东方算芯14nm硬刚H200：内存带宽超33%，HBM都不要了

在华为对面摆摊，亮出一颗不要HBM的14nm芯片

2026年7月13日，上海WAIC展馆。一家此前无人知晓的初创公司，把展台设在了华为正对面。

上海东方算芯（DFSX）当场亮出一颗芯片——DF1000。14nm成熟工艺。520 TFLOPS BF16算力。6.4 TB/s内存带宽，比NVIDIA H200的4.8 TB/s高出整整33%。

最扎眼的一点：这颗芯片没有使用一颗HBM。它用3D晶圆级混合键合，把DRAM直接垂直堆叠在计算层上。整个供应链，100%来自中国境内。

创始人魏少军，清华大学教授、国家集成电路产业发展咨询委员会委员。他在展台前说了一句话："我们不跟NVIDIA比晶体管密度。我们比的是数据移动的效率。"

独立的半导体分析机构ICSmart测算，DF1000的等效计算能力约为NVIDIA 4nm Hopper芯片的53%。差距明显。但它的内存带宽是H100的近两倍。

FLOPS是错的——技术社区开始重新算账

DF1000发布后，最先引爆的不是中国媒体，而是海外技术圈的"算账"运动。

半导体分析师 tphuang（X平台 3.6万关注者）在7月27日的帖子里直接挑明："别太盯着TFLOPS看推理。你要问的是：内存带宽多少？互联速度多少？"他测算，一颗6万亿参数的大模型跑推理需要约20TB内存，"重点从来不是单芯片算力，而是数据搬家的速度。"这条帖子获得92个赞、14次转发，被WCCFTech等科技媒体反复引用。

中文技术社区紧随其后。X用户 yibie（4560关注者）用中文做了完整拆解，总结DFSX的核心逻辑："内存带宽，而不是节点微缩化，才是AI工作负载的真正瓶颈。"另一位用户 QQ_Timmy（2.9万关注者）将DF2000的TY64超级节点与NVIDIA GB200 NVL72系统并排对照——960TB/s vs 576TB/s，接近两倍的带宽优势，尽管BF16算力上64 PFLOPS远不及360 PFLOPS。该帖获得7512次浏览、26个赞。

争议同样没有缺席。多位评论者指出，DF1000当前所有性能数据均来自DFSX自报，尚无独立第三方验证。腾讯新闻快科技在报道中直言，DF2000方案"在实际大模型训练中的功耗表现、软件生态适配情况及量产良率仍有待进一步观察"。

日本8月1日刚封锁先进封装，DFSX已经跑通了

DF1000在WAIC的首展时间是7月13日。但这个故事真正的张力，来自三周后的一个日期。

8月1日，日本经济产业省第三轮对华半导体出口管制正式生效。本轮管制的矛头不再是晶圆前道设备，而是直指先进封装全链条——高端固晶机、超薄晶圆减薄机、3D键合设备、TSV硅通孔工艺设备等全部纳入管制目录。对AI算力芯片配套设备的出口申请驳回率接近八成。

DFSX的整个技术路线，恰恰建立在"成熟制程+先进3D封装"之上。如果日本的封锁早一年落地，DF1000的3D混合键合能否跑通流片都是未知数。

再往前追溯：2022年10月，美国首次将EUV光刻机和HBM3内存列入对华出口管制清单。此后中国AI芯片公司被迫在两条战线上同时作战——没有先进制程，也没有高带宽内存。魏少军在2025年11月ICC全球CEO峰会上首次公开了他的答案：14nm逻辑层+18nm DRAM层，用3D混合键合垂直堆叠。八个月后，DF1000在华为对面亮了相。距离日本封死先进封装这条路，只剩不到三周。

6.4TB/s怎么来的：铜对铜，不要微凸点

DF1000的核心秘密藏在封装层。

传统GPU的逻辑计算芯片和HBM内存堆栈分立两侧，通过硅中介层上的微凸点连接。即使距离最短，物理分离也意味着延迟和功耗。DF1000的做法完全不同——它用晶圆级铜对铜混合键合，将DRAM层直接垂直堆叠在计算层上下两面，完全取消了微凸点。

DFSX给出的数据：互联间距从数十微米压缩至亚微米级，硅通孔数量增加十倍，同等内存容量下的带宽提升五倍。

这颗14nm芯片的完整规格如下：

• 算力：520 TFLOPS BF16（约为NVIDIA H100/H200的53%）
• 内存带宽：6.4 TB/s（H200为4.8 TB/s，高出33%；H100为3.35 TB/s，高出91%）
• 卡间互联：900 GB/s（与NVLink持平）
• 封装：晶圆级3D逻辑-DRAM混合键合，无HBM
• 接口：OAM 2.0标准形态
• 软件栈：CAAP平台，兼容PyTorch、TensorFlow
• 集群规模：原生支持128卡集群

DFSX给出的推理性能参考：Llama 3 70B模型上达到500 tokens/s，DeepSeek V3.2上每输出token耗时20毫秒。这些数字尚未经过独立验证。

魏少军将这套架构概括为两个原理："空间并行"——算力在3D堆叠的多个层上同时展开；"时分复用"——片上资源根据工作负载动态重配置。翻译成大白话：14nm晶体管不够密，就让每一个晶体管少闲着。

122亿估值，美团小米京东全部入局

DF1000之前，中国AI芯片市场的叙事是单线的：华为昇腾。

华为Ascend 910B和910C是国内部署最广的AI加速器，910C的FP16算力约800 TFLOPS。但华为自己受制于同样的供应链瓶颈——先进制程产能有限，HBM被卡——整个昇腾系列的供应量远不能满足国内云厂商需求。DFSX的出现打破了这个单一剧本。

2026年4月，东方算芯完成A+轮融资，投后估值122.75亿元人民币（约18亿美元）。股东名单讲述了一个清晰的战略故事：国家队——国家AI产业投资基金；顶级VC——高瓴资本、马云关联的云锋资本；以及美团、小米、京东、滴滴的企业风险投资部门。

这些互联网平台不只是财务投资者。他们是国内AI算力的最大买家，也是最急于摆脱对单一供应商依赖的群体。如果DF1000真的跑通，他们的一只手已经握住了备选方案。

路线图已排到2027年。DF2000计划2026年Q4量产，仍在14nm节点上，BF16算力翻倍至1000 TFLOPS，内存带宽拉到15 TB/s。72颗DF2000组成的TY64超级节点，总内存带宽960 TB/s，是NVIDIA GB200 NVL72系统（576 TB/s）的1.6倍以上。DF3000定在2027年Q4，目标是20 TB/s单芯片带宽，系统总带宽1280 TB/s，届时将达到NVIDIA Vera Rubin NVL72（1580 TB/s）的80%以上。

但魏少军自己也不回避天花板。他向南华早报坦言，3D堆叠叠得越多，制造良率越低；无法获得先进制程节点，仍是国内半导体产业的"根本性约束和终极性能天花板"。

封锁锁住了晶体管密度，没锁住数据移动的方式

DF1000不是一颗能摇撼NVIDIA的芯片。520 TFLOPS的BF16算力摆在H200的989 TFLOPS面前，差距就是差距。

但它证明了一件更重要的事：当出口管制锁死中国获取先进制程和HBM的路径时，中国芯片界的回答不是原地等待EUV突破，而是换了一道题——不跟你比晶体管密度，跟你比数据搬家的距离。

这是清华教授带队、国家队和互联网平台联合押注、全中国供应链造出来的一颗芯片。它可能失败——软件生态还没跑通，量产良率尚未验证，客户部署还是零。但它的存在，已经让"14nm不可能做AI芯片"这个说法站不住脚了。