一句话总结
2026 年 9 月 12 日，移动云公司联合中国电子科技南湖研究院、北京灵汐科技、上海天数智芯、清华大学、北京大学，在 2026 中国算力大会“算力首创首发发布会”上发布国内首个国产 GPU＋类脑芯片大模型异构混合推理系统：将 Transformer 的 Attention 计算交给国产 GPU、FFN 模块交给类脑芯片，在 DeepSeek V4 Flash 大模型上验证实现推理输出与能效提升 1 倍以上、业务运营成本降低 40% 以上。
背景：大模型推理的双重瓶颈
随着人工智能产业重心从模型训练转向规模化推理服务，推理算力已成为支撑词元工厂、AI 智能体、文生视频等业务的新型数字基础设施。大模型并发服务对吞吐量、能耗成本提出极高要求，传统单一 GPU 推理架构面临双重瓶颈：一方面，数据频繁搬运带来“内存墙”和“功耗墙”；另一方面，国内先进芯片制程供给受限，单纯依靠硬件工艺升级提升算力的空间有限。
技术方案：国产 GPU 与类脑芯片分工
该项目从系统架构创新入手，首次将国产通用 GPU 与类脑芯片深度融合，创新实现 Transformer 模型 PD/AF 分离推理模式：
- Attention（注意力）计算：交由国产 GPU 承载。
- FFN（前馈网络）模块：交由类脑芯片处理，发挥类脑芯片存算一体、片上大容量 SRAM 的架构优势，突破传统 GPU 推理的固有瓶颈。
团队同时自研模型编译器、高速互联协议和统一推理引擎，实现两类算力的任务拆解、协同调度、结果聚合，使两种架构的算力优势互补。
验证结果：在 DeepSeek V4 Flash 上完成调优
项目已在 DeepSeek V4 Flash 大模型上完成完整调优验证。对比同类国产 GPU 算力集群：
- 推理输出和能效：均提升 1 倍以上；
- 业务运营成本：降低 40% 以上。
这意味着依托国内成熟工艺的国产芯片，通过系统架构创新可以实现对标国际下一代推理架构的业务能力，为大模型推理国产化落地提供可复制的技术范式。
产学研协同与落地计划
该成果是产学研用协同创新的典型实践，整合运营商、芯片企业、科研院所、高校多方力量，打通从底层芯片适配、推理引擎开发到业务场景验证的完整链条。后续团队将持续迭代异构推理系统，面向词元工厂、AI 代码开发、文生视频、多智能体协同、智能制造、金融通信安全等场景开展落地验证，并计划将核心异构推理框架逐步开放，赋能国内 GPU、类脑芯片厂商及算力运营商。
数据来源与参考
- 央广网（2026 年 9 月 13 日）：中国移动新一代大模型异构混合推理系统亮相 2026 算力大会
- 人民网（2026 年 9 月 12 日）：2026 中国算力大会在河北廊坊开幕