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。

这家公司叫东方算芯，2024 年 5 月才在上海张江成立，算到发布芯片这天，满打满算才两年多。掌舵人是清华大学的魏少军教授，在国内芯片设计领域深耕了几十年，这次拿出的产品叫 DF1000，是全球首颗软件定义近存计算 3D AI 芯片。

先说最直观的冲击：520TFLOPS 的 BF16 精度算力是什么概念？作为参照，英伟达 4nm 工艺的 H100，同精度算力大概是 990TFLOPS。用 14nm 的成熟工艺，做到了顶尖 4nm 芯片一半以上的算力水平，这个效率本身就已经打破了行业的固有认知。

过去整个芯片行业都默认一个逻辑：算力越强，制程就得越先进。要做高端 AI 芯片，就必须上 3nm、4nm，就必须用阿斯麦的 EUV 光刻机，就必须搭配 HBM 高带宽显存。这三样东西，刚好都是当前海外管制的核心。

东方算芯走了一条完全不一样的路，两个核心创新，直接把这两道卡给绕开了。

第一个是不用 EUV。它用的是 14nm 成熟制程，这条工艺线国内已经完全打通，用 DUV 光刻机就能生产，从头到尾不依赖阿斯麦的高端设备，整条制造供应链都能实现自主可控。

很多人可能觉得 14nm 是落后工艺，做不了大算力。但 DF1000 用了 “软件定义芯片” 的技术，硬件资源可以动态重构、分时复用。

打个比方，传统芯片的电路是固定死的，就像一间隔好房间的房子，只能按原来的布局用；这颗芯片的电路可以跟着任务变，今天跑大模型就调成大模型的布局，明天跑图像就调成图像的布局，硬件利用率比传统 GPU 提升了 60% 以上。

第二个更狠，不用 HBM。DF1000 用 3D 晶圆级混合键合技术，直接把计算晶圆和存储晶圆垂直叠在了一起。传统芯片是计算单元在这边，内存在那边，数据要跑很长的路；它俩叠起来之后，数据传输距离缩短了 90% 以上，互连间距压到了亚微米级别，单卡访存带宽直接做到了 6.4TB/s，比 HBM3 的常规带宽还要高出一倍。

等于说，它用 3D 堆叠的近存计算，从根源上解决了困扰行业几十年的 “存储墙” 问题，直接把 HBM 这个 “刚需” 给绕过去了。

这两件事放在一起，最难受的就是开头说的三家公司。

首当其冲的是阿斯麦。EUV 光刻机之所以卖得贵、地位稳，就是因为全行业都认定，先进制程是高端芯片的唯一路径，没有 EUV 就做不了高端算力。现在 DF1000 证明了，靠架构创新，成熟工艺也能做出高端 AI 算力。EUV 的 “不可替代性” 第一次被实实在在地打了个折扣，未来全球芯片产业的技术路线一旦分流，阿斯麦的生意逻辑就要跟着变。

然后是台积电。全球高端 AI 芯片的代工几乎都攥在台积电手里，3nm、4nm 的产能供不应求，赚走了行业最丰厚的代工利润。如果 14nm 成熟工艺就能产出具备竞争力的 AI 算力，那大量中高端算力需求就可以转向国内成熟制程产线，不用再挤台积电的先进制程独木桥。台积电在高端 AI 代工领域的垄断地位，第一次迎来了来自技术路线层面的挑战。

最该有危机感的还是英伟达。英伟达的护城河，一半是硬件性能，一半是 CUDA 生态，但硬件是基础。现在这条新路线不用先进制程、不用 HBM，还能做出接近高端水平的算力，而且供应链完全自主，等于在英伟达的主场旁边，开了一条全新的赛道。

更关键的是，这是已经落地的商用产品。官方公布的数据都经过了完整流片验证，128 卡的大规模集群已经实现全功能稳定运行，从单张加速卡、服务器到液冷超节点、万卡级智算集群，整套产品矩阵都拿出来了，配套的自主软件栈也兼容主流 AI 开发框架。

换句话说，它不是用来 “秀肌肉” 的概念产品，是马上就能放进数据中心、跑大模型训练推理的算力硬件。

对国内产业来说，这件事的意义重大。它证明了不用死磕先进制程，不用处处跟着海外的路线走，一样能实现算力突破。换道超车不是一句口号，是真的有产品、有数据、有落地路径的现实可能。

接下来东方算芯还有后续的产品规划，下一代产品会继续沿着这条路线迭代，算力还会再往上走。当这条技术路线越来越成熟、成本越来越低的时候，全球 AI 芯片的市场格局，恐怕真的要重新写了。

这颗 14nm 的芯片，个头不大，砸进全球芯片产业里，激起的浪花可不小。