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。

这家公司名叫东方算芯，总部位于上海张江，2024年5月成立，目前团队已经超过500人。带队的是清华大学教授魏少军，他曾担任“核高基”国家科技重大专项技术总师，如今出任东方算芯董事长兼CEO。

东方算芯这次发布的芯片叫DF1000。它在BF16精度下，单卡峰值算力达到520TFLOPS，访存带宽达到6.4TB/s，卡间Scale-up互联带宽为900GB/s。

最值得关注的不是单独某个参数，而是这颗芯片采用国产14nm成熟工艺完成研发制造，不依赖EUV和传统高端存储方案，芯片设计、晶圆制造、3D封装和测试环节均由国内供应链完成。

很多人不理解，英伟达已经使用4nm级工艺，东方算芯为什么能用14nm做到520TFLOPS？

原因并不复杂。AI芯片的实际效率，不能只看晶体管尺寸，还要看计算资源能否被充分利用，数据读取速度够不够快，芯片之间的通信是否顺畅。

传统AI芯片在计算时，需要频繁从存储器调取数据。计算单元可能很快，但数据没有及时送到，计算单元就只能等待。大模型参数越多，需要传输的数据越多，这个问题就越明显。

DF1000采用DRAM与逻辑晶圆级混合键合技术，把计算层和存储层垂直集成，将两者之间的互连距离压缩到亚微米级。数据传输距离缩短，访存带宽随之提高，这才有了6.4TB/s的成绩。

另一项关键技术是软件定义芯片。传统处理器的硬件资源相对固定，面对不同模型和算子时，部分计算单元可能无法充分利用。

DF1000能够根据软件任务调整硬件资源配置，通过空间并行和时分复用，提高计算资源利用率。

说得直接一点，东方算芯并没有让14nm变成4nm，也不能简单宣布14nm已经超过先进制程。它做的是减少数据搬运，提高资源利用率，在成熟工艺条件下尽可能提升AI计算能力。

目前DF1000已经完成完整流片验证，并实现128卡集群稳定运行。企业还推出了加速卡、8卡服务器、超节点和智算集群，说明这次发布不只是展示一颗芯片样品，而是准备提供整套算力系统。

软件方面，东方算芯开发了覆盖编译器、运行时、算子库、集合通信库和分布式训练框架的软件栈，DeepSeek、千问等开源模型可以进行迁移部署。

但我认为，现在就说DF1000全面击败英伟达，还缺少足够证据。

520TFLOPS只是理论峰值。判断一颗AI芯片是否真正有竞争力，还要看功耗、显存容量、算力利用率、集群扩展效率、模型训练速度、推理吞吐、稳定性、良率和采购价格。DF1000目前尚未公布完整的第三方基准测试，也没有进入MLPerf等公开测试体系。

拿H100作比较时同样要谨慎。不同产品公布峰值算力时，可能采用不同的稀疏计算条件和统计口径。参数表上的520和989，不能直接换算成真实训练时间。英伟达真正强大的部分，也不只是芯片，而是CUDA、算子库、通信系统和长期形成的开发者生态。

那么，阿斯麦、台积电和英伟达为什么仍然需要关注？

对阿斯麦来说，DF1000不可能影响当前EUV需求。就在7月15日，阿斯麦公布2026年第二季度营收93亿欧元，并把全年营收预期提高到430亿至450亿欧元。全球先进制程投资仍在增长。

真正值得阿斯麦注意的是，如果越来越多高算力芯片通过成熟工艺、3D集成和架构优化实现，部分AI计算需求就不再必须依赖EUV。它影响的不是阿斯麦今天的订单，而是高端算力是否只有先进光刻这一种实现方式。

台积电也没有到失去优势的时候。2026年第一季度，台积电营收达到359亿美元，同比增长40.6%，7nm及以下先进制程占晶圆收入74%。这些数据说明先进制程依然供不应求。

但是DF1000证明，客户除了购买最先进制程，还能研究成熟工艺与3D集成方案。对于无法稳定获得先进产能的企业，这种技术路线具有现实价值。

DF1000真正重要的地方，不是让三家国际巨头立刻失去市场，也不是用一场发布会宣布实现全面超越。

它的重要性在于，中国高端AI芯片开始尝试不完全复制国外技术体系。先进制程暂时受到限制，就从计算架构、存储集成、封装互联和软件协同入手，把成熟工艺能够提供的性能继续提高。

一颗DF1000还改变不了全球半导体产业格局，但它已经完成了流片验证和128卡集群运行。只要后续功耗、良率、软件兼容性、量产成本和客户实测能够经得住检验，这条技术路线就具有持续发展的价值。

这一步，东方算芯已经迈出来了。接下来能走多远，要用量产数据和真实应用说话。