太初元碁异构算力入选《科技之魅》：400多项中突围

从400多项全球成果中突围

11月初乌镇峰会期间，2026年世界互联网大会领先科技奖收录成果集《科技之魅》正式发布。全球43个国家和地区一共报了400多个项目，几轮专家评审筛下来，最终约60项优秀成果被收进这本册子，另有20项摘得当年的领先科技奖。这份名单并不长。

关键技术组共16个席位，太初（杭州）集成电路有限公司（简称“太初元碁”）拿下其中一席。入选项目名为“太初元碁异构众核算力体系—从E级智算集群到全栈自研开放AI生态”。

这不是一个单纯堆硬件参数的故事。脑机接口、具身智能、量子计算这些热门赛道眼下挤破了头，太初元碁给出的方案却盯着算力更底层的痛点：芯片怎么跑得更聪明，而不只是更快。

为什么算力峰值不再够用？

行业对算力的理解，过去几年明显转了一次向。早些年大家只盯FLOPS（每秒浮点运算次数），峰值高就代表厉害。可大模型训练和推理需求一爆发，科学智能（AI4S）应用又不断深入，光看峰值指标开始不灵了。

真实场景现在是混合负载：大规模训练任务在跑，高并发推理请求也在跑，还夹着各种科学计算模拟。这些任务同时压在集群上，资源争抢非常激烈。更头疼的是“存储墙”——计算单元跑得飞快，数据从内存搬到处理器的速度却跟不上，处理器常常只能“等数据”空转。软硬件适配周期也长，一个新模型出来，往往要折腾几个月才能在新硬件上稳定运行。

这些行业共性难题摆在面前，太初元碁选的是异构融合这条路。

“主-从-微”三级架构的逻辑

太初元碁的核心创新，是原创的“主-从-微”三级异构融合算力架构。名字听着技术化，拆开看，它要解决的是资源调度够不够精细。

传统架构里，主控单元常常负担过重，微核心之间又缺少有效协同。太初元碁的设计让主控核、从属核和微核深度协同起来：主控核管全局任务分发和复杂逻辑控制，从属核处理中等粒度的并行任务，大量微核则专攻高密度的简单计算。

分工带来的直接好处，是计算资源能精细化调度。复杂的AI混合负载下，不同性质的任务被分到最合适的核心类型上去跑，资源冲突也就化解了。落到效果上，是更高的算力密度和能效比。建E级（百亿亿次）大规模智算集群，能效比直接关系运营成本和散热压力，这笔经济账躲不开。

攻克“存储墙”与适配效率

架构设计之外，这项入选成果还同步攻下两个关键技术点：在线计算与数据空间的动态折中，以及低精度混合精度协同计算。

“存储墙”是大规模集群性能的瓶颈之一。太初元碁的动态折中技术，思路是大幅提高片上缓存的利用率。再配合高速双向互联，数据在计算节点之间流动得更高效，频繁访问主存带来的延迟损耗随之减少。处理大规模矩阵运算时这一点尤其关键，因为数据搬运花掉的能耗和时间，往往比计算本身还多。

计算精度这边，混合精度协同计算成了拉吞吐量的利器。在保证最终结果可靠的前提下，系统可以灵活切换不同精度的计算模式。比如训练阶段用较低精度加速迭代，到了推理或关键科学计算环节再自动切回高精度。这种灵活性把模型推理的吞吐量明显拉高了。

软件栈的配合同样不能少。太初元碁自研了“HPC+AI”双模式操作系统，以及SDAA软硬协同软件栈。效果体现在适配速度上：主流大模型在太初平台上的适配周期，从过去的月级压到了天级。对争分夺秒的AI研发机构来说，这意味着试错迭代更快，业务上线更早。

从实验室走向E级集群

技术成不成熟，得看落地。太初元碁是国家专精特新“小巨人”企业和国家高新技术企业，目前已参建国内多座大型智算中心，并落地了E级规模的融合算力集群。

在AI4S（AI for Science）领域，这套算力体系的表现更有说服力。科学计算对精度和稳定性的要求，远高于通用互联网应用。太初元碁与多家科研机构合作，把技术场景拓展到气象预测、地球物理、量子模拟和新材料研发等基础科学方向。

一个具体案例是AlphaFold3的复现。这款由DeepMind发布的蛋白质结构预测模型，对算力基础设施要求极高。太初元碁顺利完成了该重磅科研模型的复现工作，证明其底层算力在应对复杂科学智能任务时，稳定性和性能都经得起考验。

从大模型的高效部署，到多领域的高精度科学计算，再到智算新型基础设施的建设，太初元碁的技术路径透出一种务实：不追求单一指标的极致，看重的是系统在真实复杂环境下的综合效能。

国产算力的另一种解法

全球算力竞争加剧，国产算力的高质量发展不只意味着替代，还意味着架构层面的创新。太初元碁此次入选，反映的是业界对异构计算和全栈自研能力的认可。

《科技之魅》这16项关键技术成果里，大模型、具身智能、低空经济等前沿方向都有覆盖。太初元碁所处的位置是算力底座。它做的不是一颗高性能芯片，而是把芯片架构、操作系统和软件生态串成一条完整链路。

靠这套全栈自研的本事，太初元碁能给海内外高校、科研院所和产业客户提供更有针对性的国产高性能算力服务。眼下开源生态还不算完备，这种垂直整合虽然封闭，效率却不低，或许正是当前阶段让国产算力规模化落地的一条可行路径。

AI应用正从云端往边缘走，也从通用对话往专业科学计算里扎，算力体系面临的要求只会更严苛。太初元碁的“主-从-微”架构能不能成为未来E级智算的主流范式之一，还得看更多时间和场景的检验。不过至少在世界互联网大会这份榜单上，它摆出了一个值得留意的中国样本。