从一颗芯片到万卡集群，燧原的八年算力长跑

“AI芯片新战场，迎来一个老玩家。”

作者丨郭思

编辑丨包永刚

过去几年，AI芯片行业最容易比较的是一张卡。

峰值算力多少、显存多大、带宽多高，几组参数放在一起，似乎就能迅速分出高下。但当大模型进入规模化训练与推理，尤其是MoE、Agent等新型负载不断拉高算力需求后，单卡性能正在变得越来越不够用。

真正进入数据中心，一张卡能跑多快只是第一关。数十张、数百张乃至上万张芯片如何高速互联，软件能否把硬件能力释放出来，集群能否在高负载下长期稳定运行，正在共同决定一套算力系统最终能够交付多少有效算力。

AI芯片的竞争，正在从“造一颗更快的芯片”，变成一场芯片、模组、互联、软件和集群共同参与的系统战。

这也让燧原科技过去八年的一条技术路线，开始显出不同的价值。

从2018年成立开始，燧原选择的就不是一条只围绕单颗芯片展开的道路。四代架构、5款云端AI芯片之外，它逐步向AI加速卡及模组、编程软件平台、智算系统和大规模算力集群延伸，最终搭起了一套覆盖芯片、硬件、软件与集群的核心技术体系。

这套体系也已经越过实验室阶段。燧原多代产品进入大型互联网公司的真实业务，在国民级应用中实现规模化部署；与此同时，千卡、万卡级智算项目也已经走向商业化。

因此，如果只用“国产AI芯片公司”来理解今天的燧原，已经很难解释它真正想参与的竞争。

当行业开始从单卡走向系统，燧原需要证明的也不再只是能不能造出一颗芯片，而是过去八年搭建的整套算力体系，能否在新一轮AI算力扩张中真正兑现价值。

01

从芯片到软件，系统级硬仗的光与影

国产AI芯片公司有很多种技术路线。

选择GPGPU路线的公司，希望依靠更通用的计算架构和兼容生态切入市场；燧原则从一开始选择了另一条路——基于自主指令集和DSA架构，研发自己的AI计算体系。

这意味着，它既没有直接复刻英伟达的GPGPU架构，也没有选择兼容CUDA作为软件生态的起点。

这条路的好处和代价都很明显。

针对AI计算进行专门设计，让芯片在架构上有更大的自主优化空间；但离开已经成熟多年的CUDA生态，也意味着从驱动、编译器、算子库到开发工具，都需要自己重新搭一遍。

燧原将这套体系拆成了三个层次。

最底层是芯片和硬件。燧原基于自研指令集开发GCU-CARE加速计算单元，并通过GCU-LARE片间高速互连技术解决多颗AI芯片之间的数据交换。需要特别区分的是，GCU-CARE并不是一颗具体芯片，而是燧原芯片架构中的核心加速计算单元，目前已经迭代四代微结构，第四代原生支持FP8等多种精度计算。

往上一层是软件。

燧原自研的驭算TopsRider，覆盖驱动、编译器、算子库、工具链以及深度学习框架等环节。对于一条不依赖CUDA的技术路线而言，这部分能力的重要性甚至不亚于芯片本身——芯片的纸面性能最终能释放多少，很大程度上取决于模型能否迁移、算子能否优化以及开发者是否愿意使用。

目前，燧原硬件已经适配近千个AI模型，覆盖互联网及非互联网领域超过300个应用场景。

再往上一层，则是智算系统和算力集群。

把这三层放在一起看，燧原过去八年的研发逻辑就更容易理解：它做的不是几个互不相关的产品，而是在尝试建立一条从芯片、硬件、软件一直延伸到集群的技术链。

这也是一条昂贵的路线。

2023年至2025年，燧原三年累计研发投入36.76亿元，截至2025年末838名员工中有643名研发人员。对于一家尚未盈利的AI芯片公司来说，这种投入强度背后，是芯片公司做全栈技术绕不开的成本。

但技术最终有没有价值，不能只看研发投入，还是要看它有没有进入真实业务场景。

这也是腾讯之于燧原真正值得讨论的地方。

02

订单之外的燧原与腾讯

打开燧原科技的招股说明书，有一个名字无论如何都无法回避——腾讯。

很多人看到腾讯占股高达20%且为第一大客户，很直接地会心一笑，背靠大树好乘凉。

实际上，这的确是无法回避的客观事实：腾讯既是燧原最大的投资方，也是最大的应用厂商。招股书显示，受益于与腾讯在软硬件定制化方面的多年深耕，燧原的多代产品已在广泛的互联网AI场景中大规模商用，持续为国民级应用提供算力支撑。

但如果我们拆解燧原和腾讯的关系，仅仅从“好乘凉”角度进行分析，就低估了大厂与芯片厂商这层关系的战略价值。放眼全球，谷歌、meta等深度绑定外部合作伙伴进行芯片研究，都印证了算力大厂与芯片厂商深度绑定是行业常态，也有他一定的存在价值。

这与芯片行业本身的核心底层逻辑相关，也就是芯片设计导向决定产品生死。

这个行业的周期长，资产重。从一颗砂子到最终植入终端设备的芯片，需要经历设计、晶圆制造、光刻、封装等数个产业链环节，且每个环节都涉及极其复杂的设备与材料。以国内备受瞩目的光刻设备为例，如果涉及高端芯片，其精度要求堪称极端：这相当于两架飞机并排高速飞行，还要从一架飞机上伸出一根针，在另一架飞机上的一粒米上刻字，且刻字过程中两架飞机还在剧烈颠簸。

这种极致的精细度，注定了芯片研发一旦方向跑偏，沉没成本将是灾难性的。

因此，对AI芯片公司而言，最稀缺的不只是一个愿意采购的客户，而是一个愿意把真实业务场景开放出来、持续共同迭代产品的客户。

腾讯与燧原从2019年开始合作。双方围绕业务场景适配、AI模型性能调优和软件栈完善持续投入资源，合作经历了从单一场景小规模验证，到多场景大规模验证，再到常态化批量合作的过程。目前，燧原产品已经在腾讯多个AI业务场景规模化部署。

这其实回答了国产AI芯片商业化中一个非常现实的问题：

一颗芯片从“能跑”到“能用”，中间到底差了什么？

实验室里的Benchmark（基准测试）能够证明芯片在特定负载下的峰值能力，但国民级互联网应用面对的是另一套考题：业务流量持续变化、模型不断更新、任务类型复杂，还要同时面对高并发、长时间运行和大规模部署。

这要求芯片厂商解决的就不只是“算得快”，而是模型迁移、软件稳定性、集群调度、故障处理以及长期运行等一系列工程问题。

从这个角度看，腾讯给燧原提供的不只有订单，更像是一个长期存在的产品验证场。很多实验室里暴露不出来的问题，会在真实互联网业务里被不断放大，再反过来进入下一代芯片和软件的定义。

这也是为什么具有长期合作关系的大客户对于一家芯片创业公司往往具有两面性。

一方面，它帮助燧原完成了从芯片研发到大规模商业部署的跨越；另一方面，当一个客户占据绝大多数收入，燧原下一阶段必须回答的问题也非常明确：在腾讯验证过的这套能力，能不能复制到更多客户？

至少从收入规模来看，燧原已经进入加速商业化阶段。2023年至2025年，公司营业收入从3.01亿元增长至9.90亿元；2026年上半年营业收入进一步达到11.2亿元，半年已经超过2025年全年。

但真正决定下一阶段空间的，可能还不是多卖多少张卡。

因为AI芯片行业的竞争规则本身也在发生变化。

03

万卡集群，AI算力新赛场

大模型一夜爆火，巨大的参数量呈指数级增长，Open AI、Google、Anthropic等公司旗下的产品早已迈入万亿参数规模，而这个“万亿俱乐部”中，绑定英伟达生态，是一道隐性的门槛。

尽管DeepSeek等稀疏模型通过架构创新显著提升了算力利用率，但整个行业算力消耗仍在攀升是一个不争的事实。在“算力是刚需”与“高端买不到”的极限拉扯中。问题被逼回了原点——我们究竟需要怎样的国产算力？

很多人会把单纯的一张卡等同于算力。实际上，今天谈规模算力，早就从买卡插服务器切换到了一场更高维的战争，算力、显存带宽、互联带宽、散热、软件栈、集群调度，全部都要过关。

在燧原的招股书里，“AI加速卡及模组”是燧原最核心的收入，占比高达86.83%。

单卡性能再强，面对动辄千亿、万亿参数的大模型，终究只是“单兵作战”。要真正打赢这场战争，必须把无数张加速卡拧成一股绳，通过极致的系统级互联，打破单机与机柜的物理边界——这就引出了燧原押注的另一个核心战场：超节点。

在刚刚过去的WAIC（世界人工智能大会）上，燧原与中兴通讯联合发布了云燧ESL64-O超节点，采用OEX正交无背板架构，实现“零线缆”互联。

这一技术的最大特点在于在用"空间垂直交叉"替代"平面线缆绕接"，在物理层做减法，却能在性能层做加法，保证传输的低时延、高密度、高可靠以及低成本。

公开资料显示，云燧ESL64-O超节点能支持万卡级集群组网，也被称为是国产智算基础设施系统级创新的代表。

从这个维度再看燧原，过去八年的技术路线反而变得更加清晰。

芯片是起点，软件决定它好不好用，互联决定它能不能扩大，集群则最终决定算力能否规模化交付。

如果说过去国产AI芯片公司的第一张门票，是能不能设计并量产一颗性能足够好的芯片，那么下一张门票正在变成：能不能把一颗芯片变成一套真正可规模化部署的算力系统。

这也是燧原走到今天真正需要证明的事情。

燧原过去八年搭建的并不只是几代AI芯片，而是一套试图贯穿芯片、硬件、软件和集群的计算体系。

如今，当行业开始跳出单卡博弈，这套体系也终于走到了检验其商业价值的时刻。