师从龙芯首席科学家胡伟武进行计算机体系结构方向的研究。

首席人工智能科学家楼建光，2025年9月加入。他是汪福全在浙大的师弟，博士毕业于中科院自动化所，师从谭铁牛院士。在微软研究院担任首席研究员多年，拥有超过20年的机器学习、NLP、AI与软件系统经验。

联合创始人兼CTO刘明，中科院计算所博士，师从胡伟武研究员。他在龙芯有过15年半导体研发经验，而且有两次成功研发3D堆叠芯片的经历。首席算法科学家闫超，中科院声学所博士，曾是汪福全的学生，拥有12年龙芯处理器研发和15年算法系统开发经验。首席软件架构师魏永明，清华本硕，是知名开源项目MiniGUI/HVML的创始人，手握数十项软件发明专利。

目前算苗科技研发人员约190人，占比超过80%，其中来自中科院、清华、北大等顶尖院校的研发人员占到了20%。按计划，到今年年底这个团队将扩充到300人。在资本层面，公司已完成多轮融资，投资方涵盖了国开金融、北京顺禧等国资基金，石溪资本、联想创投等产业资本，以及源码资本、襄禾资本等知名投资机构。赛道、技术、团队、资本，这四个要素算苗科技已全部到位。接下来，就看A4E流片后的实际表现了。