近日，在2026中国算力大会“算力首创首发发布会”专场上，由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、江苏移动、清华大学、北京大学共同打造的国内首个国产GPU+类脑芯片大模型异构混合推理系统正式发布。该系统通过全栈架构创新，让国产芯片也能高效支撑大模型推理，为国内大模型、多智能体应用提供一条自主可控的新算力路径。

　　随着人工智能产业重心从模型训练转向规模化推理服务，推理算力已经成为支撑Token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推理架构越来越吃力。一方面，数据频繁搬运会带来“内存墙”和“功耗墙”；另一方面，国内先进芯片制程供给受限，单纯靠硬件工艺升级提升算力，空间有限。行业需要跳出“只追先进制程”的思路，从系统架构层面寻找新解法。

　　项目团队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，打造对标英伟达下一代国际先进异构推理方案的国产化系统。创新实现Transformer模型AF分离推理模式：将Attention（注意力）计算与FFN（前馈网络）模块拆分，由不同特性的国产芯片分工处理。Attention计算交由国产GPU承载，FFN模块交由类脑芯片处理，充分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。

　　同时，团队自研模型编译器、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，真正实现两种架构算力优势互补。项目已在Deepseek V4 Flash 大模型上完成完整调优验证，相较同类国产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。

　　本次异构混合推理系统在中国算力大会首发，为智能体时代的AI推理提供国产化全新算力底座。以架构创新弥补工艺约束，这一方案也为国内AI算力自主发展提供重要的创新参考方向。（李欢欢）