云天勵飛大算力芯片戰略：把百萬Tokens推理成本降低100倍以上

2月3日，云天勵飛正式舉辦“大算力芯片戰略前瞻會”，首次對外公布未來三年的大算力AI推理芯片戰略布局。

會上，云天勵飛提出“訓練追趕、推理超車”的戰略方向，并發布了基于“PD分離”思路的芯片路線圖：力爭實現百萬Tokens推理成本降低100倍以上的目標，推動AI從技術嘗鮮走向普惠生產力。

云天勵飛董事長兼CEO陳寧博士發表演講

01戰略方向：訓練追趕，推理超車

云天勵飛董事長兼CEO陳寧博士在會上指出，訓練芯片與推理芯片在算力需求上存在顯著差異。訓練芯片更側重“絕對值”，對算力規模、帶寬能力以及科學計算的復雜精度要求更高，且對成本相對不敏感；推理芯片的核心考量則在于成本、效率與市場經濟學，關鍵在于每一個 Token 背后的邊際成本與整體性價比。

陳寧表示，公司致力于持續降低百萬Token的成本，目標是通過下一代芯片實現“百萬 Tokens 一分錢”。未來三年，公司希望將成本進一步降至“百萬 Tokens 0.1分錢”，以加速大模型應用的規模化落地。

對于未來五年的中國芯片產業發展，陳寧提出“訓練追趕、推理超車”的策略：在訓練芯片領域，目標是持續追趕，盡量保持差距不被拉大；而在推理芯片領域，依托中國豐富的應用場景、強大的基礎設施能力以及開源模型生態，有機會實現突破與超車。

云天勵飛董事長兼CEO陳寧博士發表演講

02基于“PD 分離”架構，三年規劃三代芯片

針對大模型時代云推理場景的需求，云天勵飛CTO李愛軍在會上介紹了公司的技術解構與路線圖。

他表示，云天勵飛將全力投入云推理場景的大算力芯片研發，基于對大模型推理計算特征的理解，按照“PD分離”的系統架構規劃兩類大算力芯片：

• P芯片（Prefill）：面向計算密集型需求設計，滿足Prefill階段的高算力要求；
• D芯片（Decode）：面向訪存密集型需求設計，滿足Decode階段的高帶寬需求。

李愛軍介紹，公司在芯片微架構層面針對Attention及AFN等計算特點進行細粒度分析，并在底層實現針對性優化。在一個包含1024顆芯片的超節點內，P芯片與D芯片可實現有效組合，以滿足大模型云推理的集群化部署需求。

云天勵飛CTO李愛軍介紹公司芯片產品規劃

未來三年，云天勵飛規劃了三代芯片產品：

• 今年（第一年）：打造第一代超節點P芯片，面向百萬級長上下文場景進行 Prefill 推理優化，算力水平對標Hopper架構；
• 明年（第二年）：研發第一代超節點D芯片，聚焦Decode推理的低時延目標，算力水平對標Blackwell架構；
• 2028年（第三年）：推出第二代超節點D芯片，面向毫秒級推理時延目標進一步優化，帶動Prefill與Decode性能提升，算力層面有望看齊下一代Rubin芯片。

云天勵飛高級副總裁、CFO兼董秘鄧浩然介紹公司資本、人才與產能情

03GPNPU架構的四大技術亮點

李愛軍表示，上述路線圖的核心支撐是云天勵飛的GPNPU架構。GPNPU不僅是處理器架構，也體現了對大模型推理系統架構的整體理解，其主要技術亮點包括四個方面：

• GPGPU級通用編程能力（CUDA兼容）：面向國內芯片“易用性”痛點，GPNPU架構強調對主流CUDA等生態的兼容與遷移支持，以降低客戶模型部署與遷移門檻；
• 極致能效的NPU內核：圍繞推理效率與能效比進行深度優化，提升推理側性價比；
• 引入3D Memory 結構：采用3D Memory結構，以獲得更高帶寬與更低訪問時延，提升推理效率；
• 算力積木架構：公司延續過去五年在國產工藝上的探索，以“算力積木”架構定義下一代芯片的Scale-up超節點，以滿足萬億級乃至十萬億級 MoE 架構大模型的推理需求。

推理時代的競爭，本質是“單位推理成本”的競爭。只有把推理做得足夠便宜、足夠穩定、足夠易用，AI才能從“看得見的能力”走向“用得起的生產力”。

未來，云天勵飛將以GPNPU架構為核心，大力推進云端大算力芯片，強化軟硬協同與存儲體系攻堅，力爭將百萬Tokens推理成本降低100倍以上，推動大模型從示范應用走向規模化交付。