撰文 | 雁 秋
编辑 | 李信马
题图 | 中昊芯英
在WAIC 2026期间，中昊芯英落地了两件事：
一件，是第二代自研TPU架构AI芯片“须臾”首秀，其896TFLOPS的混合精度算力相较传统芯片降低50%的功耗。
另一件，由中昊芯英和杭州电信、中兴通讯联合打造的华东地区（杭州）首个国产TPU千卡智算集群落地，有媒体称这“标志着国产算力从实验室走向大规模商用”。
华东地区（杭州）首个国产TPU千卡智算集群现场
中昊芯英专注做国产TPU芯片，是国内掌握高性能TPU架构AI专用算力芯片核心技术的公司之一。旗下产品从“刹那”到“须臾”，用八年进化轨迹揭示了中国AI算力产业在通用GPU之外的另一条可能路径。
相较初代TPU AI芯片，“须臾”性能有着怎样提升？国产化率达到多少？在Token经济下，公司会在何时实现投入与回报的真正平衡？WAIC期间，DoNews与中昊芯英创始人、CEO杨龚轶凡以及中兴通讯、中国电信相关负责人进行了对谈。
01、八年，死磕TPU
提起芯片，大多数人想到的是GPU，它诞生于1990年代，开始是为了游戏而做的，其核心任务是将三维物体在二维屏幕上快速显示。这也决定了它的架构：单卡独立运行、少量芯片互联完成图形任务。在AI时代，人们发现GPU算力强，就用来做AI。
TPU则不同。中昊芯英2018年成立之初，就做了一个在当时看起来很“非主流”的判断：基于Attention机制的Transformer架构大模型，一定会成为未来AGI的核心技术载体。所以他们从一开始就把芯片架构定在“大规模深度学习、海量神经网络分布式并行运算”这个专属场景上。
中昊芯英创始人、CEO杨龚轶凡在媒体采访中回溯了这一逻辑，他认为，英伟达、AMD深耕GPU架构近三十年，旁人几乎没有弯道超车的可能。而TPU芯片本身就是为了深度学习，或者大规模深度学习的模型设计，无论是硬件栈还是软件栈，都比GPU更适合当前的AI发展。
架构之间的差异会演变成不同的结果。
TPU可以塞进去的脉动阵列比GPU多得多，算力密度天然更高；GPU为了照顾图形渲染，得留一堆通用控制单元，但TPU不需要，可以把这些资源全部释放给计算、通信和存储搬运。功耗优势也很明显，同样的模型计算能力下，TPU的功耗可以做到对标GPU产品的70%左右，而且这个优势在集群规模扩大时会被指数级放大。
杭州电信智算及IDC中心总经理王良在运营实践中验证了这个判断：“TPU擅长做张量运算，推理能力是它的长处之一。” 此外，广义的GPU正在往泛化异构方向发展，谷歌TPU的持续迭代和价格竞争力已经证明了专用架构的商业价值。
八年前，中昊芯英选择TPU这条路时，没多少人理解。但八年后，全球算力市场GPU份额已经下滑到50%左右，TPU架构占了另外半壁江山。
02、国产化率有几成？
中昊芯英在2023年成功流片了国内首枚高性能TPU AI专用算力芯片“刹那”，并实现量产和产业化。三年后，中昊芯英基于“刹那”规模化落地的实践经验，推出了新一代TPU AI芯片“须臾”。相较第一代，“须臾”的性能提升了3倍，且芯片整体功耗没有出现明显上涨。
不过，一般提到“国产”都会逃不开一个追问：到底有多少是自己的？
杨龚轶凡在回答DoNews的提问时，给出了几个明确的数字：“中昊芯英从算子层面来说国产化率是100%，没有购买任何数字IP，所有核心IP都是自己开发的，指令集、计算平台也全部100%自研。”
所谓指令集，可以看作是芯片的“语言”。如果指令集依赖外部授权，不仅每一代产品都要支付高昂授权费，更关键的是永远无法真正掌握芯片的演进方向。从中昊芯英的自研程度看，其从芯片底层数据链路到上层软件栈，不存在对外部第三方IP或闭源组件的依赖。当然，硬件自主只是个开始，国产芯片从“可用”到“好用”，软件栈是最大的坎。“要看使用者生态、自身的灵活性以及芯片的性能，是否能够得到最大化的输出。”杨龚轶凡判断，行业至少还需要两到三年时间才能让软件栈真正成熟。
当前，几乎所有主流国产大模型都能在中昊芯英的TPU上运行。以智谱、DeepSeek等头部模型为例，中昊芯英可以在新模型发布当天就实现快速适配跑通。在基础适配跑通后，为把性能优化到极致，中昊芯还会用两周至一个月的时间进行专项调优工作，把芯片算力利用率、模型吞吐性价比打磨至最优水平。
为此，中昊芯英采用了务实的打法——以“Token Factory”模式对外提供标准化API服务，客户只需要调用API完成模型部署。“客户并不关心算力运行在什么框架，关心的是百万Token的成本和实现时间。”
这种方式让芯片在软件栈尚未完全成熟时即可实现商业化落地，同时在真实业务场景中持续收集反馈、迭代软件栈。
03、限制Token才是价值的显现
架构决定芯片的天花板，国产化是企业底线。但影响这盘棋局的大小，是2026年突然踩下油门的Token经济。
Agent的规模化落地让算力需求特征发生根本性转变：输入Token规模远超输出Token，两者差距最高能到一万倍。
这给算力基础设施提出了新要求：PD分离，即Prefill-Decode分离调度。简单理解，就是把模型处理输入内容的Prefill阶段和Token输出内容的Decode阶段拆开调度，分别交给最擅长的硬件去跑。
在这个场景下，TPU的架构优势又被放大了。通用GPU要兼顾全场景，而TPU底层架构原生支持PD分离调度，落地门槛更低、调度效率更高。
需要注意的是，Token经济爆发也带来了新的困境。在过往文章《企业想用AI赚钱，得先挺过“奇点”前夜》中我们曾提到某高管提出的Token经济三大定律，其中的奇点定律直指产业背后的商业逻辑：奇点之前，成本曲线与价值曲线之间存在落差——虽然单Token价格在持续走低，但由于企业用量暴增，总体算力投入反而在扩大，企业陷入“越用越便宜、越用花越多”的困境。
用得太顺手，依赖性太强，大家开始反思两个问题：第一，投入量和产出是否成正比？第二，这些Token到底有没有被很好地使用？
“很多人用Token做原本不需要Token解决的事情，或者就是用来‘玩’，没有应用在真实生产环境里，造成了大量浪费。”杨龚轶凡坦言，公司内部甚至开始主动限制Token使用，因为消耗量已经远超合理预期。
个体效率与组织效率的“时差”，恰恰是Token经济当前最微妙的阶段。杨龚轶凡观察到，当企业开始主动限制Token时，恰恰说明一线员工已经从心底认可了大模型的价值。
“单个研发人员的效率可能提升了5到10倍，但这并不代表公司的整体效率或盈利能力得到同步提升。对任何组织来说，中间永远存在一个滞后过程。”这个“滞后”正是当前Token经济悖论的症结所在，只有当公司运作方式能够适应大模型的发展节奏，当大部分工作都能由模型协同完成，才是真正的拐点。
当大家都在主动“限流”时，意味着供需双方已经完成了价值认可的第一步。接下来的核心命题就是让组织效率匹配个体效率的提升，一旦这个匹配完成，Token经济才可以从不计成本转向精打细算，在奇点处完成交汇。
写在最后
“须臾”可以说是国产算力长河中的一个锚点，中昊芯英用100%自研指令集和规模化集群验证了一个道理，在AI时代，追赶并非唯一选择，架构创新才会有超车的机会。
