公司与华为的合作进展 - 公司与华为存在多方面合作 [2] - 公司已完成基于鲲鹏CPU可信执行环境（TEE）的密码产品研制 [2] - 该产品已获得商用密码产品认证二级密码证书 [2] 产品技术方案与特点 - 公司方案深度融合鲲鹏硬件级安全能力 [2] - 方案实现密钥在可信环境中的全生命周期管理与核心密码运算 [2] - 方案旨在破解数据流通与数据保护的矛盾，构建自主创新的密码安全基座 [2] 产品应用与客户情况 - 基于鲲鹏TEE的机密计算解决方案目前已服务于部分金融客户 [2]

公司动态 - TON代币财库公司AlphaTON Capital Corp签署了一项总额4600万美元的算力基础设施协议，用于扩展其在Cocoon AI网络上的部署规模 [1] - 该协议的交易结构包括400万美元现金、3270万美元无追索权债务融资以及分期支付的930万美元股权 [1] 技术部署 - 该协议将引入576枚NVIDIA B300芯片，计划于2025年2月交付 [1] - 此次部署构成该公司首次大规模“机密计算”部署 [1] 行业与生态 - 此次算力部署将用于扩展基于Telegram的去中心化AI网络Cocoon AI [1]

文章核心观点 文章系统分析了Gartner《2026年十大关键战略技术趋势》与现场可编程门阵列（FPGA）技术的关联，指出FPGA在AI平台与基础设施、AI应用与编排、安全与信任治理三大主线中均存在广泛且深度的应用机遇，有望成为支撑未来关键技术趋势的核心硬件平台之一 [1][4] 一、 AI原生开发平台 - **核心概念**：利用生成式AI实现快速、高效的软件开发，形态包括“一次性”生成工具、“氛围编码”工具及多AI智能体协同系统，核心驱动力是提升交付速度、生产力并节约成本 [7] - **FPGA机遇1**：FPGA/电子设计自动化工具链将被纳入AI原生开发体系，通过接入大模型自动化完成工程脚本生成、约束模板生成、IP配置等重复流程，大幅缩短开发时间 [8] - **FPGA机遇2**：FPGA作为唯一可承载高频验证的硬件，将成为自动化硬件设计时代不可替代的原型验证平台，不仅用于自身逻辑验证，更是所有专用集成电路/片上系统/芯粒流片前进行系统级验证的核心硬件，AI原生开发平台的普及将显著提升其在此市场的需求 [9] 二、 AI超级计算平台 - **核心概念**：为训练和运行先进AI模型提供超大规模算力，集成高性能计算、专用处理器和可扩展架构，以支撑数据密集型工作负载 [9] - **FPGA机遇1**：承担AI超算中的数据流预处理和辅助计算任务，通过在网络接口与计算单元之间充当“数据守门人”，直接在数据传输路径上完成解包、清洗及格式转换，有效缓解CPU与GPU面临的“内存墙”与“I/O墙”挑战，降低主处理器无效负载 [10] - **FPGA机遇2**：作为构建可编程AI数据中心网络的关键器件，实现远程直接内存访问/InfiniBand卸载、流量整形、虚拟化隔离与安全加速，是构建高性能AI数据中心网络和智能网卡的核心组件，对国产自主可控数据中心具有重要意义 [11] 三、 机密计算 - **核心概念**：通过基于硬件的可信执行环境，在数据“使用中”的处理过程中提供保护，防止未授权访问，随着隐私法规趋严和AI应用普及而愈发关键 [11] - **FPGA机遇1**：构建可定制的硬件级可信执行环境，利用可编程逻辑与片上存储资源实现面向特定行业/场景定制的隔离执行环境、访问控制逻辑和安全状态机，并能集成国密算法（如SM2/SM3/SM4）及后量子密码算法加速，满足金融、政务、军工等对“国产可控+可定制密码体系”的强需求 [12] - **FPGA机遇2**：作为边缘与行业设备中的本地机密计算节点，在工业控制、医疗设备、车载网关等场景中，既承担实时信号处理、协议转换，又内建加解密、身份认证与访问控制，保证数据全链路机密性与完整性，且支持远程安全更新以迭代算法和策略 [13] 四、 多智能体系统 - **核心概念**：通过多个专业AI智能体协同合作完成复杂工作流，相比单体式AI方案能显著提升效率和可扩展性，2024年一季度至2025年二季度相关咨询量增长1445% [13] - **FPGA机遇1**：承载多智能体在物理世界中的并发推理与实时控制，利用其在确定性时延、多通路并行处理和低抖动响应方面的优势，在工业生产、机器人和自动驾驶等场景中实现多传感器数据融合、状态机控制、轻量模型推理及安全互锁逻辑 [13] - **FPGA机遇2**：支持多智能体驱动的硬件开发自动化流程，将“架构设计—模块划分—RTL编写—仿真—综合”等环节映射为多个AI代理协作完成，使FPGA成为该自动化系统的首选试验场与目标平台，显著压缩设计迭代周期与人力成本 [14] 五、 特定领域语言模型 - **核心概念**：基于特定行业或业务功能数据集训练的AI模型，相比通用大语言模型在相应领域能提供更高准确性和合规性，有助于减少错误、加快部署并降低成本 [15] - **FPGA机遇1**：RTL/Verilog/VHDL专用特定领域语言模型将成为FPGA开发的新“智能编译器”，可自动生成可综合代码、修复错误、派生测试平台及优化建议，对于国产FPGA与电子设计自动化生态而言，是增强客户粘性和生态锁定的重要抓手 [16] - **FPGA机遇2**：构建面向FPGA/电子设计自动化的检索增强生成语料体系，通过结构化整理海量工程文档、手册及历史项目代码库，形成高质量的知识服务，将成为FPGA厂商和工具提供商新的差异化护城河和长期数据资产 [17] 六、 物理AI - **核心概念**：通过具备感知、决策与行动能力的机器人、无人机、汽车及智能设备将智能能力带入物理世界，Gartner预计到2028年全球前十名AI供应商中将有一半推出物理AI产品 [18] - **FPGA机遇**：作为物理AI系统中“感控一体”的底座芯片，能在单芯片内整合高速接口、实时信号预处理、轻量神经网络推理以及运动控制逻辑，在机器人、无人机、自动导引运输车、工业装备等场景承担核心角色，满足低延迟、高可靠性及功能安全标准（如SIL/ASIL）要求 [18] 七、 前置式主动网络安全 - **核心概念**：采用先进AI技术，在网络攻击发生之前进行预测、干扰和化解，到2029年，缺乏此能力的技术产品将失去市场竞争力 [19] - **FPGA机遇**：实现可编程、安全可控的硬件防护层，基于FPGA的智能网卡能在10G/40G/100G链路上实现线速深度包检测、正则匹配与多模式特征匹配，实践表明其可在100Gbps速率下并行扫描数千至百万条规则，显著优于软件方案，从而在服务器前构筑“第一道主动防线” [20] 八、 数字溯源 - **核心概念**：借助材料清单、认证数据库、水印等工具对软件、数据和媒体内容的来源与完整性进行验证，随着欧盟《人工智能法案》等监管落地，对AI生成内容进行水印标记和溯源将成为刚性需求 [21] - **FPGA机遇**：构建可重构的数字溯源硬件底座，在终端、网关和服务器侧承载高性能的签名/验签、哈希、时间戳及实时数字水印生成，利用并行处理架构确保大规模数据流全链路的可验证性，其可重构特性便于适配持续演进的法规与标准 [22] 九、 AI安全平台 - **核心概念**：通过统一管控机制为第三方AI服务和自建AI应用提供安全防护，以应对提示词注入、智能体异常行为、数据泄露等AI原生风险 [23] - **FPGA关联度**：该平台核心是模型治理、行为监控与策略编排，主要工作负载偏向软件逻辑，与FPGA直接关联度不高，FPGA在其中仅作为可选的推理加速或实时监控加速组件存在，并非核心技术驱动力 [24] 十、 地缘回迁 - **核心概念**：指将工作负载从全球超大规模云平台迁移到主权云或本地环境，以降低地缘政治风险，由地缘政治动荡与监管要求驱动 [25] - **FPGA机遇**：构建主权云与本地化算力中的硬件模块，国产FPGA可作为主权云中的通用加速资源或安全模块，承担网络卸载、加解密、压缩编解码与数据过滤等任务，为上层AI与业务系统提供本地化、可控的基础设施保障 [26]

文章核心观点 - 英伟达正在开发一项基于“机密计算”技术的位置验证软件服务，旨在帮助客户监控其AI GPU集群的健康状态和库存，并可能用于阻止其高端AI芯片被走私至受出口限制的国家 [1] 英伟达的位置验证技术 - 该技术是一项可由客户自行安装的软件选项，利用英伟达GPU的“机密计算”能力来实现 [1] - 软件通过测量与英伟达服务器通信的时间延迟来推断芯片的大致位置，精度与其他基于互联网的定位服务相当 [1] - 该功能最初是为了让客户能够追踪芯片的整体计算性能，这是大型数据中心运营商的常见需求 [1] - 该功能将首先在最新的“Blackwell”系列芯片上提供，因其在“证明”流程方面比Hopper和Ampere两代产品具备更强的安全功能 [1] - 公司也在研究让早期产品支持相关功能的可能性 [1] 机密计算技术详解 - 机密计算是一种保护使用中数据的技术，可防止任何人查看或篡改数据及运算过程 [3] - 其通过与处理器绑定的加密密钥，构建可信执行环境，生成经加密签名的“证明”以验证硬件和固件的安全配置 [3] - 该技术补齐了数据生命周期防护的最后一块短板，实现了数据在传输、静态存储和使用状态下的全流程无明文暴露 [4][5] - 在云与边缘计算场景下，机密计算将防护重心转向防范设备所有者获取用户数据，操作系统等软件无法读取或修改用户程序的内存数据 [5] - 机密计算的底层基础是每个处理器独有的安全密钥，通过“安全度量启动”和构建“安全飞地”来运行用户应用 [8] - 通过“远程证明”机制，用户可验证机密防护体系是否完好 [8] 英伟达GPU的机密计算实现 - 英伟达在2023年首次推出机密计算，旨在保护数据与代码在使用中的安全 [8] - H100是全球首款支持机密计算的GPU，可在传统虚拟机或基于Kata的Kubernetes机密容器中运行 [8] - H100在芯片上集成硬件可信根，并通过安全启动、SPDM会话及加密签名的“证明报告”构建可信执行环境 [9] - 自Volta、Turing、Ampere到Hopper架构，公司持续增强固件加密、回滚防护等，实现从硬件、固件到驱动的一体化安全栈 [9] - H100的机密计算模式分为CC-Off、CC-On和CC-DevTools三种，启用后CPU与GPU之间的数据、指令、内核均以加密形式传输 [9] - 实现GPU机密计算需配合CPU厂商的CVM能力，如AMD的SEV-SNP和Intel的TDX，并通过设备证书、英伟达远程证明服务等机制验证设备安全 [10] - 在性能上，机密计算模式下GPU原生算力与HBM带宽不受影响，主要开销来自CPU-GPU加密传输与跳板缓冲区带来的延迟 [10]

文章核心观点 - 2026年对技术领导者而言是至关重要的一年，变革、创新与风险将以空前的速度发展[3] - 2026年的各项重要战略技术趋势将密切交织，折射出一个由人工智能（AI）驱动的高度互联化世界的现实图景[3] - 企业机构必须推动负责任的创新、卓越运营和数字信任，这些趋势是促进业务转型的催化剂[3] - 由于下一轮创新浪潮已近在眼前，只有当下采取行动的企业才能应对市场波动和决定未来数十年的行业走向[3] 2026年十大战略技术趋势 AI超级计算平台 - 整合CPU、GPU、AI ASIC、神经系统计算和替代性计算范式，使企业能够统筹复杂工作负载[6] - 系统融合强大的处理器、海量存储、专用硬件及编排软件，可处理机器学习、仿真模拟和分析等领域的数据密集型工作负载[6] - 到2028年，将混合计算范式架构应用于关键业务流程的领先企业将达到40%以上，较当前8%的水平大幅增长[8] - 该技术已在推动医疗、生物技术、金融服务和公共事业等行业的创新[8] 多智能体系统 - 多智能体系统是由多个AI智能体组成的集合，它们通过交互实现复杂的个体或共同目标[8] - 这些智能体既可在单一环境中交付，也可在分布式环境中独立开发部署[8] - 通过使用多智能体系统，企业可实现复杂业务流程的自动化、提升团队技能并开创人类与AI智能体的新协作方式[10] - 采用模块化设计的专业智能体可提升效率、加快交付速度和降低风险[10] 特定领域语言模型 - 特定领域语言模型凭借更高的准确性、更低的成本和更好的合规性填补通用大语言模型的空白[11] - 该模型是在针对特定行业、功能或流程的专用数据上训练或微调的语言模型，能更加精准、可靠且合规地满足特定业务需求[11] - 到2028年，企业使用的生成式AI模型中将有超过半数属于特定领域模型[13] - 基于DSLM的AI代理可解读特定行业的上下文，具有出色的准确性、可解释性和决策合理性[13] AI安全平台 - AI安全平台为第三方及定制AI应用提供统一防护机制，能够进行集中监测、强制执行使用策略并有效防范AI特有风险[13] - 此类平台可帮助CIO有力执行使用政策、监控AI活动并在全AI系统中建立统一防护边界[13] - 到2028年，使用AI安全平台保护AI投资的企业比例将达到50%以上[16] AI原生开发平台 - AI原生开发平台使用GenAI实现空前快速、便捷的软件开发，企业只需维持现有开发人员规模即可开发更多应用[17] - 领先的企业正在组建微型平台团队，在安全和治理框架范围内让非技术领域专家能够自主开发软件[17] - 到2030年，80%的企业将通过AI原生开发平台将大型软件工程团队转变为更小、更敏捷的团队并通过AI赋能这些团队[19] 机密计算 - 机密计算重塑了企业处理敏感数据的方式，工作负载被隔离在基于硬件的可信执行环境中以保持私密性[20] - 这对受监管行业、面临地缘政治与合规风险的跨国公司以及竞争对手间的合作尤为重要[20] - 到2029年，75%以上在非可信基础设施中处理的业务将通过机密计算保障使用安全[22] 物理AI - 物理AI通过赋能具有感知、决策和行动能力的机器与设备，将智能带入到现实世界[23] - 它能为自动化、适应性和安全性至关重要的行业带来可观的收益[23] - 企业需要融合IT、运营与工程知识的新型技术人才，这一转变带来了技能提升与协作机会[25] 前置式主动网络安全 - 随着企业面临的网络、数据及联网系统威胁成倍增长，前置式主动网络安全正成为趋势[26] - 到2030年，前置式主动防御解决方案将占到企业安全支出总额的一半[26] - 该技术的核心在于运用AI驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预[28] 数字溯源 - 随着企业日益依赖第三方软件、开源代码及AI生成内容，数字溯源验证已成为一项重要的需求[28] - 数字溯源指对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力[28] - 到2029年，在数字溯源方面投入不足的企业将面临高达数十亿美元的制裁风险[30] 地缘回迁 - 地缘回迁指企业因考虑到地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心等本地平台[31] - 将工作负载转移至主权立场更强的服务提供商可帮助CIO加强对数据驻留、合规及治理的控制力[33] - 到2030年，欧洲和中东地区将有超过75%的企业把虚拟工作负载回迁至降低地缘政治风险的解决方案，而2025年的这一比例不足5%[33]

大会基本信息 - 2025全球计算大会（CGC）定于11月7日在深圳会展中心举行 [1] 核心主题与论坛 - 大会围绕智能计算、具身智能、开放液冷、机密计算、AI云操作系统、CloudDevice等六大主题设立专业论坛 [1] - 智能计算论坛将探讨算力效率提升与AI模型优化路径 [3] - 具身智能论坛聚焦机器人、智能硬件在工业与消费场景中的实际应用 [3] - 开放液冷技术论坛针对高密度算力场景，分享绿色节能的散热解决方案 [3] - 机密计算论坛探讨金融、互联网等领域中隐私保护与AI安全的协同机制 [3] - AI云操作系统论坛将发布算力资源调度与异构融合相关技术标准 [3] - CloudDevice论坛将展示云终端在制造、零售等行业的融合创新案例 [3] 技术展示与互动 - 大会设置技术互动展示区，包括CloudDevice XR体验、具身智能机器人演示及智算迷你开发实验室 [3] 行业影响与目标 - 大会旨在推动计算技术在产业中的深度融合与落地应用 [1] - 在人工智能与算力需求持续攀升的背景下，大会为技术研发、产业应用与跨界合作搭建交流平台 [3] - 参会者可借此了解最新技术趋势，并与多家企业、科研机构代表进行现场对接 [3]

大会概况 - 全球计算联盟（GCC）将于2025年举办全球计算大会（CGC），主题为“开放、创新、协作、共赢” [1] - 大会旨在搭建技术交流与产业对接平台，以“新型计算赋能数智社会”为愿景，集结产学研力量破解产业痛点 [1] - 大会将设置六大核心论坛，涵盖智能计算、具身智能、开放液冷、机密计算、AI云操作系统、CloudDevice等领域 [1][2] - 大会将于11月7日在深圳会展中心举行，提供与头部企业、科研机构面对面链接资源的机会 [3] 论坛内容 - 智能计算论坛聚焦算力生产力升级路径，展示AI模型优化与算力调度实践成果，探讨通过算法创新与硬件加速提升计算效率 [1] - 具身智能论坛直击产业落地难点，从工业机器人交互到消费级智能设备开发，通过典型案例解析技术商业化密码 [1] - 开放液冷技术论坛聚焦AI时代算力基础建设，发布液冷技术适配指南，解读不同场景部署方案，通过散热效率实测数据对比提供降本增效参考 [2] - 机密计算论坛围绕金融与互联网应用、大模型安全防护等议题，详解AI时代机密计算与隐私保护的协同路径 [2] - AI云操作系统论坛深度拆解算力调度核心技术，解读模型训推一体解决方案，发布联盟最新技术标准成果以解决异构算力编排难题 [2] - CloudDevice论坛聚焦云终端与千行百业的融合创新，邀请零售、制造等领域企业分享智能终端落地案例 [2] 展览与体验 - 大会同期打造“GCC年度主题展区”，以“有AI一起玩”为主题，设置多个AI与交互体验专区 [2] - 展区包括CloudDeviceXR互动体验区、具身智能机器人互动区及智算迷你开发实验室等，参会者可零距离体验前沿技术 [2] - 展区内配备AI智能按摩椅休闲区与3000份打卡礼品，结合专业交流与趣味体验 [2]

AI超级计算平台 - AI超级计算平台整合CPU、GPU、AI ASIC、神经系统计算和替代性计算范式，以统筹复杂工作负载并释放更大的性能、效率与创新潜力[5] - 这些系统融合强大处理器、海量存储、专用硬件及编排软件，可处理机器学习、仿真模拟和分析等领域的数据密集型工作负载[5] - 到2028年，将混合计算范式架构应用于关键业务流程的领先企业将达到40%以上，较当前8%的水平大幅增长[6] - 该技术已在推动各行业创新，例如医疗和生物技术企业将新药建模时间从数年缩短至数周，金融服务机构通过模拟全球市场降低投资组合风险[7] 多智能体系统 - 多智能体系统是由多个AI智能体组成的集合，它们通过交互实现复杂的个体或共同目标，可在单一或分布式环境中独立开发部署[7] - 通过使用多智能体系统，企业可实现复杂业务流程自动化、提升团队技能并开创人类与AI智能体的新协作方式[9] - 采用模块化设计的专业智能体通过在各工作流中重复使用成熟解决方案提升效率、加快交付速度和降低风险，便于扩展运营规模和快速适应需求变化[9] 特定领域语言模型 - 特定领域语言模型是在针对特定行业、功能或流程的专用数据上训练或微调的语言模型，凭借更高准确性、更低成本和更好合规性填补通用大语言模型的空白[11] - 到2028年，企业使用的生成式AI模型中将有超过半数属于特定领域模型[12] - 基于DSLM的AI代理可解读特定行业上下文，即使在陌生场景中也能做出合理决策，具有出色准确性、可解释性和决策合理性[13] AI安全平台 - AI安全平台为第三方及定制AI应用提供统一防护机制，能够进行集中监测、强制执行使用策略并有效防范AI特有风险，如提示注入、数据泄露、恶意代理行为等[13] - 到2028年，使用AI安全平台保护AI投资的企业比例将达到50%以上[15] AI原生开发平台 - AI原生开发平台使用GenAI实现快速、便捷的软件开发，使软件工程师作为"前沿部署工程师"协同领域专家开发应用[15] - 到2030年，80%的企业将通过AI原生开发平台将大型软件工程团队转变为更小、更敏捷的团队并通过AI赋能这些团队[17] - 领先企业正在组建微型平台团队，在安全和治理框架范围内让非技术领域专家能够自主开发软件[15] 机密计算 - 机密计算重塑企业处理敏感数据的方式，工作负载被隔离在基于硬件的可信执行环境中，即使面对基础设施所有者、云提供商或任何拥有硬件物理访问权限的实体也能保持内容与工作负载私密性[18] - 到2029年，75%以上在非可信基础设施中处理的业务将通过机密计算保障使用安全[18] 物理AI - 物理AI通过赋能具有感知、决策和行动能力的机器与设备，将智能带入到现实世界，为自动化、适应性和安全性至关重要的行业带来可观收益[19] - 随着技术日益普及，企业需要融合IT、运营与工程知识的新型技术人才，这一转变带来技能提升与协作机会，但也可能引发就业担忧[21] 前置式主动网络安全 - 前置式主动网络安全运用AI驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预，通过预测实现防护[23] - 到2030年，随着企业从被动防御转向主动防护，前置式主动防御解决方案将占到企业安全支出总额的一半[23] 数字溯源验证 - 数字溯源指对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力，企业可使用软件物料清单、认证数据库、数字水印等工具验证和追踪供应链中的数字资产[23] - 到2029年，在数字溯源方面投入不足的企业将面临高达数十亿美元的制裁风险[23] 地缘回迁 - 地缘回迁指企业因考虑地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心等本地平台[24] - 到2030年，欧洲和中东地区将有超过75%的企业把虚拟工作负载回迁至降低地缘政治风险的解决方案，而2025年的这一比例不足5%[26] - 将工作负载转移至主权立场更强的服务提供商可帮助加强对数据驻留、合规及治理的控制力，提高对本地法规遵从性并获得关注数据隐私或国家利益客户的信任[26]

富士通Monaka处理器战略转型 - 公司从超级计算机专用处理器转向可扩展数据中心基础设施部署 标志着重大战略转变 [1] - 目标市场为超大规模计算、能源限制及Arm架构主导的云基础设施领域 [1] - 采用2纳米核心芯片与3D多核布局 专为风冷服务器设计 优化机密计算与超低电压运行 [1] 技术架构与设计 - 核心采用2nm工艺 SRAM/IO采用5nm工艺 通过硅通孔垂直集成 双插槽配置提供288个Armv9-A核心 [3] - 设计强调实用性 使用DDR5(12通道/插槽)和PCIe Gen6 平衡性能与成本 功耗低于500W [6] - 3D芯片组集成逻辑/内存/IO 采用硅中介层 类似AMD 3D V-Cache和Intel Foveros技术 [9] 性能与效率目标 - 预计2027年上市 承诺应用性能和每瓦性能逐代提升 目标两倍于未透露的竞争对手 [10][38] - 超低电压运行策略通过内部EDA工具实现 效率提升相当于全工艺节点推进 [15] - 专注可预测功耗与工作负载隔离 而非峰值浮点性能 差异化定位为通用服务器级Arm芯片 [6][18] 安全与可靠性特性 - 硬件级全内存加密 唯一密钥保护虚拟机 集成硬件信任根与可信启动机制 [19][22] - 继承大型机经验 融入错误检测/热控制/故障恢复机制 满足政府/金融等高可信需求 [22] - 支持CXL 3.0可组合基础设施与PCIe Gen6 兼容下一代存储和网络设备 [30] 软件生态与行业定位 - 支持标准Linux堆栈与Arm SystemReady SR认证 无需定制工具链 兼容上游发行版 [24][27] - 开发工具链涵盖LLVM/GCC/Python 延续A64FX生态 支持AMD ROCm GPU异构计算 [27] - 定位"大型机级"处理器 瞄准主权云/电信/国防市场 强调可靠性而非绝对性能 [31][34] 公司技术传承与市场策略 - 延续SPARC64到A64FX的技术路线 30年处理器设计经验支撑Monaka开发 [35][37] - 获日本绿色创新基金支持 符合国家节能政策 参与全球自主计算基础设施竞争 [2] - 采用低调推广策略 2023年超级计算大会首次公开展示硅片模型 [2][38]