曦望：国产AI芯片新星崛起，欲以“用得起”的算力重塑大模型未来

新兴国产GPU公司曦望（Sunrise）近期完成近10亿元人民币新一轮融资，由商汤分拆而来，致力于打造“更懂AI”的高性能芯片。凭借兼容CUDA生态的自研产品和成本创新，曦望正试图降低大模型推理门槛，为中国AI算力自主化注入新动能，同时也在全球芯片竞争中探索一条独特的道路。

在一片由算力饥渴驱动的全球AI竞赛中，中国本土的芯片力量正以前所未有的速度和韧性崛起。最近，一家名为曦望（Sunrise）的国产高性能GPU公司浮出水面，以一则近10亿元人民币的最新融资消息，引发了业界的广泛关注。这家从人工智能巨头商汤分拆而来的新锐，不仅带着深厚的AI基因，更明确提出了“用得起”和“用得上”的产品理念，这在当前全球AI算力资源稀缺且昂贵的背景下，显得尤为引人注目。

突破重围：曦望的技术路径与市场策略

曦望的战略核心，在于其自研的高性能GPU产品线——曦望S1、S2、S3。这并非是简单地复制现有技术，而是旨在通过深入的技术创新，解决AI应用场景中成本和可用性的痛点。

曦望S1定位为云边视觉推理专用芯片，目前已实现量产，出货量超过2万片，主要服务于商汤的计算机视觉产品线。这显示了曦望在边缘AI推理市场已具备初步的落地能力。

然而，真正触及当前AI核心算力需求的，是其通用计算GPU（GPGPU）——曦望S2。这款芯片不仅已实现量产，更宣称性能可对标英伟达A100。更值得注意的是，曦望S2秉承了“原创精神”，从指令集、GPGPU IP架构、算子开发到编译器工具链，均实现了完全自研。¹ 这意味着曦望在GPU核心技术上不再仅仅是追随者，而是具备了从底层进行创新的能力。在当前AI大模型对算力需求呈指数级增长，且英伟达CUDA生态占据主导地位的背景下，曦望S2宣称兼容CUDA生态，无疑是其争取市场份额的关键一步，因为它能有效降低开发者迁移成本，利用现有的大量AI模型和算法。

曦望的野心并未止步于此。正在研发中的曦望S3，则聚焦于多模态大模型推理。据称，S3的目标是通过架构创新将推理计算成本降低到原有水平的1/10，挑战“让国产大模型推理成本进入1分钱时代”。¹ 如果这一目标能够实现，其对整个AI产业的影响将是颠覆性的。成本的显著降低将使得更多中小企业、研究机构乃至个人能负担得起大模型的部署和应用，从而极大推动AI技术的普及和创新。这不仅是一个技术问题，更是一个潜在的经济和社会效益倍增器，它可能加速AI的“平民化”进程，让更多创新得以孵化。

支撑这一系列雄心壮志的，是曦望精干而强大的团队。联席CEO之一是前百度集团法人代表、曾主导百度核心业务的王湛，他的加入为曦望带来了丰富的互联网和AI应用场景经验。而另一位联席CEO王勇，则是芯片领域的老将，曾任职AMD，并主导过昆仑芯二代架构设计，在商汤期间也负责芯片研发。这支仅有150人的核心技术团队，多数来自AMD、百度、阿里、商汤等知名企业，并已成功实现S1和S2两代芯片的“一次流片成功”，效率之高令人侧目。¹

竞逐巅峰：国产GPU的战略意义与挑战

曦望的融资和技术突破，并非孤立事件。在过去几年，中国本土GPU产业持续升温，沐曦（Metax）和摩尔线程（Moore Threads）等公司也相继完成了大额融资，旨在通用GPU领域实现突破。²³ 这表明，在国家政策支持和市场需求的双重驱动下，中国正在形成一股强大的国产GPU研发浪潮。

在全球地缘政治日益复杂、供应链不确定性增加的当下，实现AI算力的自主可控已成为中国的战略优先级。长期以来，中国在高端AI芯片领域对英伟达等国际巨头存在高度依赖。曦望等公司的崛起，正是为了填补这一空白，构建起本土的AI算力底座。这种自主研发的努力，不仅关乎技术主权，也直接影响到中国在AI前沿领域的竞争力。

然而，国产GPU的道路依然充满挑战。首先是生态系统建设。英伟达凭借CUDA构建了强大的软件生态壁垒，任何后来者都需要投入巨大资源才能与之一较高下。曦望宣称兼容CUDA生态，是明智的策略，但深层次的性能优化和生态融合仍需时间检验。其次是市场验证。即便性能对标A100，实际的大规模应用和稳定性也需要时间的考验。最后是人才和资金的持续投入。尽管曦望团队精干，但GPU研发是资金密集型和人才密集型产业，长期的持续投入至关重要。

曦望的“用得起”和“用得上”理念，恰好切中了中国AI市场发展的脉搏。在中国，AI应用场景极为丰富，但成本敏感性也相对较高。通过提供高性价比的AI算力解决方案，曦望有望加速AI技术在各行各业的渗透，推动AI在边缘设备、云端推理，乃至未来更复杂的AI模型中的普及。这不仅可能为中国AI产业带来显著的经济效益，更将促进一个更加普惠、更具活力的AI创新生态的形成。

引用

• 国产GPU
• 曦望
• 人工智能芯片
• 算力
• 大模型推理
• 融资
• 商汤
• 自主研发
• AI产业