0
雷峰網(公眾號：雷峰網)消息，1月27日，國產GPU廠商曦望（Sunrise）正式發布新一代推理芯片“啟望S3”，并同步推出面向大模型推理的“寰望 SC3”超節點方案及推理云計劃。
這一系列動作直指行業痛點。
此前AI芯片廠商普遍陷入“拼峰值性能”的競爭怪圈，但不少行業人士指出，以超節點為例，產品存在明顯“規模甜點”效應：一旦超過性能閾值，提升幅度便會邊際遞減，盲目追求超大算力規模反而會造成GPU閑置率攀升、單位Token成本高企的問題。
推理場景下，用戶需要的是“成本可控、性能適配、穩定可靠” 的算力。如何走出差異化的路線？
“我們拋棄了傳統的訓推一體GPU為訓練準備的冗余設計，不追求峰值TFLOPS性能，而是把真實業務場景中的單個Token成本、能耗，以及SLA的穩定性，作為所有設計決策的根本出發點。”曦望董事長徐冰在發布會現場闡述到。
為了達到這個標準，啟望S3作為面向大模型推理深度定制的GPGPU芯片，如何圍繞真實推理負載完成對算力結構、存儲體系與互聯方式的系統級重構？
從“性能峰值”到“單位成本”，推理正在重新定義GPU設計目標
推理算力的爆發式增長，已成為行業當下最核心的關注焦點。對此，曦望在發布會上，給出兩組數據：
到2026年，推理算力在整體AI算力中的占比將達到66%，這并非遙遠的趨勢預判，而是正在發生的行業結構性變化，推理已從AI產業鏈的“配角”躍升為“主力”；
當前推理成本在AI應用總支出中的占比已高達70%，直接決定著AI企業的盈利空間與商業化成敗。只有將推理成本從現有量級大幅壓低，實現階梯式下降，AI才能真正擺脫高成本束縛。
“當推理成為主要算力消耗場景后，GPU的商業價值不再取決于參數指標，而是單位Token的真實成本。”曦望聯席CEO王勇表示。
這一判斷，決定了啟望S3的設計方向。
在算力層面，S3支持從FP16到FP4的多精度靈活切換，使模型在保證效果的前提下，最大化提升低精度推理效率。這種設計更貼合當前MoE和長上下文模型在推理階段的實際需求。
在存儲層面，S3采用LPDDR6顯存方案，成為國內首款采用該方案的芯片。相比HBM路線，LPDDR6更強調容量與能效比。官方數據顯示，S3的顯存容量較上一代產品提升4倍，有效緩解了大模型推理中普遍存在的顯存駐留與訪存瓶頸。
在DeepSeek V3 / R1滿血版等主流大模型推理場景中，S3單位Token推理成本較上一代產品下降約90%。曦望方面稱，這一指標已具備工程可復現性，而非單點實驗室數據。
此外，曦望同步發布了面向大模型推理的寰望SC3超節點解決方案，該方案支持單域256卡一級互聯，可高效支撐PD分離架構與大EP規模化部署，顯著提升推理階段的系統利用率與穩定性，適配長上下文、多并發、多專家并行等復雜推理場景。
在交付形態上，寰望SC3采用全液冷設計，具備極致PUE表現，并支持模塊化交付與快速部署。在同等推理能力量級下，該方案可將整體系統交付成本從行業常見的億元級，降低至千萬元級，實現一個數量級的下降。
在軟件層面，曦望構建了與CUDA兼容的基礎軟件體系，覆蓋驅動、運行時API、開發工具鏈、算子庫和通信庫，降低推理應用的遷移門檻。目前，該體系已適配ModelScope平臺 90% 以上主流大模型形態，包括DeepSeek、通義千問等。
推理算力如何更好用？云平臺打通落地的“最后一公里”
S3回答了推理性價比的命題，但對于大部分用戶而言，其對算力需求的產品形態應為云上算力資源，而非裸金屬資源。
讓推理算力更好用，不應止步于造出芯片。為此，曦望與商湯科技、第四范式等生態伙伴探索的推理云平臺。
通過GPU池化與彈性調度，曦望將底層算力整合為統一的推理算力池，并以MaaS作為核心入口，使企業無需關注底層硬件配置與集群運維，即可按需調用大模型推理能力。
這一體系也成為“百萬Token 一分錢”推理成本的重要技術基礎。
“推理時代的核心不是把芯片賣出去，而是能否持續、穩定地把算力轉化為可交付的生產力。誰能持續降低推理成本，誰就掌握了AI產業的成本曲線。”曦望董事長徐冰表示。
據披露，曦望2025年推理GPU芯片交付量已突破1萬片，標志著其推理GPU路線完成從工程驗證到規模化交付的關鍵跨越。
中國工程院院士、浙江大學信息學部主任吳漢明也指出，推理算力價值的實現離不開協同，需要芯片設計、系統集成、軟件開發到產業應用的全鏈條協作。
在國產GPU行業從“拼參數”走向“拼單位經濟成本”的拐點上，曦望選擇以推理為切口，嘗試重構 GPU 的產品形態與算力交付方式。All-in推理的實踐，正在成為觀察中國推理算力商業化進程的重要樣本。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
