你可以把AI芯片想成一家忙碌的厨房：算力是厨师切菜的速度，内存带宽则是食材送到案板的速度。厨师再快，如果食材总堵在路上，也做不出更多菜。东方算芯（Dongfang Suanxin，DFSX）新发布的DF1000，瞄准的正是这类“数据搬运”瓶颈。它没有把主要赌注押在最先进制程上，而是尝试用14nm工艺、3D堆叠和近存计算提高数据吞吐。不过，目前能看到的性能数字主要来自公司披露，尚无独立测试佐证。
不追最细制程，先缩短搬运距离
据《上海证券报·中国证券网》报道，东方算芯于2026年7月13日在上海发布首颗芯片DF1000，称其采用全国产供应链、软件定义架构和晶圆级3D混合键合近存计算。
近存计算（near-memory computing），就是把计算单元放到更靠近存储器的位置。大模型运行时要频繁读取数据，速度常常卡在内存带宽，而不是计算单元本身。这道瓶颈也叫“存储墙”。
据《国际金融报》报道，DF1000采用14nm工艺和三层堆叠结构：计算层在中间，存储层分布在上下两侧。3D混合键合可以把不同晶圆或芯粒垂直叠放，再用密集连接把它们接起来。这样做的直观目的，是让计算层更快拿到数据，在不依赖最先进制程的情况下提高吞吐。
纸面规格说明了什么？
据《上海证券报·中国证券网》报道，东方算芯公布的单卡指标包括：BF16算力520 TFLOPS、显存带宽6.4 TB/s、Scale-up互联带宽900 GB/s。
BF16是大模型训练常用的一种低精度数字格式；TFLOPS表示每秒可完成多少万亿次浮点运算。Scale-up互联则负责让一台服务器或一个超节点里的多张加速卡高速协作。公司称DF1000可用于大模型训练和推理，但这些数字目前只是厂商规格，并不等同于真实模型中的速度和效率。实际表现还会受到内存、软件、互联和模型适配影响。
真正值得看的，是路线能否落地
这款芯片的意义，不只在单个参数。它代表一种国产AI算力路线：在先进制程和高带宽存储受限时，用成熟制程、近存计算和3D封装争取系统性能。《华尔街日报》将其描述为借助国产供应链绕开高端技术出口限制，但这更接近企业目标和媒体解释，尚不能视为已经实现的效果。
公司也不只展示芯片。据《国际金融报》和东方算芯官网，其产品范围还包括加速卡、64卡超节点、服务器和集群；公司在2026年4月底完成A+轮融资，报道给出的投后估值为122.75亿元。换句话说，DFSX想做的是一套算力系统，而非只卖一颗芯片。
局限与未知
- “全国产供应链”的边界尚不清楚，是否覆盖EDA设计工具、IP、晶圆制造、封装、存储以及设备材料，现有材料没有逐项说明。
- 目前没有独立第三方基准测试，无法据纸面规格判断DF1000在真实训练和推理中的性能、能效与软件成熟度。
- 良率、量产成本、散热、客户、出货规模均未披露。DF1000能否成为国产算力版图里的重要玩家，最终要看稳定量产和实际部署，而不是发布会参数。