從一顆芯片到萬卡集群，燧原的八年算力長跑

過去幾年，AI芯片行業最容易比較的是一張卡。峰值算力多少、顯存多大、帶寬多高，幾組參數放在一起，似乎就能迅速分出高下。但當大模型進入規模化訓練與推理，尤其是MoE、Agent等新型負載不斷拉高算力需求後，單卡性能正在變得越來越不夠用。真正進入數據中心，一張卡能跑多快只是第一關。數十張、數百張乃至上萬張芯片如何高速互聯，軟件能否把硬件能力釋放出來，集群能否在高負載下長期穩定運行，正在共同決定一套算力系統最終能夠交付多少有效算力。AI芯片的競爭，正在從“造一顆更快的芯片”，變成一場芯片、模組、互聯、軟件和集群共同參與的系統戰。這也讓燧原科技過去八年的一條技術路線，開始顯出不同的價值。

從2018年成立開始，燧原選擇的就不是一條只圍繞單顆芯片展開的道路。四代架構、5款雲端AI芯片之外，它逐步向AI加速卡及模組、編程軟件平臺、智算系統和大規模算力集群延伸，最終搭起了一套覆蓋芯片、硬件、軟件與集群的核心技術體系。這套體系也已經越過實驗室階段。燧原多代產品進入大型互聯網公司的真實業務，在國民級應用中實現規模化部署；與此同時，千卡、萬卡級智算項目也已經走向商業化。因此，如果只用“國產AI芯片公司”來理解今天的燧原，已經很難解釋它真正想參與的競爭。

當行業開始從單卡走向系統，燧原需要證明的也不再只是能不能造出一顆芯片，而是過去八年搭建的整套算力體系，能否在新一輪AI算力擴張中真正兌現價值。01從芯片到軟件，系統級硬仗的光與影國產AI芯片公司有很多種技術路線。選擇GPGPU路線的公司，希望依靠更通用的計算架構和兼容生態切入市場；燧原則從一開始選擇了另一條路——基於自主指令集和DSA架構，研發自己的AI計算體系。這意味著，它既沒有直接復刻英偉達的GPGPU架構，也沒有選擇兼容CUDA作為軟件生態的起點。這條路的好處和代價都很明顯。

針對AI計算進行專門設計，讓芯片在架構上有更大的自主優化空間；但離開已經成熟多年的CUDA生態，也意味著從驅動、編譯器、算子庫到開發工具，都需要自己重新搭一遍。燧原將這套體系拆成了三個層次。最底層是芯片和硬件。燧原基於自研指令集開發GCU-CARE加速計算單元，並通過GCU-LARE片間高速互連技術解決多顆AI芯片之間的數據交換。需要特別區分的是，GCU-CARE並不是一顆具體芯片，而是燧原芯片架構中的核心加速計算單元，目前已經迭代四代微結構，第四代原生支持FP8等多種精度計算。往上一層是軟件。燧原自研的馭算TopsRider，覆蓋驅動、編譯器、算子庫、工具鏈以及深度學習框架等環節。

對於一條不依賴CUDA的技術路線而言，這部分能力的重要性甚至不亞於芯片本身——芯片的紙面性能最終能釋放多少，很大程度上取決於模型能否遷移、算子能否優化以及開發者是否願意使用。目前，燧原硬件已經適配近千個AI模型，覆蓋互聯網及非互聯網領域超過300個應用場景。再往上一層，則是智算系統和算力集群。把這三層放在一起看，燧原過去八年的研發邏輯就更容易理解：它做的不是幾個互不相關的產品，而是在嘗試建立一條從芯片、硬件、軟件一直延伸到集群的技術鏈。這也是一條昂貴的路線。2023年至2025年，燧原三年累計研發投入36.76億元，截至2025年末838名員工中有643名研發人員。

對於一家尚未盈利的AI芯片公司來說，這種投入強度背後，是芯片公司做全棧技術繞不開的成本。但技術最終有沒有價值，不能只看研發投入，還是要看它有沒有進入真實業務場景。這也是騰訊之於燧原真正值得討論的地方。02訂單之外的燧原與騰訊打開燧原科技的招股說明書，有一個名字無論如何都無法迴避——騰訊。很多人看到騰訊佔股高達20%且為第一大客戶，很直接地會心一笑，背靠大樹好乘涼。實際上，這的確是無法迴避的客觀事實：騰訊既是燧原最大的投資方，也是最大的應用廠商。招股書顯示，受益於與騰訊在軟硬件定製化方面的多年深耕，燧原的多代產品已在廣泛的互聯網AI場景中大規模商用，持續為國民級應用提供算力支撐。

但如果我們拆解燧原和騰訊的關係，僅僅從“好乘涼”角度進行分析，就低估了大廠與芯片廠商這層關係的戰略價值。放眼全球，谷歌、meta等深度綁定外部合作伙伴進行芯片研究，都印證了算力大廠與芯片廠商深度綁定是行業常態，也有他一定的存在價值。這與芯片行業本身的核心底層邏輯相關，也就是芯片設計導向決定產品生死。這個行業的週期長，資產重。從一顆砂子到最終植入終端設備的芯片，需要經歷設計、晶圓製造、光刻、封裝等數個產業鏈環節，且每個環節都涉及極其複雜的設備與材料。

以國內備受矚目的光刻設備為例，如果涉及高端芯片，其精度要求堪稱極端：這相當於兩架飛機並排高速飛行，還要從一架飛機上伸出一根針，在另一架飛機上的一粒米上刻字，且刻字過程中兩架飛機還在劇烈顛簸。這種極致的精細度，註定了芯片研發一旦方向跑偏，沉沒成本將是災難性的。因此，對AI芯片公司而言，最稀缺的不只是一個願意採購的客戶，而是一個願意把真實業務場景開放出來、持續共同迭代產品的客戶。騰訊與燧原從2019年開始合作。雙方圍繞業務場景適配、AI模型性能調優和軟件棧完善持續投入資源，合作經歷了從單一場景小規模驗證，到多場景大規模驗證，再到常態化批量合作的過程。

目前，燧原產品已經在騰訊多個AI業務場景規模化部署。這其實回答了國產AI芯片商業化中一個非常現實的問題：一顆芯片從“能跑”到“能用”，中間到底差了什麼？實驗室裡的Benchmark（基準測試）能夠證明芯片在特定負載下的峰值能力，但國民級互聯網應用面對的是另一套考題：業務流量持續變化、模型不斷更新、任務類型複雜，還要同時面對高併發、長時間運行和大規模部署。這要求芯片廠商解決的就不只是“算得快”，而是模型遷移、軟件穩定性、集群調度、故障處理以及長期運行等一系列工程問題。從這個角度看，騰訊給燧原提供的不只有訂單，更像是一個長期存在的產品驗證場。

很多實驗室裡暴露不出來的問題，會在真實互聯網業務裡被不斷放大，再反過來進入下一代芯片和軟件的定義。這也是為什麼具有長期合作關係的大客戶對於一家芯片創業公司往往具有兩面性。一方面，它幫助燧原完成了從芯片研發到大規模商業部署的跨越；另一方面，當一個客戶佔據絕大多數收入，燧原下一階段必須回答的問題也非常明確：在騰訊驗證過的這套能力，能不能複製到更多客戶？至少從收入規模來看，燧原已經進入加速商業化階段。2023年至2025年，公司營業收入從3.01億元增長至9.90億元；2026年上半年營業收入進一步達到11.2億元，半年已經超過2025年全年。但真正決定下一階段空間的，可能還不是多賣多少張卡。

因為AI芯片行業的競爭規則本身也在發生變化。03萬卡集群，AI算力新賽場大模型一夜爆火，巨大的參數量呈指數級增長，Open AI、Google、Anthropic等公司旗下的產品早已邁入萬億參數規模，而這個“萬億俱樂部”中，綁定英偉達生態，是一道隱性的門檻。儘管DeepSeek等稀疏模型通過架構創新顯著提升了算力利用率，但整個行業算力消耗仍在攀升是一個不爭的事實。在“算力是剛需”與“高端買不到”的極限拉扯中。問題被逼回了原點——我們究竟需要怎樣的國產算力？很多人會把單純的一張卡等同於算力。

實際上，今天談規模算力，早就從買卡插服務器切換到了一場更高維的戰爭，算力、顯存帶寬、互聯帶寬、散熱、軟件棧、集群調度，全部都要過關。在燧原的招股書裡，“AI加速卡及模組”是燧原最核心的收入，佔比高達86.83%。單卡性能再強，面對動輒千億、萬億參數的大模型，終究只是“單兵作戰”。要真正打贏這場戰爭，必須把無數張加速卡擰成一股繩，通過極致的系統級互聯，打破單機與機櫃的物理邊界——這就引出了燧原押注的另一個核心戰場：超節點。在剛剛過去的WAIC（世界人工智能大會）上，燧原與中興通訊聯合發佈了雲燧ESL64-O超節點，採用OEX正交無背板架構，實現“零線纜”互聯。

這一技術的最大特點在於在用"空間垂直交叉"替代"平面線纜繞接"，在物理層做減法，卻能在性能層做加法，保證傳輸的低時延、高密度、高可靠以及低成本。公開資料顯示，雲燧ESL64-O超節點能支持萬卡級集群組網，也被稱為是國產智算基礎設施系統級創新的代表。從這個維度再看燧原，過去八年的技術路線反而變得更加清晰。芯片是起點，軟件決定它好不好用，互聯決定它能不能擴大，集群則最終決定算力能否規模化交付。如果說過去國產AI芯片公司的第一張門票，是能不能設計並量產一顆性能足夠好的芯片，那麼下一張門票正在變成：能不能把一顆芯片變成一套真正可規模化部署的算力系統。這也是燧原走到今天真正需要證明的事情。

燧原過去八年搭建的並不只是幾代AI芯片，而是一套試圖貫穿芯片、硬件、軟件和集群的計算體系。如今，當行業開始跳出單卡博弈，這套體系也終於走到了檢驗其商業價值的時刻。▼推薦閱讀▼老黃把CPU機櫃搬上臺，一場五年混戰開始了2026-08-26華爾街六巨頭，為什麼願意替英偉達客戶找錢？2026-08-18