九五至尊
无问芯穹夏立雪：智能体带来Token分层，国产芯片适配效果明显提升_我的网站
A | “今年上半年公司Token调用量7个月增长40倍，其中95%以上的推理任务来自智能体（Agent）需求。” 在2026WAIC期间，无问芯穹CEO夏立雪在接受澎湃新闻记者等媒体采访时表示，目前无问芯穹已在全国纳管16种不同架构芯片、合计3.7万P算力，过去一年已将推理成本降低至十分之一，未来全链路协同下仍有90%成本下降空间。 夏立雪认为，当前AI行业的核心矛盾从未改变：需求是指数级增长，芯片供给的增长是线性的，单纯堆芯片已经追不上需求增速。“大家不是觉得AI没用，是觉得它有点贵——这本身就是供不应求的信号，如果供大于求，大家只会觉得它没用。 【TechWeb】知名半导体分析机构 SemiAnalysis 发布了对华为麒麟 9030 芯片的拆解报告。” 过去三年推理成本的下降，已经带动了第一批场景落地；他判断未来全行业仍有至少90%的成本下降空间，来源不只是单点技术优化，而是全链路协同：跨域异构集群的资源池化、PDD等新架构的普及，以及场景端的需求分层。
B | 报告显示，这颗由中芯国际（SMIC）代工的芯片，其最小金属间距（metal pitch）达到 32.5nm，比 Intel 最新的 18A 工艺 Panther Lake 的 36nm 还要大约 10%。 夏立雪认为，真正的生产力应该是“资源规模×Token生产效率×Token转化为生产力的效率”。
C | 更关键的是，这家中国晶圆厂是在无法获得最先进 EUV 光刻机的情况下，通过 DUV 多重 patterning 和设计-工艺协同优化（DTCO）达到这一密度水平。
D | 目前全行业还在共创价值衡量指标，本质是计量每个Token产生的实际经济价值，推动行业从“按Token数量计费”转向“按最终价值计费”。 据了解，今年上半年，无问芯穹Token增量几乎全部来自Agent。“95%以上的推理任务跑的都是智能体相关任务，不管是直接服务大模型厂商，还是直接服务垂类客户，最终需求都来自Agent落地。 一颗“金属间距比 Intel 18A 更小”的中国芯片 SemiAnalysis 的拆解指出，麒麟 9030 采用 SMIC 的 N+3 工艺（第三代 7nm 级节点），其 M0 局部金属层间距为 32.5nm，而 Intel 18A 的 M0 间距为 36nm。”夏立雪表示，目前代码生成、文娱营销、基础设施运维、具身智能、制造、电力、法律等行业都已经在大规模使用AI。 针对行业普遍关注的Token标准化问题，夏立雪明确判断：Token必然分层，且分层已经在发生。未来会出现面向高端复杂任务的高价值Token，也会有面向简单场景的高性价比Token。
E | 这意味着在最细金属线宽这一指标上，SMIC N+3 已比 Intel 最新一代逻辑节点更“紧凑”。
F | 不过，报告也强调，金属间距只是衡量制程能力的指标之一，并不能代表整体工艺水平。
G | SMIC N+3 的晶体管密度约 113.4 MTr/mm²，略高于 TSMC N6 的 107.7 MTr/mm²，但仍明显落后于 Intel 18A 的高密度库。 这种分层直接带动了过去一年国产芯片的落地进展。 没有 EUV，如何做到更密金属层？ 在 EUV 光刻机被出口管制限制的背景下，SMIC N+3 并没有“等 EUV 可用”才开始推进先进制程。SemiAnalysis 的分析显示： SMIC 通过“DUV 浸没式 + 自对准四重图形（SAQP）”等高复杂度工艺，实现与 TSMC N6 相当的逻辑密度，但代价是工序更多、成本更高、控制难度更大。报告明确提到，即便没有 EUV，SMIC 仍达到甚至超过了一些使用 EUV 的成熟节点（如 TSMC N6）的密度水平。他坦言，国产芯片适配效果的明显提升，一半来自技术端解决了跨集群调度、负载均衡等问题，更核心的原因是Agent带来了任务分层：智能体会派生大量不同复杂度的子任务，不需要所有任务都跑在最高端的芯片上，国产芯片可以承担自己擅长的任务，不用再“硬扛”最复杂的大模型训练负载。
H | “不同芯片各有侧重，都能在价值金字塔里找到自己的位置，不用浪费资源杀鸡用牛刀。 这回答了 SemiAnalysis 提出的那个关键问题：在 EUV 不可得的前提下，中国芯片制造到底走到了哪一步？——至少从金属间距和局部密度看，它已经逼近甚至某些指标上“咬住”了最新一代制程。
I | 金属更密 ≠ 整体领先 SemiAnalysis 同时强调，“金属间距更小”的标题很抓眼球，但并不等同于工艺整体领先： 在晶体管密度、性能、功耗等综合指标上，SMIC N+3 仍落后于 Intel 18A、TSMC N3P 等最先进节点。” 夏立雪透露，目前无问芯穹已经在和行业客户探索多模型协同的分层交付模式，通过不同能力的模型配合完成任务，直接为最终结果负责。 对于今年的热点话题物理AI，无问芯穹宣布将具身智能场景纳入Token工厂的覆盖范围。高密度是通过更复杂的 DUV 多重图形、更严苛的设计规则和工艺控制“换”来的，这在良率和成本上带来额外挑战。报告指出，麒麟 9030 的整体性能大致相当于三年前的 Android 旗舰 SoC，与当前苹果、高通、联发科、三星的最新旗舰仍有明显差距。 夏立雪表示，AI必然从数字世界走向物理世界，云侧GPU、边缘节点、机器人本体的算力都应该被纳入统一资源池调度，而团队过去在大规模云侧强化学习、跨集群调度上积累的能力可以直接复用，其发布的RLinf新版本已经实现真机渲染、训练到推理的全链路云边协同，Mizar-Robo推理优化方案已经和星海图、云深处等具身机器人厂商达成合作，优化机器人端侧推理效率，形成“机器人采集物理世界数据-云侧强化学习训练-端侧推理落地”的闭环。“我们不做机器人本体，就做好具身场景的Token工厂，给伙伴们提供低成本的弹药，让他们能以更低的成本推产品、拓市场。
J | 对先进制程竞争格局的启示 这次拆解再次说明，先进半导体竞争比“有没有 EUV”的简单二元判断更复杂：在没有 EUV 的条件下，SMIC 通过 DTCO、SAQP 等手段，仍然把金属层密度推进到接近甚至部分指标优于 Intel 18A 的水平。” 谈到AI赛道的行业竞争，在夏立雪看来，AGI不是单一公司能完成的使命，当前行业供需缺口还在持续扩大，只要技术能创造效率价值就有商业空间。这意味着出口管制改变了问题的难度，但并未完全冻结中国先进制程的演进路径。近期智谱GLM、月之暗面Kimi等清华系开源大模型登顶国际榜单，中国的开源生态是核心优势，开源让技术、数据、资源能更快流动形成闭环，带动全行业效率提升。同时，从性能、功耗、良率等多维度看，SMIC 与全球最领先工艺之间仍有明显差距，中国在整体生态、EDA、材料与设备等方面仍面临“追赶之路”。 当天，无问芯穹公布Agentic Infra 的“前店后厂一中心”战略布局，涵盖三大核心技术能力与产品服务体系：“算力集散中心”：Agentic Infra 自主式基础设施平台；“Token工厂”：Agentic MaaS 大模型服务平台；“AI生产力商店”： Agentic Infra 行业解决方案。
Current article:http://ofz.cengzaodengchawonin.cyou/news/20260826_8609.html
Published on:04:03:27
