东方算芯郭炜：以“东方范式”破解AI芯片三大瓶颈

月9日，2026 IICIE国际集成电路创新博览会开幕式暨集成电路创新高峰论坛在深圳举办。在这场汇聚全球半导体领域权威学者与产业领袖的行业盛会上，东方算芯副总裁郭炜应邀出席，并就《后摩尔定律时代：AI芯片设计的东方范式》发表主旨演讲，为与会嘉宾带来了从架构创新到生态重构的前瞻性思考。

AI算力需求持续井喷，芯模协同成为关键

郭炜在演讲中首先勾勒了全球AI基础设施投资的宏观图景。他指出，全球AI资本支出持续增长，正以前所未有的速度推动芯片、模型与应用的发展。AI基础设施建设涵盖数据中心建设、计算硬件、存储设备、高速网络互联、软件平台以及能源冷却系统等多个维度，中美两国占全球AI基础设施领域投资额已超90%。

从具体数据来看，中国科技巨头正大幅加码AI投入。阿里巴巴计划三年（2025-2027）投入至少3800亿元用于AI及云基础设施；字节跳动2025年已投入1500亿元，未来每年不低于1600亿元用于AI基础投入，其中60%用于AI芯片采购；腾讯在2026年相比2025年将加大AI投资，专项资金700亿至1000亿元用于AI模型和基础设施研发投入。美国方面，Amazon、Google、Microsoft和Meta四大云服务商2025年合计投入约3500亿美元用于AI基础设施建设。据TrendForce预估，2026年全球九大云服务商合计资本开支将大幅年增约90%、突破8867亿美元。

在AI大模型领域，郭炜指出中国模型与美国顶尖模型的差距正在缩小，而中国开源模型在成本经济性上已明显优于美国闭源模型：“美国大模型格局以闭源SOTA（State of the Art）为主导，Google Gemini走原生多模态、软硬全栈自主可控路线；中国则以开源极致优化为特色，DeepSeek、阿里巴巴通义千问、字节豆包、月之暗面Kimi等模型各具优势，在长文本处理、多模态能力、编程能力等维度不断突破。”

郭炜强调，模型的发展与芯片的协同效应正变得越来越强。过去，模型与芯片各自迭代、缓慢提升；如今，需求牵引与技术突破双向促进，进入协同创新阶段；未来，芯模将融为一体，模型与硬件实现深度融合。模型对芯片的需求日益明确——更强的算力、更大的内存容量与带宽、更低的时延与TCO；而芯片与系统的迭代则加速模型升级，帮助大模型在云边端全面落地。

“Decode性能决定了大模型推理的效率，访存带宽的高低决定了Decode的效率，Token的成本决定了推理应用的成本。”郭炜指出，随着模型从聊天机器人时代演进到AI智能体时代，“更聪明的模型”需要大算力和高访存带宽，“更低成本的应用”则需要高访存带宽和低成本推理。

国产AI芯片面临“三堵墙”，东方算芯以3D-IC破局

郭炜直言，国产AI芯片当前需要跨过“三堵墙”。

第一是算力墙，如何在先进制程受限下提升算力，国内代工工艺与海外存在显著差距；第二是内存墙，访存带宽如何匹配快速增长的算力，避免算力闲置；第三是通信墙，如何利用有限封装尺寸提供更大互连带宽。

针对这三大瓶颈，郭炜提出东方算芯的技术突围路径。在算力层面，东方算芯通过软件定义Tile，提升硬件利用率、降低编程复杂度；在存储层面，通过逻辑－存储系统化设计，提供极致带宽以突破内存墙。

据悉，3D-IC技术使互连距离由厘米级缩短至微米级，数据传输功耗降至传统2.5D/2D IC的10%至20%，单位面积Pin脚数量提升100至1000倍；在互联层面，东方算芯Infinity Chiplet 3.5D+技术在相同封装尺寸限制下实现更强算力、更高访存带宽和更大互联规模。

郭炜详细阐述了3D-IC技术的优势与工程化挑战。3D-IC通过Z轴垂直堆叠，逻辑与存储芯片间的互连距离由厘米级缩短至微米级，信号传输延迟大幅下降；DRAM通过3D直连逻辑层，节省HBM并提升单位算力密度；面域级垂直互连使接口位宽从N扩展至N²。然而，3D-IC也面临热膨胀系数失配导致的翘曲、堆叠结构带来的散热问题（热失效占3D堆叠芯片所有问题的55%），以及多层堆叠导致的良率乘数效应衰减等工程化挑战。

东方算芯对此有明确的技术路线：通过精细化系统热仿真结合工艺能力指导散热设计，推进全流程低温键合技术降低CTE对翘曲的影响，产品布局融合Chip to Wafer工艺以最大化利用良率优势，细化Partial Good筛片方案增加芯片可利用率。

郭炜在演讲最后表示，东方算芯以“软件定义＋3D堆叠近存计算”的东方范式，正在为国产高端算力芯片探索一条不依赖尖端工艺的自主路径。随着芯模协同双螺旋上升的加速推进，中国AI芯片产业有望在后摩尔定律时代走出一条独具特色的创新之路。