電子發(fā)燒友網(wǎng)報道（文/黃山明）在當(dāng)前，GPU已經(jīng)從最初的游戲圖形渲染工具，逐漸演變?yōu)橹悄軙r代的核心。簡單來說，如果沒有GPU，今天我們所熟知的ChatGPT、自動駕駛、AI繪畫等技術(shù)根本無法在合理的時間和成本內(nèi)實現(xiàn)。

近日，據(jù)媒體報道，上海棣山科技有限公司（以下簡稱“棣山科技”）對外披露其2nm高端AI GPU芯片最新研發(fā)進(jìn)展。據(jù)悉，該公司自主攻關(guān)的這款芯片已達(dá)到國際前沿設(shè)計水平，目前核心研發(fā)工作仍處于原型驗證關(guān)鍵階段。

國產(chǎn)2nm高端AI GPU

公開資料顯示，棣山科技成立于2021年，定位為專注高端半導(dǎo)體芯片研發(fā)與制造的高新技術(shù)企業(yè)，業(yè)務(wù)包括CMOS圖像傳感器、MEMS陀螺傳感器以及高算力AI GPU。

從此次該公司公布的AI GPU芯片來看，采用2nm工藝，F(xiàn)inFET/GAA混合制程加上Chiplet異構(gòu)集成，搭載公司自主研發(fā)的棣山智核（DS-Core），核心晶體管數(shù)量達(dá)1700億顆，芯片面積約800mm2，采用2.5D CoWoSL封裝，擁有1700億晶體管。

報道稱，經(jīng)多輪嚴(yán)謹(jǐn)仿真測試驗證，該芯片算力表現(xiàn)突出，其中FP32單精度算力可達(dá)50 TFLOPS，F(xiàn)P16半精度算力達(dá)100 TFLOPS，F(xiàn)P4低精度算力高達(dá)400 TFLOPS，可靈活適配不同精度需求的人工智能大模型訓(xùn)練、推理等高端算力場景。

同時能效比較上一代產(chǎn)品提升40%，典型功耗控制在350W以內(nèi)，每瓦算力可達(dá)142 GFLOPS，實現(xiàn)性能與能效的平衡。

并且研發(fā)團(tuán)隊還攻克了HBM封裝互聯(lián)、超低延遲片間通信（<0.25ns/mm）、微流道高效熱管理三大核心技術(shù)瓶頸，其中搭載的HBM4內(nèi)存單顆容量達(dá)48GB，引腳速率超11Gb/s，內(nèi)存帶寬可達(dá)3.2TB/s，相較上一代HBM3E帶寬提升約2.5倍，可滿足大模型訓(xùn)練時海量數(shù)據(jù)的高速傳輸需求。

還采用了微流道熱管理技術(shù)，宣稱熱失控風(fēng)險降低68%，芯片溫度控制在85℃以下，以幫助解決2nm高密度芯片的發(fā)熱問題。還支持NVLink 6兼容互連協(xié)議，單鏈路達(dá)1.6TB/s，能兼容主流CUDA生態(tài)。

這也是棣山科技在2025年首款自研2nm AI GPU原型芯片完成設(shè)計的第三階段，但值得注意的是，截至目前為止，這顆芯片仍未進(jìn)入正式流片階段，未完成從設(shè)計到實體芯片的關(guān)鍵跨越。

主要原因在于受到先進(jìn)制程代工、EDA工具適配、量產(chǎn)良率爬坡等行業(yè)共性挑戰(zhàn)的影響，棣山科技原計劃在2025年底完成流片前驗證，到2026年Q1實現(xiàn)量產(chǎn)，但這一目標(biāo)顯然已經(jīng)延后。

從行業(yè)的常規(guī)流程來看，高端AI芯片從原型驗證到流片測試，再到量產(chǎn)良率提升，最后到客戶導(dǎo)入及規(guī)模化商用，通常需要1-2年的時間。即便是英偉達(dá)的產(chǎn)品迭代周期也在10-24個月，例如從Hopper架構(gòu)到Blackwell架構(gòu)也經(jīng)歷了約2年的研發(fā)和驗證周期。這意味著這顆國產(chǎn)AI GPU，想要實現(xiàn)量產(chǎn)，至少也需要等待2028年，并且還有幾個巨大的難題需要解決。

PPT造芯？

盡管對于國內(nèi)企業(yè)推出的高端AI GPU感到振奮，但理論和實際往往有著巨大的區(qū)別。目前棣山科技的這顆2nm AI GPU仍然存在于設(shè)計階段，但問題在于當(dāng)前全球公開量產(chǎn)最先進(jìn)制程掌握在臺積電/三星手中，2nm工藝在業(yè)內(nèi)仍處于試產(chǎn)階段，并且EDA工具、IP授權(quán)、關(guān)鍵工藝模塊都受到了嚴(yán)格的出口管制。

尤其是EDA，目前支持GAA的最新版EDA軟件早已對華禁止出口，而2nm工藝涉及復(fù)雜的量子效應(yīng)和物理場分析，沒有Synopsys或Cadence的頂級工具支持，純靠國產(chǎn)EDA或舊版工具設(shè)計出1700億晶體管的復(fù)雜芯片，成功率極低。

而在國內(nèi)的公開信息中，沒有任何成規(guī)模的2nm產(chǎn)線公開宣布投產(chǎn)，那么棣山科技的這顆芯片要如何進(jìn)行制造呢？

并且Chiplet、2.5D/3D 封裝（CoWoSL等）雖然國內(nèi)有布局，但成熟度與臺積電差距仍較大。棣山科技在這種情況下，能否拿到臺積電的2nm產(chǎn)能？

在沒有公開技術(shù)路線和第三方驗證的情況下，便宣稱其“2nm AI GPU已達(dá)到國際前沿設(shè)計水平”，這一點值得商榷。

另一方面，棣山科技宣稱使用HBM4顯存，帶寬達(dá)3.2TB/s，但HBM4目前主要由SK海力士、三星和美光壟斷，高端HBM顯存屬于美國對華出口管制的重點對象。國產(chǎn)HBM產(chǎn)業(yè)鏈雖然在發(fā)展，但要在2026年量產(chǎn)高性能HBM4，技術(shù)難度極高，目前尚未有成熟的公開量產(chǎn)消息。

此外，NVLink是英偉達(dá)的專有互連技術(shù)，公開資料中各代協(xié)議和帶寬都有明確版本，但是NVLink 6兼容在公開信息里幾乎沒有什么先例，更多是面向內(nèi)部的生態(tài)。即使真有合作或者授權(quán)，通常也會在英偉達(dá)官方渠道或合作伙伴名單中看到痕跡，但這里面并未有棣山科技的身影。

至于CUDA兼容，本身就可以通過自己的編譯器/中間層實現(xiàn)，但真正好用、性能無損地跑主流框架和模型，需要大量工程和生態(tài)投入。

國內(nèi)目前公開的國產(chǎn)GPU宣布CUDA兼容的很多，但真正在生產(chǎn)環(huán)境大規(guī)模替代英偉達(dá)的案例極少，更多是能跑，但是遷移成本很高。

也就是說，目前棣山科技所公布的這款產(chǎn)品，只是一個早期芯片項目，用作紙面設(shè)計、架構(gòu)研究和仿真驗證，是完全合理的。

但是將2nm/GAA/HBM4/NVLink 6這種級別的指標(biāo)，在未流片階段就大規(guī)模對外宣傳，很容易誤導(dǎo)外界以為很快能量產(chǎn)，這與實際技術(shù)成熟度嚴(yán)重脫節(jié)。

并且令人疑惑的是，天眼查顯示公司參保人數(shù)為0（2024年報），即便后來有擴(kuò)張，也說明團(tuán)隊規(guī)模和項目體量未必能夠支撐2nm AI GPU 這種頂級工程的快速推進(jìn)。

總結(jié)

如果從物理定律上來看，這顆芯片是可能的，但目前產(chǎn)品還主要停留在設(shè)計階段，尚無第三方驗證的實物與測試結(jié)果。它更像是一個展示技術(shù)的產(chǎn)品，對外披露國內(nèi)企業(yè)在架構(gòu)設(shè)計上的能力。但從現(xiàn)實角度來看，目前并不適合將其當(dāng)做接近量產(chǎn)的產(chǎn)品，更不要基于這些宣傳來做重大商業(yè)決策。