燧原科技如何通过DSA架构与全栈软件生态突破国产云端AI算力瓶颈？

燧原科技通过采用DSA（领域专用架构）技术路线，成功在计算效率与可编程能力之间找到了平衡点。相较于传统GPGPU，DSA弱化了非AI通用计算，将更多晶体管资源投入矩阵计算单元，从而在AI训练与推理场景中实现更高的能效比。同时，保留了AI领域内的可编程能力，使得模型更新仅需重新编译而无需重新流片，兼顾了ASIC的效率与GPU的灵活性。第四代邃思400芯片原生支持FP8低精度计算，并引入硬件多线程与动态调度机制，进一步优化了大规模并行计算的效率。

在软件生态方面，燧原科技自主研发的驭算TopsRider全栈AI计算及编程平台是其核心竞争力之一。该平台构建了“框架—算子库—编程语言—驱动—固件”五层软件栈，已适配DeepSeek、Qwen、GLM等200余个主流大模型，以及PyTorch、TensorFlow等主流深度学习框架。通过提供近2000个优化算子和自研Tops C++编程语言，TopsRider实现了对CUDA程序的高效迁移，显著降低了用户从英伟达生态切换至国产平台的成本，解决了国产芯片普遍面临的生态短板问题。

针对大模型训练对集群规模的极高要求，燧原科技通过自研GCU-LARE片间高速互联技术，突破了传统PCIe总线的带宽与延迟限制。该技术支持Scale-up超节点弹性扩展及Scale-out万卡集群构建，目前已实现千卡及万卡智算中心项目的商业化收入。其云燧智算集群采用分布式架构及高带宽全互联拓扑，能够支撑千亿参数以上大模型的并行训练，标志着其集群能力从技术验证迈向规模化落地。

从财务与市场表现看，燧原科技营收快速增长，2025年AI加速卡及模组销量达6.49万张，市场占有率约1.7%。虽然客户集中度较高，腾讯作为第一大客户贡献了大部分收入，但这种深度绑定也为其提供了稳定的应用场景与技术反馈。随着第五代、第六代芯片的研发推进及先进封装供应链的完善，燧原科技在国产云端AI算力领域的竞争地位有望进一步巩固，成为推动国产算力生态成熟的关键力量。