云天励飞近日召开“大算力芯片战略前瞻会”，正式公布未来三年在AI推理芯片领域的战略布局。公司提出“训练追赶、推理超车”的发展路径，计划通过技术突破降低大模型推理成本，推动AI技术从实验室走向规模化应用场景。
董事长兼CEO陈宁在会上指出，训练芯片与推理芯片在技术需求上存在本质差异。训练芯片追求算力规模与计算精度，而推理芯片的核心竞争力在于成本控制与效率优化。他透露，公司正以“百万Tokens一分钱”为目标研发下一代芯片，未来三年内将成本进一步压缩至“百万Tokens 0.1分钱”，为AI商业化落地创造条件。
针对中国芯片产业发展，陈宁提出差异化策略：在训练芯片领域持续追赶国际先进水平，在推理芯片领域依托国内应用场景优势实现弯道超车。他强调，中国丰富的产业需求、强大的基础设施以及开源模型生态，为推理芯片创新提供了独特机遇。
CTO李爱军详细介绍了技术实现路径。公司基于“PD分离”架构规划了三代芯片产品：首年推出面向计算密集型任务的P芯片，对标Hopper架构；次年研发面向访存密集型任务的D芯片，对标Blackwell架构；2028年发布第二代D芯片，实现毫秒级推理时延，算力比肩下一代Rubin架构。这种异构设计通过超节点组合满足大模型集群化部署需求。
支撑该路线图的核心是云天励飞自主研发的GPNPU架构。该架构包含四大创新：通过CUDA兼容提升易用性，降低模型迁移成本；优化NPU内核能效比，提升推理性价比；引入3D Memory结构降低访问时延；采用“算力积木”架构实现超节点扩展，支持万亿级参数模型推理。这些技术突破将助力单位推理成本降低两个数量级以上。
公司高级副总裁邓浩然补充介绍了资源保障措施。在资本层面，公司将通过战略融资与产业合作确保研发持续投入；在人才方面，已组建跨学科团队覆盖芯片架构、算法优化与系统集成；产能规划上，与国内先进制程代工厂建立深度合作，保障芯片量产稳定性。
业内分析认为，云天励飞的战略抓住了AI规模化应用的关键痛点。当前大模型部署成本高企，制约了技术在医疗、教育、制造等领域的渗透。通过架构创新与生态兼容降低推理门槛，有望加速AI技术向传统产业赋能，推动智能化转型进入新阶段。
