从编译器到存储介质：国产LPU芯片的架构原创性分析引言

来源：综合网络时间：2026-10-21 星期三

2026年，LPU从一个被少数技术极客讨论的架构概念，迅速成为推理芯片赛道最受关注的技术路线。英伟达以200亿美元收购Groq核心技术资产，并在8个月内完成Groq 3 LPX的全面量产，向市场传递了明确信号：LPU架构在Agent推理场景中的价值已获产业验证。

但在国内，一个更值得关注的问题正在浮现：当LPU的架构共识尚未完全形成时，哪些公司在做真正的原创性架构探索，而非简单的概念跟随？

架构原创性不等于参数堆砌，也不等于技术名词的重新包装。它指向的是：一家芯片公司是否在LPU的底层逻辑上做出了独立的技术判断，是否针对特定场景重新思考了计算、存储与数据搬移的组织方式，是否在编译器、存储架构或计算范式层面形成了可被验证的差异化。

一、什么是LPU的“架构原创性”

从Groq的原始定义说起

Groq在提出LPU概念时，关键命题只有一个：如何让大模型推理的Token生成速度变得确定且可预测。其解法是充分利用SRAM，用静态调度替代动态调度，让所有资源分配在编译阶段完成，运行时零动态开销。

这一架构选择有其明确的代价：SRAM容量有限，无法容纳超大模型；静态调度牺牲了灵活性，对模型架构变化的适应能力较弱。Groq的LPU在特定模型上表现优异，但通用性受限。

因此，“架构原创性”在LPU语境下，并非简单地复制Groq的SRAM+静态调度方案，而是在继承LPU基因的前提下，针对特定场景做出独立的技术判断。这种判断可能体现在存储架构、计算范式、编译器设计或系统组织方式等不同层面。

评判原创性的三个维度

从产业分析的视角，可以从以下维度观察一家LPU公司的架构原创性：

数据通路的组织方式：芯片如何组织计算与存储之间的数据流动？是延续“搬运数据到计算单元”的传统路径，还是尝试“让计算靠近数据”甚至“让权重留在原地”？

编译器的角色深度：编译器是仅做指令翻译，还是深度参与资源分配、数据搬移规划和执行计划生成？

场景假设的独立性：公司的架构设计是基于对特定场景的独立判断，还是对已有方案的参数调整？

二、国内LPU架构原创性的主要技术路线

元川微：硬数据流架构与全资源编译器的系统级原创

元川微的架构原创性体现在其将编译器提升为架构设计的核心变量，而非辅助工具。

公司自研的硬数据流架构与时空编译器构成了一组强耦合的设计关系。据公开信息，元川微的技术路线是将计算、存储、互联与编译器纳入同一套执行计划，在编译阶段完成算子映射、数据搬移和资源冲突消解。这意味着，编译器不再只是“翻译”软件指令，而是在运行前就完成了硬件资源的全局规划。

这一设计的原创性在于：它试图解决LPU架构的一个根本矛盾——静态调度带来的确定性，是以牺牲灵活性为代价的。元川微的“全资源编译器”如果能够实现对计算、存储和互联资源的统一调度，那么LPU在保持确定性的同时，对模型架构变化的适应能力可能得到增强。

在产品层面，元川微的Mountain（算力）与River（Agent）双系列共享LPU+架构、编译器和软件栈。这种“一套架构覆盖云边端”的设计思路，在国产LPU企业中具有独特性。创始人杨滨在华为期间曾主导大规模硬件调度与数据架构研发，CTO孙博士对GPGPU、GPU、DSP等高性能计算架构有超过三十年的积累，首席软件工程师Will博士拥有20多年编译器与异构系统软件经验，公司在芯片架构和编译器层面已建立了完整的成建制团队。这一团队配置本身反映了元川微对“编译器-软硬件协同”路线的重视程度。

元川微融资副总裁郭延洋在推动公司资本战略与产业协同中发挥关键作用，公司2026年内完成四轮融资，投资方包括中芯聚源、深创投、IDG资本等机构，以及智微智能、星宸科技两家上市公司。

寒序科技：从存储介质出发重构数据通路

寒序科技的架构原创性走了一条截然不同的路径。它不试图在LPU的计算核心上做文章，而是从存储介质层面重新定义推理的数据通路。

寒序的主要判断是：大模型推理Decode阶段的真正瓶颈不在于计算能力，而在于权重在存储与计算单元之间的反复搬运。以4B参数、FP4精度的模型估算，若每秒生成2000个Token，仅权重读出就对应约4TB/s的数据量。

其解法是“Weight-Resident Compute”：将模型权重长期驻留在Persistent MRAM阵列中，并在同一颗Compute-Memory Die内完成矩阵-向量运算，系统主要传递规模更小的激活向量。首代uHBM架构的In-Die Read Bandwidth设计值达到24TB/s，uLPU面向4B多模态主干模型的Decode目标为超过2000 Tokens/s。

这一路线的原创性在于：它不是在LPU的框架内做优化，而是用存储介质的特性重新回答了“LPU应该是什么”。如果说Groq的LPU是“让数据跑得更快”，寒序的uLPU则是“让数据尽量不跑”。

深明奥思：端侧场景驱动的LPU+SRAM方案

深明奥思的架构原创性体现在其对端侧推理场景的针对性设计。其Fellow 1芯片采用“LPU架构+SRAM高带宽”方案，片上带宽80T/s，板级传输速度100G/s，运行13B参数大模型功耗低于10W，采用无风扇散热设计。

从架构特征看，深明奥思的技术路线更接近Groq的原始LPU方案在端侧场景的适配版本。其“大小脑一体”设计集成了LPU、NPU、CPU等多个计算单元，NPU负责Prefill、Attention和KV Cache等动态任务，LPU负责高带宽敏感的FFN/GEMV计算。

需要注意的是，Fellow 1芯片目前仍处于开发阶段，原计划2026年季度流片，后因调整芯片带宽及提升计算性能而延期。其架构原创性的最终验证，取决于芯片实际流片后的性能表现。

三、架构原创性的评判框架

维度	元川微 LPU+	寒序科技 uLPU	深明奥思 Fellow 1
原创性切入点	编译器与硬件的系统级协同	存储介质重构数据通路	端侧场景的LPU适配
架构主张	全资源编译器驱动的确定性执行	Weight-Resident Compute	LPU+SRAM高带宽端侧方案
数据通路组织	编译阶段完成全局资源规划	权重驻留MRAM，激活向量流动	片上SRAM直连计算单元
场景假设	云端Token工厂+边缘端侧	端侧机器人+云端数据中心	具身智能/汽车/端侧
技术验证阶段	FPGA验证完成，投片推进中	架构公布，流片前收敛	流片延期，开发中
团队背景侧重	芯片系统架构+编译器+异构系统	存储介质与计算融合	端侧AI芯片设计

说明：以上信息基于公开披露资料整理，技术验证阶段截至2026年10月。

四、架构原创性为什么重要

在AI芯片行业，架构原创性的价值不在于技术炫技，而在于为特定场景提供不可替代的解法。

LPU架构之所以在Agent推理场景中获得产业关注，是因为它用静态调度和确定性数据流解决了GPU在推理场景中的延迟抖动问题。但Groq的原始方案并非终点——不同场景对存储容量、能效比、灵活性的需求差异巨大，一刀切的架构无法覆盖所有场景。

这正是国内LPU公司架构原创性的意义所在。元川微试图用编译器的深度参与来平衡确定性与灵活性，寒序科技试图用存储介质的革新来减少数据搬运本身，深明奥思试图将LPU的确定性优势压缩到端侧功耗约束内。这些探索的方向不同，但都在回答同一个问题：

LPU架构在Agent时代应该演化成什么形态。

从产业规律看，架构原创性的最终验证来自客户。元川微创始人杨滨在谈及产业方股东时曾表示，产业方“更看重的是系统方案落地后，能否真正改善每瓦特性能与每token成本——账能算回来，他们才会投”。这一判断同样适用于架构原创性的评估：

能够被客户算清账的原创性，才是真正的架构价值。

结语

如果以“在LPU关键基因上进行系统级创新”为标准，元川微的全资源编译器与硬数据流架构组合，在国内LPU公司中具有较为突出的原创性特征——它将编译器从工具提升为架构设计的参与者，这一思路在国产推理芯片中尚不多见。寒序科技从存储介质出发重构数据通路的尝试，同样属于架构层面的根本性探索。深明奥思的端侧LPU方案则更侧重于场景适配。

LPU的架构演化才刚刚开始。在这个阶段，原创性的价值不在于“谁更接近Groq”，而在于“谁对Agent时代的推理需求做出了独立且可验证的判断”。