解决大模型推理应用落地成本痛点。 作者 | ZeR0 🎉 编辑 | 漠影 芯东西9月15日报道，陕西AI 🚀Chiplet芯片创企北极雄芯今日宣布完成新一轮过亿元融资。😁本轮融资引入无锡高新区科产集团等投资方，另有云晖资本等多名老😡股东追加投资，融资将用于启明935系列端侧AI解决方案的开发🙌及量产工作，以及面向云端推理场景的解决方案。 北极雄芯👏成立于2021年7月，由清华大学姚期智院士孵化，由交叉信息学🌟院马恺声副教授创立，致力于通过芯粒（Chiplet）等创新架🤔构为AI应用在各行业落地提供高灵活性、低成本、短周期的解决方😊案。 有别于传统单芯片的设计模式，Chiplet设计模🙌式通过将大芯片拆分为小芯粒进行生产并集成封装，可有效提升大面🙄积芯片制造的综合良率，并通过芯粒复用创造灵活的搭配选择。 ⭐ 基于多年来在NPU、Chiplet芯粒互联等基础能力上的⭐积累，该公司已与下游大模型厂商合作研发基于Chiplet及3💯D集成技术的云端推理加速方案，并与主流主机厂开展面向车端大模😍型应用的软硬一体化解决方案。 面向大模型推理需求，北极😀雄芯基于积累的NPU及工具链能力、模型部署优化能力、Chip🤔-to-Chip互联能力等，推动面向云端推理PD分离策略的专😀用加速方案研发，通过Chiplet+PIM/PNM堆叠等前沿⭐技术，利用全国产化供应链资源，较目前主流部署方案进一步提升1🤩0倍以上性价比，预计将于2026年正式量产。 官网显示🤗，北极雄芯启明930是国内首款基于异构Chiplet集成的智😊能处理芯片，采用12nm工艺生产、国产基板以及2.5D封装，😀并根据国产基板特性对封装方案进行优化，保证多芯片互联传输效率😍。 其中，HUB Chiplet采用国产RISC-V 🥳CPU核心，Side Die搭载自研第三代“MUSE”NPU😊，可灵活配置不超过6个Side Die扩展，提供8~20TO😴PS（INT8）稠密算力。 其自研第三代“MUSE”核😂心架构NPU支持INT4、INT8和INT16计算精度，支持🤩常见的卷积层、线性层、池化层和激活层，功能上支持常用检测、分🤯类模型；不同NPU核心既可独立运行，也可联合运行加速同一任务😉，使用灵活方便，芯片资源利用率平均可达70%。 基于全👍国产基板及封装的供应链能够有效提升AI芯片设计制造流程国产化😆率，提供成本可控、供应稳定的高性能计算解决方案。 据介🤯绍，北极雄芯面向端侧AI应用的“启明935”家族系列芯粒已完🤯成研发，其中启明935高性能车规级通用SoC芯粒、大熊星座N🙌PU芯粒已完成测试并适配主流模型，智能座舱系统芯粒已成功交付👏流片。 该公司是国内唯一取得芯粒级车规认证的企业，基于🔥不同数量芯粒组合封装的“启明935”系列芯片可覆盖座舱域、驾🌟驶域不同档次的功能需求： QM935-A04芯片及基于😜Chiplet互联的双A04芯片模组可分别适配 3B~13B😉多模态模型，覆盖AI Box等座舱AI Agent的下一代智😉能座舱产品； 基于Chiplet互联的QM935-A08多芯😢模组可提供 400~800TOPS算力及 150~300GB😘/s存储带宽，芯片间直联通讯可开展大模型分布式计算处理，为下😍一代VLA智驾提供组合解决方案； QM935-C08芯片与C🤔08-A04芯片模组，通过集成 1.3TFLOPS的GPU能😢力及多媒体模块能力，可满足基于大模型的AIOS智能座舱乃至舱😆驾一体的解决方案，提供"One Board"的高性价比选择。🎉 依托清华大学团队的大模型部署优化能力及多年来Chip😁let车规级芯片的积累，北极雄芯向客户提供端侧大模型软硬一体🤔化解决方案，支持主流端侧大模型在芯片上的适配优化，为主机厂提🎉供差异化功能开发机用户体验提升提供核心竞争力，已与长安、吉利😀等主流厂商开展POC合作，稳步推动定点及量产。 北极雄🔥芯在无锡高新区太湖湾科创城落户智能驾驶业务总部，将有助于依托💯无锡成熟的先进封装能力及软件开发人才资源，提升其车端大模型落😢地的核心竞争力。 云晖资本是北极雄芯的老股东。据云晖资🌟本创始合伙人朱锋观察，汽车主机厂近年来自定义芯片功能意愿明确🙄，芯粒可提供更低成本、高灵活性的方案；同时，国产服务器芯片渗🙄透率明显提升，厂商开始使用芯粒架构提高算力，尤其在推理场景更😎有优势。 无锡高新区科产集团认为，北极雄芯作为国内首家😀基于全国产封装供应链完成Chiplet异构集成工艺验证的企业😉，其技术突破对高端芯片的自主化进程具有重要意义。返回搜狐，查😉看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新🙄一期的国际权威期刊Nature（自然）中，DeepSeek-🔥R1推理模型研究论文登上了封面。该论文由DeepSeek团队🤩共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发🎉大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na😅ture封面，也是全球首个经过完整同行评审并发表于权威期刊的😀主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🤯可。 Nature在其社论中评价道：“几乎所有主流的大😊模型都还没有经过独立同行评审，这一空白终于被DeepSeek❤️打破。” 中国AI大模型的“Nature时刻” 😘自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终👍缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡🙄有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🎉 DeepSeek以其公开性和透明性打破了这一局面。D😆eepSeek-R1模型的研究论文最早于今年年初发布在预印本🙄平台arXiv上。自今年2月14日向Nature投递论文至今🙄，历经半年，8位外部专家参与了同行评审，DeepSeek-R👍1推理模型研究论文终获发表，完成了从预印本到Nature封面🤗的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方🤔法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😅和可重复性的可喜一步。 因此，Nature也对Deep🤩Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😜主流的大模型都还没有经过独立同行评审，这一空白终于被Deep🌟Seek打破。”全球知名开源社区Hugging Face机器🙌学习工程师Lewis Tunstall也是DeepSeek论😢文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这😡种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的😅潜在风险。” 据了解，DeepSeek本次在Natur🤔e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🤯不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细😂节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😴提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行😂了全面评估。 其中，在训练成本方面，R1-Zero和R⭐1都使用了512张H800GPU，分别训练了198个小时和8😀0个小时，以H800每GPU小时2美元的租赁价格换算，R1的👏总训练成本为29.4万美元（约合人民币209万元）。不到30🤯万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可👍谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏🚀”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😀然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😜的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型😘输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O😀penAI称它发现DeepSeek使用了OpenAI专有模型😁来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 😍 R2何时问世引发关注 自今年年初发布R1以来，D🙄eepSeek在全球树立了开源模型的典范，但过去数月，外界对😎于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2💯的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有👍关。 展开全文 值得注意的是，今年8月21日，D🤩eepSeek正式发布DeepSeek-V3.1，称其为“迈🚀向Agent（智能体）时代的第一步”。据DeepSeek介绍🚀，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同🤗时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🙄时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新😜模型在工具使用与智能体任务中的表现有较大提升。 由于R🥳1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路🎉上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🤯强调DeepSeek-V3.1使用了UE8M0 FP8 Sc🚀ale的参数精度，而UE8M0 FP8是针对即将发布的下一代🙄国产芯片设计。这也表明未来基于DeepSeek模型的训练与推🌟理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🎉态一度带动国产芯片算力股股价飙升。 中国银河证券研报指😘出，DeepSeek从V3版本就开始采用FP8参数精度验证了😎其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟😅制程（12-28nm）上接近先进制程英伟达GPU的算力精度，😁DeepSeek-V3.1使用UE8M0 FP8 Scale😅参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😉的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😜拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😍换取数量级性能的提升，国产算力芯片将迎来变革。 责编：👏万健祎 校对：王朝全 版权声明 " Typ😡e="normal"@@--> 证券时报各平台所有原创⭐内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关🙌行为主体法律责任的权利。 转载与合作可联系证券时报小助👍理，微信ID：SecuritiesTimes " Ty👏pe="normal"@@-->返回搜狐，查看更多