蓝芯算力LX500方案扩容:从服务器延伸至一体机与超节点

资讯 腾讯网 作者:腾讯网 全文 4420 字 · 约 12 分钟读完 分类RISC-V芯片

过去几年,中国大芯片叙事里最高光的时刻通常是 “点亮”—— 它意味着架构跑通、代码跑起来、PPT 上的参数终于落到了硅片上。但点亮一颗芯片只是起点。能不能围绕它做出可交付、可复制、可盈利的整机产品,....

所属频道 算力与芯片



过去几年,中国大芯片最风光的节点大多落在“点亮”上:架构跑通、代码能跑、PPT 上的参数真正落到硅片。可点亮只是开头。真正难的是围绕这颗芯片做出能交付、能复制、还能赚钱的整机,这一步才决定技术可行能不能变成商业落地。




蓝芯算力CTO贾新霞认为,RISC-V 如今已是全球公认的竞争力很强的架构方案。她表示:“RISC-V凭借开源开放、自主可控、高能效比等优势,成为继x86与ARM之后的重要选择。RISC-V架构的精简设计天然具备低功耗优势,同等性能下服务器功耗比x86低30%至50%、比ARM低10%至20%。”


蓝芯算力CTO贾新霞


不过,RISC-V 芯片落地时往往要面对更多难题,大芯片落地尤其如此。2026年 RISC-V 中国峰会上,蓝芯算力又用“奔跑式”落地的姿态刷新了外界认知:围绕全球首款 RISC-V+AI 智通融合服务器 CPU——LX500,这家公司在展会上摆出了服务器、通用智算一体机、智通融合超节点等一系列方案。



方案从服务器铺到一体机,再延伸到超节点,LX500 完成了一次不小的跨越。贾新霞指出,蓝芯算力智能体一体机产品家族对准的是预算有限、缺少专业运维团队、对数据隐私与合规要求较高的企业;智通融合超节点则面向大规模智算场景,是蓝芯算力从“单机”走向“集群”的关键产品。




政策与架构双重变化,正打开一个时间窗口。




把蓝芯算力这一年的动作放到更大的坐标系里看,它正好落在两条曲线的交点上。


先看政策这条线。2026 年 9 月,工业和信息化部、国家发展改革委联合印发《电子信息制造业发展 “十五五” 规划》,其中明确 “推进第五代精简指令集(RISC-V)研发与产业化,支持 RISC-V 芯片在人工智能、嵌入式系统等领域应用”。国家级电子信息制造业五年规划把 RISC-V 列为核心芯片架构方向重点部署,这在我国还是头一回。


单从工程角度看,服务器最合适的选择仍是 x86 或 ARM——几十年的软硬件生态积累、标准化的配件体系、随处可找的运维人才。可放到今天,这扇门对中国企业已经关上。x86 受出口管制,ARM 授权又存在不确定性。就算基于 x86 或 ARM 授权做定制,授权本身随时可能被切断,这样的自主并不受控。


蓝芯算力内部对为何选 RISC-V 说得更直接:它不是最优解,但它是唯一解。


另一条曲线来自全球技术与产业。拥抱 RISC-V 架构已是全球性趋势,在 Hot Chips 2026 行业大会上,


两条曲线交汇处,关键词是 “确定性”。RISC-V 向 AI 数据中心渗透,正从可能性变成确定性事件。这也会进一步推高 RISC-V 芯片市场的增速。行业分析机构 SHD Group 预测,到 2031 年,搭载 RISC-V 内核的产品出货量将达 360 亿颗,年复合增长率 31.7%。


从 “全球趋势” 变成 “中国必答题”,选 RISC-V 靠的不是情怀,而是时势。当然,产业窗口期也摆在相关公司面前。蓝芯算力生态营销负责人许庆伟给出了他个人的时间预判:2028 年,RISC-V 服务器、RISC-V+AI 方向会有一批产品真正出货;2030 年,生态进入初步建成阶段,中国市场 RISC-V 架构服务器占比有望达到 5%—10%;2035 年,这一比例可能升至 15%—20%,到那时才有资格与 x86、ARM 真正掰手腕。


蓝芯算力生态营销负责人许庆伟


他同时特别强调,在这个过程中,RISC-V 服务器芯片的机会并非替代 x86 和 ARM 的存量市场。存量替换的难点不在技术,而在风险。已经在跑的业务一旦更换底座,可能带来的不稳定性,任何甲方都不愿承担。所以 RISC-V 的机会在增量——新增的智算需求、新增的 AI 工作负载、新增的边缘场景。




蓝芯 LX500:RISC-V 与 AI 互相成就




说到蓝芯 LX500,绕不开它在自主可控上的分量。这款芯片建立在 RISC-V 架构之上,底层架构可以自行修改,再配合国产操作系统和自研硬件,搭出一套全栈国产化的算力基础设施。


不过,这层意义并不能遮住 LX500 在产品创新上的看点。大芯片行业里一直摆着一个“不可能三角”:自主可控、极致高性能、规模化低成本,三样很难同时拿到。想撬开这个三角,只能耐下性子啃硬骨头,从芯片设计一路做到整机适配和生态建设。


蓝芯算力给 LX500 挑的,恰恰是这条最难走的路。


看架构,LX500 走的是单芯片异构融合。48 核自研异构架构里,32 个高性能核承担高吞吐通用计算,16 个高能效核专门处理轻量负载和 AI 算力卸载,芯片用统一内存架构,DDR5 内存资源由各核共享。同时,它原生集成 75 TOPS INT8 峰值 AI 算力引擎,原生支持 PCIe 5.0 和 CXL 2.0。


落到客户那边,好处体现在三处:推理任务不用再额外买 GPU 加速卡,硬件采购成本随之降低;数据搬运变少,推理时延得到改善;系统能按实际负载在性能核与能效核之间切换,功耗压力也跟着下降。


过去那套架构里,CPU 管通用计算,GPU 管 AI 加速,两者靠 PCIe 互联,内存空间各管各的。一个推理请求进来,数据得在 CPU 内存、PCIe 总线、GPU 显存之间来回倒腾。模型参数越大、上下文越长,搬运的代价就越吓人。不少时候 GPU 根本没在算,而是在等数据。所谓“算力利用率”上不去,根子就在这里。


许庆伟提到,眼下 AI 的发展重心开始转向 Token 经济。算力利用率一旦提上来,算力成本就会往下走,Token 的成本也跟着降,用户才真能放手去用 AI 大模型和 AI 智能体。到那时,toB 也好 toC 也好,用户都能实实在在感受到 AI 带来的价值,感受到技术进步。


对 LX500 来说,参数归参数,更该盯的是验证结果。


按照披露的信息,LX500 已经在片内 AI 引擎上跑完万亿参数 Kimi K2.6(128K 超长上下文量化版本)和 350 亿参数 Qwen3.6-35B 的推理验证,也适配了 DeepSeek、混元等国内外主流大模型。这背后的行业含义是:RISC-V+AI 的单芯片架构第一次被证明能扛住万亿参数级别的 AI 推理负载,不必再靠独立 GPU。




商业化检验的关口已经摆在眼前,从单台服务器走向一体机、再走向超节点,步子迈得一次比一次大。




LX500 的点亮只是第一步,更难的是把它推进客户机房、跑起真实业务。蓝芯算力成立才三年半,八个月里已经交出第三份答卷。2026 年 2 月,这款全球首颗 RISC-V+AI 智通融合服务器 CPU 一次流片即点亮,Linux 操作系统也顺利启动,此时距公司成立不足三年;到了 2026 年 7 月,搭载 LX500 的联想问天 WR5219 G5 在合肥联宝工厂下线量产,成为全球首款量产的 RISC-V+AI 服务器。


  • 2026 年 8 月,LX500 向多家行业客户送样,其中部分客户已进入小批量部署测试。2026 年 10 月,智通融合超节点发布,RISC-V 头一回以集群化整机柜的形态站到 AI 数据中心门口。同在 2026 年 RISC-V 中国峰会期间,许庆伟还介绍了智算一体机,它让 AI 基础设施从云端开始往业务现场下沉。


联想问天 WR5219 G5 的意义在于,RISC-V 架构把高性能服务器 CPU 这块“硬骨头”啃了下来,x86 与 ARM 在该领域长期把持的局面被打破。它不再只是实验室里的一颗芯片,而是一台能进机房、能上架、能写进采购清单的服务器。


这事过去不是没人试,而是难度太大——设计难是一层,验证周期长、生态门槛高、客户决策保守又是几层。一颗芯片要进服务器,得跨过主板设计、固件、BMC 管理、操作系统、虚拟化、数据库、中间件、行业应用等数十道关卡,卡住任何一道,整机都难交付。


从服务器扩到超节点和一体机,LX500 在方案上的这步扩张,正好对上眼下 AI 扩展最要紧的两个方向。超节点是 AI 数据中心当下的关键产品形态,因为需求本身在变:大模型参数规模和上下文长度不断涨,数据在 CPU、内存、AI 加速器之间来回搬,系统带宽和功耗压力随之抬高;单机的算力密度与互联效率,成了决定集群整体效率的关键变量。


正因为如此,超节点的价值不在堆机器。



它把“芯片—服务器—互联—内存池—散热”当成一个整体来设计,而不是把几百台独立服务器摞在一起。首 Token 延迟、Prefill、长上下文这些问题,单机层面无解,放到系统层面才有解。


超节点也不是标准化标品,而是“标配+定制”:客户 A 要更强的 AI 能力,就把 AI 配置调高;客户 B 要更强的通用计算,就把 CPU 配置调高;内存不够就扩内存。许庆伟的说法是,这就像乐高积木,随时可以搭配。


智通融合超节点以LX500为技术底座,架构和产品设计本身就预留了较高的灵活度。能效比也是这套超节点的一项优势。蓝芯算力方面给出的测算显示,典型部署条件下,智通融合超节点能带来约10%—20%的能耗优化;这一数字属于初期预估,最终效果要看实际部署情况。


通用智算一体机走的是另一条路,正好对上眼下AI算力需求从云端训练往边端推理迁移的势头。政务、金融、医疗这些行业对数据不出域的要求很硬,本地化部署已经从“可选项”变成刚需,一体机把推理算力直接搁在离数据和业务现场最近的位置。许庆伟在峰会期间的主题演讲里用“三个本地化”概括了这套逻辑:算力本地化、数据本地化、成本本地化。蓝芯算力据此判断,下一阶段的AI基础设施中,智能体未必都要连到远端的超大规模数据中心,它们可能各自拥有贴近业务现场的专属算力。



这块新空间,正是RISC-V在争的。


许庆伟提到,基于LX500的服务器和智能体一体机,交付周期一般在15—30个工作日;深圳本地客户签约后次日就能发货。




结语




就RISC-V服务器芯片这条赛道而言,真正的分水岭尚未出现。


不过有些转变已经回不了头:一颗RISC-V服务器CPU不光被点亮,还进了联想量产的服务器、整机柜超节点,以及智算一体机里。从单芯片走到系统级,从服务器走到超节点,蓝芯算力把自家商业化往前推只用了三年半。准确说,最近8个月才发生这些事。RISC-V服务器市场离规模爆发还有距离,但蓝芯算力这股势头已经挡不住了。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 印度24个月自研GPU,SHAKTI与VEGA处理器同步推商业化

    IT之家 11 月 6 日消息,印度正加快建设本土半导体产业,计划在未来约 24 个月内研发出自主 GPU 芯片,同时推动基于 RISC-V 架构的 SHAKTI 和 VEGA 处理器进入商业市场。据印度科技媒体 ETGovernment 当地时间 11 月 4 日报道,印度电子和信息技术部(MeitY)秘书长 S.

    来源 腾讯网
  2. 印度拟24个月自研GPU,同步推SHAKTI、VEGA商业化

    IT之家 11 月 6 日消息,印度正加快建设本土半导体产业,计划在未来约 24 个月内研发出自主 GPU 芯片,同时推动基于 RISC-V 架构的 SHAKTI 和 VEGA 处理器进入商业市场。 据印度科技媒体 ETGovernment 当地时间 11 月 4 日报道,印度电子和信息技术部(MeitY)秘书长 S.

    来源 AI 行业观察
  3. 印度MeitY:24个月自研GPU,1.275万亿卢比计划铺路

    【TechWeb】11月6日消息,据印度科技媒体ETGovernment报道,印度电子和信息技术部(MeitY)秘书长S. Krishnan在接受专访时表示,根据“印度半导体使命2.0”(India Semiconductor Mission 2.0),印度政府计划支持本土GPU芯片研发,并预计这项工作需要约24个月。

    来源 腾讯网
  4. 印度拟24个月自研GPU:ISM 2.0覆盖设计到制造

    印度在ISM 2.0下瞄准本土GPU,正是对这一结构性约束的回应。与此同时,印度当前的AI算力供给仍然高度依赖进口。IndiaAI Mission的共享算力池在2026年6月达到超过45,000块GPU,面向研究人员和初创企业提供补贴性算力接入。但据印度媒体报道,截至2026年10月,该任务实际可用的GPU约为30,0

    来源 TechWeb
  5. 印度GPU自研计划:24个月目标与1.275万亿卢比预算

    印度在ISM 2.0下瞄准本土GPU,正是对这一结构性约束的回应。与此同时,印度当前的AI算力供给仍然高度依赖进口。IndiaAI Mission的共享算力池在2026年6月达到超过45,000块GPU,面向研究人员和初创企业提供补贴性算力接入。但据印度媒体报道,截至2026年10月,该任务实际可用的GPU约为30,0

    来源 TechWeb
  6. 印度要自研GPU:24个月目标,预算1.275万亿卢比

    【TechWeb】11月6日消息,据印度科技媒体ETGovernment报道,印度电子和信息技术部(MeitY)秘书长S. Krishnan在接受专访时表示,根据“印度半导体使命2.0”(India Semiconductor Mission 2.0),印度政府计划支持本土GPU芯片研发,并预计这项工作需要约24个月。

    来源 AI 行业观察
  7. YC初创设百万美元悬赏,求解AI材料科学五大难题

    成立仅数月的YC初创公司Discovered Materials宣布,设立总额100万美元的悬赏基金,围绕五个尚未解决的材料科学问题,每个解决方案奖励20万美元。该公司用AI寻找芯片材料,希望以开放创新加速材料发现,并验证AI在半导体材料研发中的潜力。这既是科研激励,也是初创公司构建生态、吸引人才与实验合作者的战略动作

    来源 AI 科技快讯
  8. MCU内置小型FPGA成新趋势:CLB为何开始受关注

    过去近三十年间,从工业电机到光伏逆变器,从车载电驱到数字电源,C2000几乎定义了数字控制系统的一切。虽然Arm、RISC-V都在突袭C2000,但有工程师感叹:“C2000就像MCU界的机械键盘,尽管薄膜键盘铺天盖地,但有情怀的玩家还是首选机械键盘。”不过市场的需求毕竟是多样化的,C2000不可能满足所有要求,所以很

    来源 腾讯网
  9. 中信建投:算力硬件行情分化后,半导体国产化三年增长怎么看

    中信建投发布研报称,爆发式增长的算力投资驱动了一轮硬件产业链的大繁荣后,市场开始对需要融资维系的高资本支出产生担忧,我们认为高阶AI PCB、800V等新技术迭代的机会值得重视。半导体国产化方面,AI将全球存储、逻辑、先进封装需求抬升到一个更高的量级,在下游制造环节市占率和上游国产化率双重提振下,半导体设备、材...

    来源 腾讯网
  10. 英伟达详解AI内存全栈协同设计:HBM容量增3% 每美元吞吐量最高升30倍

    美东时间11月5日周四,英伟达发布公司博客文章,详解其AI内存全栈协同设计策略,强调随着大模型参数规模、上下文长度和智能体(Agent)应用持续扩张,AI基础设施的内存压力正在加剧,单纯增加GPU内存容量已不足以解决问题。英伟达提出,通过协同设计GPU、CPU、网络、存储和软件,并结合模型权重量化、KV Cache压缩

    来源 腾讯网
  11. Altman改名Ram引热议:AI基建要踩刹车?

    最近,Sam Altman 改名了。 11 月 4 日,OpenAI CEO 在 X 上短暂更换了显示名称,从 Sam Altman 改成了Ram Altman。 事情的起因是,Altman 此前在一档播客中谈到,普通人的电脑里装着大量 RAM,却只有很少时间真正被使用。从全球资源分配的角度来看,还不如把这些内存集中到

    来源 AI 行业观察
  12. Discovered Materials设100万美元悬赏:AI能否破解材料科学5大难题?

    成立仅数月的YC初创公司Discovered Materials宣布,设立总额100万美元的悬赏基金,围绕五个尚未解决的材料科学问题,每个解决方案奖励20万美元。该公司用AI寻找芯片材料,希望以开放创新加速材料发现,并验证AI在半导体材料研发中的潜力。这既是科研激励,也是初创公司构建生态、吸引人才与实验合作者的战略动作

    来源 AI 行业观察
  13. Diamond Foundry 成功制造世界首个 200mm(8 英寸)金刚石单晶

    IT之家 11 月 7 日消息,企业 Diamond Foundry 当地时间本月 5 日宣布,其成功制造出世界首个 200mm(8 英寸)金刚石单晶。 更大的单晶尺寸意味着更优秀的晶边面积利用率和更高的生产效率,有助于加速金刚石材料在半导体领域的商业化应用。 金刚石拥有超宽禁带、高载流子迁移率、高击穿场强、高热导率等

    来源 AI 行业观察
  14. 摩根士丹利反思AI交易:“建设”叙事退场,应用层接棒

    摩根士丹利警告:AI投资逻辑正经历结构性转变。纳斯达克较高点回调逾10%,费城半导体指数单日暴跌12%,本轮抛售被定性为对冲基金仓位出清而非基本面崩塌。更关键的是,AI资本开支增速预计从2026年的100%骤降至2028年的14%——押注数据中心建设的单一叙事已走到尽头,市场重心正从基础设施供应商转向真正能变现盈利的应

    来源 华尔街见闻
  15. 谷歌母公司押注AI芯片:豪掷5.48亿美元建仓高通

    快科技11月7日消息,Alphabet(谷歌母公司)最新提交的13F持仓文件披露,公司在第三季度首次建仓高通,购入297.7万股,持仓市值约5.48亿美元,占高通总股本不足0.5%,这笔新增持仓直接跻身Alpha

    来源 快科技
  16. 三星SK海力士单季利润破纪录:存储涨价见顶,AI高端品仍紧俏

    近日,全球存储产业交出了半导体史上最惊人的一份季度财报组合。 2026年第三季度,三星电子单季营业利润107.4万亿韩元,成为全球第一家单季营业利润突破100万亿韩元的科技公司;SK海力士单季营收首次越过100万亿韩元,营业利润率高达80%;美光单季营收542亿美元、毛利率87%;铠侠单季营收2.48万亿日元,一个季度

    来源 AI 行业观察
  17. Runway实时视频模型:单会话GPU从8块降到4块

    Runway公布技术论文,首次披露Runway Characters实时视频对话产品的推理系统。论文显示,通过缓存管理、计算流程及GPU通信优化,运行单个实时会话所需H100 GPU从8块降至4块,单次生成时间从240.9毫秒缩短至147.4毫秒,实现每秒24帧的实时视频生成。

    来源 凤凰科技
  18. 大晓机器人双脑协同:一次滑移如何变成可复用经验

    【TechWeb】11月6日消息,一次普通的取杯任务中,机器人找到水杯、规划接近方向,却在抬起时发生滑移;它调整接触位置,重新抓取并完成任务。对使用者而言,任务已经结束;但对持续学习的具身智能系统而言,真正值得追问的是:为什么滑?这次调整在什么条件下有效?换一只杯子、一副夹爪,甚至另一台机器人,这段经验还能否...

    来源 腾讯网
  19. 29岁亚历山大·王与HRT实习旧友:一张合影串起480亿美元AI版图

    一个由华尔街量化实习生组成的“硅谷新黑帮”,再次走入聚光灯下。 智东西11月6日报道,近期,英国《金融时报》刊发了对Meta首席AI官、29岁华裔创业者亚历山大·王(Alexandr Wang)的人物报道,讨论了他在Meta内部的影响力,以及未来接替扎克伯格掌管这家科技巨头的可能性。 而接班人传闻出现两天后,亚历山大·

    来源 AI 行业观察
向下滚动自动加载更多