力争百万 Tokens 推理成本降低百倍：云天励飞发布未来三年大算力芯片战略，首曝 DeepVerse 路线图

2月3日，云天励飞正式举办“大算力芯片战略前瞻会”，首次对外公布未来三年的大算力 AI 推理芯片战略布局。面对人工智能从“基础模型构建”迈向“规模化应用落地”的重要转折点，公司宣布将核心研发资源集中于攻克大模型落地的“成本壁垒”，致力于通过底层架构创新，力争实现百万 Tokens 推理成本降低 100 倍以上的目标，推动 AI 从技术尝鲜走向普惠生产力。



产业变局：推理竞速，从“参数内卷”转向“效能为王”

过去一年，全球算力产业的风向标已发生显著偏转，重心正加速向推理侧倾斜。谷歌在 2025 年 4 月发布第七代 TPU “Ironwood”时，明确将其定位为“面向推理时代”的基石，强调在大规模推理与能效上的系统化优化。

与此同时，围绕“更低时延、更低成本”的推理芯片与系统能力，产业整合动作也在加速。2025 年 12 月，英伟达与 Groq 达成非独占许可安排，并吸纳其核心工程人才团队加入，此举被视为强化推理与实时工作负载能力的关键布局。

这些行业信号共同指向一个趋势：推理侧竞争已不再单纯是“把模型做得更强”的参数竞赛，而是“让应用跑得更久、更稳、更便宜”的效能竞赛，单位推理成本与交付效率已成为规模化落地的最大门槛。

架构破局：GPNPU 路线重新定义“通用生态”与“极致能效”

推理时代的胜负手不在单点指标，而在系统级协同：既要承接主流软件生态，又要在推理负载下实现更优能效与更低时延。

云天励飞确立了 GPNPU 技术路线，并提出了“GPNPU = GPGPU + NPU + 3D 堆叠存储”的核心公式，旨在兼顾通用计算的“通用性”与 NPU 的“高效性”，在工程层面同时解决可迁移、可部署、可持续降本三大难题。
在通用生态层面，鉴于 CUDA 仍是全球最成熟、覆盖最广的加速计算平台之一，云天励飞的 GPNPU 架构致力于正视主流生态的迁移成本问题，能够实现一行代码完成 CUDA 程序兼容，极大降低了进入生产系统的门槛。


在推理能效层面，NPU 能够实现更高的计算效率和能效比，面对大模型推理这种高度结构化、可被体系化优化的负载，专用化设计带来的能效优势更容易转化为真实成本优势，这也是国际厂商持续加码专用路线的重要原因。

同时，针对行业公认的“内存墙”瓶颈，云天励飞正深度研发 3D 堆叠存储及更前沿的互连技术，以提升带宽与能效，降低推理时延。

在架构工程与产品化路径上，云天励飞进一步强调了两项可落地的优势。首先是“算力积木”架构，即通过 Chiplet 扩展与互连思路，将标准计算单元进行模块化封装与组合，让算力像搭积木一样按需扩展，形成从边缘到更大规模推理的弹性产品形态。

其次是面向推理的系统级优化能力，公司拒绝单纯的“芯片参数竞赛”，而是主张把“模型怎么跑得更省”沉淀到架构里，围绕真实业务负载持续迭代，逐项击穿推理链路中的成本与时延瓶颈，最终形成可复制交付的综合最优解。

五大核心要素构筑坚实护城河，将打造千卡集群

云天励飞董事长兼 CEO 陈宁在演讲中指出，支撑公司跨越周期的，是长期积累构筑的商业护城河。他将核心竞争力总结为技术、产能、生态、市场、资本五大关键要素。这五大维度的协同共振，不仅是云天励飞应对行业激烈竞争的底气，更为未来三年战略的稳步落地提供了坚实的体系化保障。

针对行业普遍关注的供应链安全问题，云天励飞高级副总裁、CFO 兼董秘邓浩然特别强调，公司目前是国内屈指可数手握充足国产产能保障的企业之一，这一战略储备为后续芯片的大规模量产与交付提供了极高的确定性。

陈宁还详细解读了云天励飞的“1+4”架构：“1”指聚焦于AI大算力推理芯片，“4”则是四大事业部。作为生态构建者，四大事业部旨在解决芯片从“研发生产、优化打磨到市场推广”的核心难题。其中，政企事业部作为基石，将凭借深厚的行业经验，将战略重点转向推理设备和智算中心的建设。此外，云天励飞还计划打造区域级“千卡集群”，树立城市AI算力赋能的新标杆。

蓝图展开：DeepVerse 领衔，全场景算力矩阵精准卡位

面向未来三年的规划，云天励飞CTO李爱军表示，将不遗余力投入大算力芯片DeepVerse的研发，围绕推理成本、时延与吞吐的核心矛盾持续迭代，并按产品节奏梯度覆盖市场需求。

路线图将对标国际主流平台的代际演进，聚焦长上下文预填充（Prefill）、低时延解码（Decode）等关键推理阶段的系统优化，在真实负载下持续兑现“更便宜、更稳定、更易部署”的交付目标。



推理时代的竞争，本质是“单位推理成本”的竞争。只有把推理做得足够便宜、足够稳定、足够易用，AI 才能从“看得见的能力”走向“用得起的生产力”。

未来，云天励飞将以 GPNPU 架构为核心，大力推进云端大算力强化软硬协同与存储体系攻坚，力争将百万 Tokens 推理成本降低 100 倍以上，推动大模型从示范应用走向规模化交付。