如果我爱你

翼华科技贾淑芸： 在网络算力这一层，让每个Token更便宜_我的网站

一 |     7月18日下午，由观察者网、WAIC CONNECT主办，半导体行业观察协办的“「重构算力」——AI算力需求与供给的结构性重构产业链接会”在上海张江科学会堂举办。

二 | 作为WAIC 2026同期的一场重要产业活动，这场汇聚了政府、产业方与需求方的闭门研讨，把目光聚焦到AI算力供需两端的深层结构性变化。

三 | 在CES 2019年主旨演讲中，黄仁勋大部分时间都离开了赛场。因此，2019年的因维达CES展自然会包括新产品和新技术。在特别的游戏演示室里，我们看到了Geforce RTX 2060笔记本，一款全新的G-Sync显示产品，以及一款65英寸的Omen Eperium 65 bfgd显示屏，即将出售。G-SYNC重新进化G-SYNC和Geforce图形卡无疑是完美的匹配。

四 |          在主旨演讲嘉宾中，翼华科技（北京）股份有限公司联合创始人兼高级副总裁贾淑芸的分享格外引人关注。

五 | 相较于场上被反复讨论的GPU、大模型与推理芯片，她所代表的DPU（数据处理单元）与智能网卡，是产业链条中一个更为“隐性”却越发关键的环节。在新闻发布会上，英伟达将G-Sync细分为三个级别，最低级别为无G-Sync，其次为G-Sync兼容，最高级别为G-Sync终极。         算力集群不是“堆卡”，是“组网”          “现代AIDC其实已经是一个巨型机系统。

六 | ”贾淑芸在接受观察者网专访时着重强调了这一点。G-Sync兼容并不意味着它必须为G-Sync技术而构建，但在Nvidia的实际测试中，它仍然能与G-Sync显示出良好的兼容性，这意味着它可以在不付出太多成本的情况下实现与G-Sync显示类似的性能。她把大型AI数据中心的问题归纳成三件事——“算、存、运”。         算，就是外界最为熟悉的GPU与推理芯片；存，对应显存、内存和闪存；而运，也就是通信，正是DPU与智能网卡所承担的部分。在超过400个可变刷新率监视器的实际测试中，只有12个监视器符合G-SYNC兼容标准，NVIDA慷慨地给出了推荐购买列表供玩家参考。

七 |          大模型训练与推理从来不是一张卡的独角戏，而是成千上万、甚至数十万张卡的集体作业。每完成一步计算，卡与卡之间就需要一次乃至多次数据交换。

八 | 顾名思义，G-Sync Ultimate是下一段时间内G-Sync的最高标准。它将代表所有高端显示技术的集合，例如需要支持HDR 10、高可变刷新率、超低响应时间、配备G-Sync芯片等。英维达还展示了一些尴尬的只支持自由同步显示在游戏过程中，如闪光屏幕，绘画撕裂等。交换尚未完成，下一步就无法开工。

九 | 也就是说，昂贵的算力在集群里有相当一部分时间其实是“在等网络”。似乎在N卡前面的自由同步的强制打开没有太多好的水果吃。

十 |          DPU与智能网卡真正做的事，是把网络协议处理、RDMA通信这些原本占用CPU、GPU的活承接过来，为计算核心提供一个稳定、可预测、可靠的通信接口；再把网络里的排队、丢包、重传抹平，不让任何一次尾部延时把整个集群拖入等待；同时把存储、安全等基础设施卸载下来，让大模型的记忆系统可以快速检索，不“失忆”。当然，英伟达对朋友的支持也不缺，比如35英寸的罗格-斯威夫特PG35VQ将被出售。         一旦缺了这一层，后果对贾淑芸而言是显而易见的：GPU利用率上不去，万卡集群跑出五六千卡的有效算力，几乎等于把一半的采购成本打了水漂；集群规模越大越不稳定，一次长尾延时、一次网络抖动，就可能让整个训练任务中断回滚；CPU还会被网络和存储协议栈吃掉大量核数，整机成本进一步恶化。她给出的结论是，算力集群从来不是“堆卡”，而是“组网”——网络算力这一层，决定了买来的GPU算力最终能兑现多少。它不仅支持G-SYNC 3440 x 1440，而且刷新率为200赫兹。         为什么是RISC-V          国内做DPU的公司不少，但大多数选择了ARM内核方案，翼华科技走的是自研RISC-V内核的路线，其首款基于自研RISC-V核的智能网卡已经流片并商用落地。价格似乎不便宜。这样一个相对独特的技术路径，背后是怎样的考量？          贾淑芸对观察者网阐述，成本、生态、供应链安全，都在权衡范围之内，但最根本的原因是DPU这个品类与RISC-V的技术特性天然契合。她解释，DPU本质上是一颗领域专用处理器，核心任务是报文处理与存储、计算卸载，追求的是高带宽、低时延与能效比，而不是通用计算意义上的大而全。

十一 | RISC-V最大的优势就在于指令集可以灵活扩展——针对网络报文处理、KV管理加速去定制指令与微架构，尤其是矢量扩展（Vector Extension）非常适合数据面与检索类工作，这在标准ARM核授权模式下很难做到。

十二 | 更便宜的是即将推出的bfgd 65英寸显示器omen eperium 65，最大4K 144Hz加上G同步和屏蔽功能。毫无疑问，惠普甚至减轻了显示器的重量，使其在正式量产之前更容易搬运和挂在墙上。同时，这种显示器在国外的价格接近5000美元，足以让我们买一台高端4K电视机。         翼华自研的RISC-V核支持RVA23规范，具备多发射、乱序执行、浮点与矢量计算能力；SoC层面则采用了灵活的集群架构，CPU核与自研的网络、安全加速引擎通过高带宽总线紧耦合，能够按客户对性能、功耗、面积的不同要求灵活配置。对于外界关心的生态短板，她也做了分析——相比x86和ARM，RISC-V生态确实还有差距，但对DPU来说“够用了”：GCC、LLVM工具链、Linux操作系统、DPDK等网络开源软件的支持都已经比较成熟，翼华本身也在通过开源方式反哺RISC-V在网络和存储方向的生态。Geforce RTX 2060笔记本到Geforce RTX 2060图形卡以及Geforce RTX 2080、RTX 2070笔记本也在现场展出。         这条路径对翼华的竞争力意味着什么？意味着性能优化的天花板从此掌握在自己手里；产品定义摆脱了指令集授权的约束，可以跟随客户需求快速迭代；从指令集到核到SoC的全链路自主可控，在当前的产业环境下，对客户而言更是实实在在的价值。在Geforce RTX 2060的测试中，我们发现Geforce RTX 2060的性能与Geforce GTX 1070 Ti相当，但DLSS和RTX使其更具吸引力。现场演示也是如此。通过游戏优化和DLSS合作，Geforce RTX2060可以在保证高质量的前提下轻松实现光线跟踪效果和高帧数，这也使得视频卡本身具有成本效益。

十三 | RTX笔记本可能是游戏笔记本玩家最容易达到高潮的产品。首款RISC-V智能网卡的流片与商用，也验证了这条路线走得通。现场显示笔记本电脑包括Microstar GS65、Lenovo Y740、Razer Blade 15、Alienware M15、Rog Zephrus S GX531、Acer Preditor Triton均使用Geforce RTX 2080 Max-Q图形卡，而HP Omen、Giga Aero 15和Microstar GS75则使用Geforce RTX 2070 Max-Q玩游戏。

十四 | 演示、流利、管理得当就足够了。         从“省”到“快”：图南系列的AI适配          DPU最初是云厂商的故事，主要解决虚拟化卸载、多租户隔离这类问题。关键是Geforce RTX系列图形卡笔记本电脑也更容易获得完整的游戏体验。

十五 | 毕竟，你不需要额外的G-SYNC显示器，笔记本电脑制造商也不会通过成本控制夸大他们的价格。可以肯定的是，2019年的钱包生活注定是艰难的。但当AI大模型训练成为主角，网络吞吐与时延的要求较之传统云计算已经高出好几个量级。

十六 | 这样的需求切换，如何反过来定义DPU的产品设计与商业模式？          贾淑芸的判断是“根本性的”变化。她把云时代DPU的核心命题概括为一个字——“省”，把虚拟化、多租户隔离、存储协议这些开销从CPU上卸下来，帮云厂商省出可以对外销售的CPU核数；而AI时代DPU的核心命题则换成了“快”，训练集群对RDMA吞吐、时延和抖动的要求高出数个量级，网络性能直接决定了GPU利用率，也直接决定了每一次训练任务的成本与成败。         这种变化传导到产品与商业两个层面。产品设计上，重心从控制面卸载转向数据面性能：RDMA引擎要自研，拥塞控制算法要深度优化，大规模组网下的低时延低抖动要有保障，还要和调度系统、集合通信库紧密协同。

十七 | 无论是Geforce RTX笔记本电脑、G-Sync显示器还是台式电脑，都有很多花钱的理由，而且这些产品中的许多很快将在第一季度上市销售。似乎如果没有2019年的Computex，今年的PC升级预算将耗尽。商业模式上，客户也从头部云厂商的定制项目扩展到智算中心、服务器整机厂和行业客户，产品的标准化和兼容性要求随之提高，国产化替代成为一个明确的增量市场。         翼华科技的“图南”系列智能网卡，正是按照这一逻辑打造的。它基于翼华拥有自主知识产权的芯片架构实现高吞吐线速转发，配合自研的RDMA技术面向智算场景大规模组网做优化，同时保留P4可编程能力，让网络、存储、安全、运维等各类负载都可以灵活卸载，既满足AI训练推理对高性能网络的严苛要求，也能覆盖云数据中心与边缘计算的传统场景。RISC-V的通用处理能力则被用来实现流量的管理和调度。         在此基础上，翼华还计划推出“培风图南”系列AI-DPU。

十八 | 借助RISC-V的通用处理能力与RVV向量处理能力，这条产品线将进一步实现KV Cache管理的卸载与加速，构建大模型的"记忆层"，降低推理应用的部署成本，同时提升推理速度。         客户到底为什么买单          英伟达BlueField系列早已大规模部署，国内DPU赛道这几年也涌现出不少创业公司。翼华的图南系列既然已经商用，主要落地在哪些客户手中？          贾淑芸介绍，图南系列SuperNIC目前的客户可以分成几类：智算中心的建设方与运营方，用它做GPU集群的高性能参数面与存储面网络；服务器整机厂商，把智能网卡作为整机方案的标准部件；云和边缘计算客户，用于虚拟化卸载和5G边缘业务加速；此外在运营商与部分行业客户侧也有项目在推进。而计划推出的培风图南系列，则将主要面向大模型应用公司和Token工厂运营方，通过构建大模型记忆层降低推理部署成本、同时提升长程任务的推理性能。

十九 |          至于客户在选择国产DPU时最看重什么，她的答案与外界的直觉不太一样：稳定性和兼容性排在第一位，价格反而排在最后。

| 原因并不难理解——网卡是7×24小时在线的部件，客户不会为了追求部分性能特性而牺牲可用性，能否平滑接入现有的服务器、交换机与软件栈，是商用的前提；其次才是性能，尤其是RDMA场景下的真实表现。“客户算的是总账，一张卡如果能把GPU利用率提上来几个点，卡本身的价差可以忽略不计。”贾淑芸表示，翼华的策略一直是把稳定性和兼容性做扎实，再谈性能领先。         行业洗牌中的生存法则          2021年、2022年，DPU一度是资本追捧的风口，大量创业公司涌入。此后两年，赛道明显进入收缩与整合期。作为一家2022年成立的公司，翼华科技如何看待这一轮洗牌？          贾淑芸对那段热潮做了深入剖析。认为其中确实有泡沫的成分——资本看到了BlueField的故事，团队蜂拥而入，但很多公司低估了两件事：一方面，芯片的产业周期是硬约束，从流片到商用再到规模上量，没有三五年下不来，烧钱速度远超预期；另一方面，DPU并不是一颗芯片的生意，而是一整套软硬件生态的生意，驱动、协议栈以及与客户环境的适配工作，工程量甚至比芯片本身还要大。这两年资本退潮、行业整合，本质上是回归常识。         翼华成立于2022年，恰好赶上热潮的尾巴与寒冬的开头。这样的时点，反而倒逼团队从第一天起就保持克制——不追求大而全的产品定义，聚焦智算这个真实需求场景；控制团队规模与研发节奏，把资金花在流片和客户落地上。她提到，2022年也正好是面向GPU互联的SuperNIC元年，翼华科技从起步阶段就锁定了SuperNIC与AI-DPU这两大潜力市场。         而在她给出的DPU公司生存清单里，有几点尤为关键：芯片要真正流片、真正商用，而不是停留在PPT和FPGA原型阶段；要有付费客户、有可复制的场景，形成正向的收入循环；还要在英伟达和头部云厂商自研之外，找到自己不可替代的差异化位置——比如翼华科技选择的RISC-V自研路线，以及为大模型构建记忆层的AI-DPU路径。

| 行业洗牌未必是坏事，泡沫出清之后，留下来的公司会拿到更集中的资源和更清晰的市场。

|          国产智算的网络答卷          产业最关切的宏观议题之一是国产智算能否实现真正的全栈自主。

| 今天的智算中心，机内互联主要依赖NVLink，机间互联依赖InfiniBand，本质上仍是英伟达的封闭生态。         在贾淑芸看来，这是最关键也最难攻克的一层。国产GPU单卡性能还在追赶，但如果互联问题不解决，卡越多、集群效率损失越大，“全栈自主”就只能是一句空话。她给出的方向是开放的以太网路线——用增强以太网加RDMA去对标乃至超越InfiniBand。这也是全球产业的共识方向，超以太网（Ultra Ethernet）等新标准的演进，本质上都是要用开放生态对抗封闭体系。

|          要走通这条路，必须有三个层面的支撑：高性能的国产网卡与DPU芯片，把RDMA、拥塞控制这些核心能力真正做到自主；国产交换机与国产GPU的端网协同，一张好网卡还不够，整个链路要一起调优；开放的标准和软件生态，让智算中心不被任何单一厂商锁定。         翼华科技的产品与生态布局，也是沿着这三条线在推进。产品上，图南系列将加速向更高带宽演进，持续强化面向智算场景的自研协议处理引擎和拥塞控制能力；生态上，翼华正与国产GPU厂商、服务器厂商、交换机厂商推进深度的端网适配和联合方案；同时通过开源P4处理器和自研的虚拟协议处理器，提供快速适配开放协议的能力，反哺网络标准和协议组织——凭借可编程的方法，翼华SuperNIC可以同时支持RoCE、UEC乃至各家的自定义协议。         “我们的目标很明确：在国产智算的网络算力这一层，做出真正可规模商用的自主选择。”贾淑芸这样总结。         回到WAIC「重构算力」的现场议程——训练推理转型、国产算力生态、HBM/CPO先进硬件、万卡集群调度、智算新基建全链路成本测算，几乎每一个议题都指向同一个命题：算力供需之间的结构性重构。而在这场重构里，DPU与智能网卡所代表的“网络算力”环节，正是决定国产AI基础设施上限的关键变量之一。翼华科技所代表的自研RISC-V DPU路线，能否在这一轮洗牌之后跑出属于中国的BlueField，将是产业界接下来数年最值得关注的看点之一。         本文系观察者网独家稿件，未经授权，不得转载。

Current article:http://374eze6.caonaishengpengchuali.shop/aylk4/20260826/641399.xls

Published on:06:03:11