公司AI战略布局与投资 - 智微智能近年围绕AI进行系列布局：2024年布局智算业务瞄准训练市场，2025年在具身智能领域开发大小脑控制器且订单快速增长，并投资触觉传感、电机、机器人大脑模型等标的，2026年通过曜腾投资参股杭州元川微科技有限公司，深度布局AI推理芯片领域 [2] - 投资元川微旨在与上游芯片原厂深度绑定，强化从训练端到推理端的优势卡位，增强在AI服务器、具身智能、边缘及端侧领域的产品能力，实现技术、生态、资源、市场的全面协同 [3] 参股公司元川微科技介绍 - 元川微专注于AI推理算力创新，是国内领先的基于LPU架构的算力芯片科技公司 [2] - 公司依托自研硬数据流架构与全资源编译器核心技术，推出面向大模型、多模态和端侧应用场景的Mountain（算力）、River（Agent）两大系列LPU+产品 [3] - 产品优势在于大幅降低推理应用的部署复杂度和总拥有成本，满足推理应用对确定性、超低时延、高算力、高能效与低成本的核心需求 [3] LPU技术原理与架构优势 - LPU是专为推理设计的语言处理单元芯片，针对文本数据特性深度优化，在自然语言理解、文本生成等任务中实现更高效处理 [4] - LPU采用大容量片上SRAM架构，数据直接集成于芯片，访问延迟远低于传统GPU的“存算分离”模式 [4] - LPU采用确定性执行架构，通过“静态时序”规划将计算与通信步骤精确到时钟周期，保障稳定高吞吐量 [4] - LPU速度领先的三大技术原因：硬流水体系结构规避额外开销、片上大容量SRAM及高带宽降低访存时延并提升算子融合效率、静态编译调度机制在编译期完成所有调度 [6] LPU与GPU的性能及成本对比 - 根据Groq CEO在2024年ISSCC大会公布的实测数据：LPU的Token生成速度达到英伟达H100的6倍，单Token成本降至H100的1/4，推理能耗降至H100的1/3 [6] - 元川微自身架构验证数据与Groq接近，且通过进一步架构优化，有望在能效和成本上表现更优 [6] 关于LPU成本与容量的解答 - 成本问题：芯片制造成本核心取决于芯片裸片面积与光罩层数，LPU凭借专用架构实现同等算力所需芯片面积远小于传统GPU，节省的面积用于部署大容量SRAM，不会带来额外制造成本 [7] - 容量问题：新一代LPU可实现单芯片加载超大规模模型，大幅减少部署所需芯片数量，后续可通过按需叠加算力卡方式灵活扩展，支撑按需付费商业模式，降低客户前期投入与部署成本 [8] 未来市场格局与竞争分析 - 展望2027-2028年，未来推理算力占比将达90%（训练占10%），LPU在推理领域因能效比、性价比、时延等方面具有显著竞争力，将主导推理市场，而GPU可能主要聚焦训练及部分推理场景 [8] - 针对GPU/NPU集成3D SRAM吸收LPU优点的竞争问题：GPU/NPU属于冯诺依曼结构，仅微架构优化，底层依赖多级存储和Memory机制，算力密度受限，无法复制LPU非冯诺依曼硬数据流架构及全资源编译器的底层优势 [8]