Qzone
微博
微信
9月20日-21日，2026全球AI芯片峰会（GACS 2026）在上海举行。亿铸科技创始人、董事长兼CEO熊大鹏亮相大模型AI芯片高峰论坛，围绕AI算力架构演进、数据搬运、软件生态与异构计算等话题发表演讲，并结合产业发展与技术实践，进一步阐释“通用存算一体三大定律”。
亿铸科技创始人、董事长兼CEO熊大鹏发表主题演讲
随着大语言模型、多模态模型、AI Agent等应用持续发展，模型规模、上下文长度和推理需求不断增长，算力系统对计算能力、存储带宽和能效的要求不断提升。
熊大鹏认为，传统计算架构长期围绕“有效算力”持续优化，通过提升计算单元的利用率来获得更高的计算效率；而随着数据规模和模型复杂度不断增长，计算系统面临的瓶颈也逐渐从“算得快”延伸至“数据供得上”。在这一背景下，算力系统的关注点也从对“有效算力”的持续追求，进一步延伸至对“有效带宽”的持续追求。
在此基础上，熊大鹏从数据搬运、软件生态和异构协同三个维度，进一步阐释通用存算一体三大定律。
搬运代价定律：架构革命本质是数据搬运的革命
熊大鹏认为，AI计算中，数据需要在存储与计算单元之间频繁移动，数据搬运带来的功耗与延迟开销正成为影响系统效率的重要因素。从计算架构的发展来看，降低数据搬运成本始终是架构演进的重要方向。
近存计算、3D封装等技术通过缩短存储与计算之间的物理距离，为缓解存储墙提供了新的技术路径；而存算一体则进一步从计算架构出发，探索减少乃至消除多级缓存以及矩阵计算过程中的数据搬运。
在这一思路下，亿铸科技将3D DRAM大容量堆叠与全数字通用存算一体架构结合，探索面向大模型场景的数据供给和计算效率问题。
通用边界定律：生态优势与硬件效率需要协同
随着AI应用从单一场景向大模型、多模态、Agent等更加复杂的场景扩展，专用计算单元能够针对特定任务进行优化，但其应用范围也受到软件适配和生态支持能力的影响。
熊大鹏认为，算力平台的竞争不仅体现在硬件效率，也体现在软件生态。CUDA、PyTorch等主流软件生态已经形成广泛的开发者和应用基础，对主流软件栈的兼容能力将直接影响模型迁移、开发适配和部署成本。
因此，通用算力需要在硬件效率与软件生态之间取得平衡。亿铸科技持续推进对CUDA、PyTorch等主流开发生态的兼容，降低大模型迁移和部署过程中的适配成本，使通用存算一体架构能够覆盖更加广泛的应用场景。
异构终局定律：存算一体走向异构协同
熊大鹏指出，单一计算单元难以同时兼顾零搬运、全通用和高扩展等多重目标。面向更加复杂的AI计算需求，不同类型的计算单元需要在系统层面进行协同。
其中，存算一体计算单元可以承担高密度矩阵计算，通用计算单元则负责复杂的通用逻辑处理；通过统一指令集和架构设计，将不同计算单元进行协同，可以进一步发挥系统整体效能，而非单纯追求单一计算模块的极致指标。
技术路线持续落地，算力方案加速验证
作为三大定律的践行者，亿铸科技基于3D DRAM的全数字通用存算一体AI芯片已流片，完成从理论架构到芯片硬件的全链路验证。
经测试验证，相较主流云端GPU，亿铸通用存算方案可实现数倍性能提升、约1/5功耗和约1/6成本的综合表现。在大模型推理场景下，同等业务规模下，推理算力综合TCO（总拥有成本）最高可下降约88%，进一步降低数据中心运营成本，为AI规模化应用提供更具成本效率的算力选择。
在软件与系统层面，亿铸科技已形成覆盖自主ISA指令集、软硬协同架构、异构融合计算IP、CUDA兼容编译器、算子库及算力组网系统的全栈技术体系，并围绕云、边、端不同场景持续推进产品布局，满足不同规模和应用场景的算力需求。
面向Agentic AI时代不断增长的算力需求，亿铸通用存算方案支持1M超长上下文窗口、混合精度与MoE稀疏计算、集群级KV Cache池化等特性，可降低KV Cache检索延迟，提升长程任务处理能力与有效算力吞吐，为智能体复杂任务处理提供算力支撑。
熊大鹏表示，进入后摩尔时代，AI算力架构需要从单一峰值指标进一步走向真实业务场景下的有效算力、有效带宽与综合成本。通用存算一体仍处于持续演进阶段，其技术价值需要通过架构、软件生态以及实际应用的协同发展进一步验证。
亿铸科技将继续围绕通用存算一体架构，推进3D DRAM、自研ISA、异构计算及软件生态建设，探索面向大模型推理及新型AI应用的算力基础设施。
延伸阅读：
点击下方菜单栏 “ 
” 选择 “分享”， 把好文章分享出去!
为推荐给更多人
分享写下你的想法>
