阿斯麦、台积电、英伟达，该睡不着了。7月13日，上海，一家成立不到三年的公司用14nm工艺造出了一颗520TFLOPS的AI芯片，没用EUV，没用HBM。

这家公司名字叫东方算芯，窝在张江一栋不起眼的写字楼里，带队的是清华教授魏少军，国内芯片圈实打实的老炮儿，当年“核高基”国家科技重大专项的技术总师。

DF1000采用国产14纳米工艺，BF16峰值算力达到520TFLOPS，访存带宽6.4TB/s，芯片间互联带宽900GB/s。

更关键的是，它已经完成流片验证，并实现128卡集群全功能稳定运行。也就是说，这不是停留在论文和PPT里的概念芯片，实物已经跑起来了。

但520TFLOPS到底是什么水平，得把口径说清。英伟达H100的BF16峰值算力，在开启稀疏计算时为1979TFLOPS，不开启稀疏计算大约减半，显存带宽为3.35TB/s。

单看算力，DF1000没有“秒杀H100”；可它的6.4TB/s访存带宽，已经明显高于H100。一个算得更快，一个搬数据更快，不能拿单个数字直接判输赢。

这恰恰说明东方算芯真正下功夫的地方，不是把晶体管继续做小，而是解决数据搬不动的问题。

大模型运算最烧资源的环节，很多时候并不是乘加计算本身，而是参数在存储器和计算单元之间来回搬运。芯片算力堆得再高，数据送不过去，计算单元照样闲着。英伟达采用HBM，就是为了缩短这段距离，可HBM价格高、产能集中，供应链也容易受限制。

东方算芯没有使用传统HBM方案，而是把逻辑晶圆和DRAM通过晶圆级混合键合垂直连接，让存储单元直接靠近计算单元。

说白了，不是不要高速存储，而是自己重新设计了一套近存结构。数据少绕路，14纳米照样能把硬件效率压榨出来。

另一张牌是软件定义芯片。传统GPU内部资源相对固定，面对不同模型和算子，经常出现有的单元忙不过来，有的单元闲着。

DF1000则通过动态重构、空间并行和时分复用，让软件根据任务重新安排硬件资源。芯片工艺落后一截，就在利用率上往回追。

所以阿斯麦真正该注意的，不是中国突然不需要光刻机了。14纳米虽然可以不用EUV，但仍需要成熟光刻设备。真正发生变化的是，EUV不再被视为获得大算力的唯一入口。先进设备的限制依然存在，可限制的效果可能被架构、封装和系统创新一点点抵消。

台积电也不至于马上睡不着。DF1000距离大规模量产、良率爬坡和长期商用，还有不少硬仗要打。

但过去行业普遍认定，高端AI芯片必须绑定最先进制程。现在一家成立于2024年的中国企业，用成熟工艺把芯片、加速卡、服务器和128卡集群都做了出来，这条旧规则已经被撬动。

压力最大的反而可能是英伟达。它的护城河从来不只是一颗GPU，还有CUDA、算子库、通信网络和开发者生态。东方算芯同步推出CAAP软件栈、服务器和集群方案，说明团队也知道，只有芯片参数没有用，客户能不能顺利迁移模型，才决定这颗芯片能不能真正卖出去。

魏少军带队并不令人意外。他长期研究可重构计算，担任过“核高基”国家科技重大专项技术总师。这项技术也不是公司成立两年突然冒出来的，而是清华团队持续积累近二十年的工程化结果。

我更愿意把DF1000看成一次路线突围，而不是一次数字夺冠。它还没有证明自己能够全面替代英伟达，也没有让先进制程失去价值。但它证明了一件更重要的事：别人堵住一条路，中国芯片企业没有站在原地等放行，而是在重新设计道路。真正让三家巨头需要认真翻看技术资料的，正是这一点。