DeepSeek V4 参数规模1.6万亿、Kimi 推出2.8万亿参数K3模型，阿里通义千问Qwen3.8-Max达到2.4万亿参数……当国内一众大模型参数迈入万亿界别，推理成本持续走高，依靠大规模堆叠GPU的传统算力模式，正在遭遇功耗、存储、综合成本多重瓶颈。

当下，AI算力竞争逻辑也悄然切换：比拼峰值算力的上半场落幕，有效计算、算力利用率、Token 性价比成为行业下半场核心命题。在刚刚过去的世界人工智能大会上，多家厂商也纷纷选择亮出“超节点”“算力集群”的肌肉，关注点从之前的单颗芯片的峰值算力，转向十万卡集群如何高效运转。

除了“超节点”这样提高芯片与芯片之间联通、协同效率的行业前沿方案，不少国内的AI芯片公司也在做更多面向未来的路线探索，比如稀疏计算。在推理时，稀疏计算可以只激活模型中的有效参数，跳过冗余计算，以实现同等精度下降低推理成本。

墨芯人工智能是稀疏计算领域的一家公司，也是国内稀疏计算领域的一个先行者。近期，财联社对公司的联合创始人、工程副总裁芦勇，以及市场部副总裁郭威俊进行了访谈。

跳出 “暴力堆算力” 困局，稀疏计算模仿人脑实现精准运算

 “稀疏化技术本质上是一种激活技术，受到人脑启发。”芦勇解释道，比如人脑在思考时，运动神经不需要激活，这样会让大脑更高效。这种“按需激活”正是稀疏计算的核心思想。

 “今年算力行业有几个特点，算力从训练需求往推理需求大规模转变；从算力提供的质量上讲，之前大家追求算力数量、堆GPU，但现在其实是在往质量、有效计算的方向转变。”芦勇指出。

 芦勇以DeepSeek-V4-Pro举例：“它的模型参数达1.6万亿，相比上一代V3.2的660B参数，参数量增长了2.4倍，但激活参数仅从37B增加到49B，增幅远小于总参数的增长。”和大模型公司方向一致，稀疏计算本质上也是一种对激活范围的前沿探索，公司基于稀疏计算技术推出的芯片，正是这一方向的硬件实践。

暴力堆卡转变背后，是残酷的成本现实。比如大规模堆叠GPU芯片带来的不仅是采购费用，还有存储涨价、电费攀升、运维成本高企。“存储涨价很厉害，其实就是因为AI对存储的需求非常大。”芦勇说，“我们通过稀疏化，可以对存储、带宽进行节省，同时功耗也会下降。”

如何通俗理解呢？郭威俊则用“挂专家号”来比喻：“稀疏计算可以直接帮你挂专家号，不用先在外科、急诊各看一遍。”他进一步解释，大模型中绝大部分参数在特定推理任务中并不需要被激活，通过剪枝、动静态稀疏等手段，可以提前识别哪些系数该进入计算通道，哪些该跳过。

郭威俊表示，稀疏计算分为静态稀疏与动态稀疏，墨芯采用的是动静态结合的广义稀疏方案，在模型前训阶段提前识别可剪枝参数，推理阶段动态激活有效通道，在不降低模型精度前提下，提升每秒Token吞吐率。

“用户感知最直观的指标是吞吐率。” 郭威俊称，普通使用者不会关心芯片标称峰值算力，而是提问之后 AI 多久给出反馈。稀疏计算精准剔除无关计算任务，不再为无关参数消耗算力资源，直接改善用户响应速度，同时降低存储占用、功耗与整体 TCO（总拥有成本）。

芦勇在对话中总结：未来 AI 发展，不再是 “算力越大越好”，而是计算更聪明。尤其面向具身智能、空间计算、物理 AI 场景，二维图像识别之外，三维空间存在海量无效像素，稀疏计算的价值会进一步放大。

聚焦推理赛道，二代SparsePrime®加速卡下半年推向市场

算力市场需求结构正在发生根本性转变：行业需求从前期大规模模型训练，逐步向海量商业化推理倾斜。多位产业人士预判，当前训练、推理算力需求大致五五开。长期看算力需求重心持续向推理转移，未来推理与训练算力占比或将达到七三、八二甚至九一开。

“训练市场规模仍会持续扩张，但推理场景遍布千行百业，智能办公、金融、医疗、自动驾驶、AI 短剧生成，每一个场景都持续产生海量 Token 需求。” 郭威俊坦言，基于技术基因与产业趋势，墨芯长期锚定推理赛道，但并未放弃训推一体技术储备，产品规划保持弹性。

记者也发现，当前芯片迭代节奏也在提速，很多AI 芯片企业已经进入一年一代的迭代周期。据公司透露，墨芯初代产品 S40 等计算卡主要面向视觉小模型推理；今年下半年，公司将推出面向智算中心和数据中心的高性能AI通用推理计算卡SparsePrime®，也就是二代卡，定位智算中心、数据中心场景，适配大模型及各类复杂推理任务。

据公司透露，明年将推出二代卡 Plus 升级版本，目前已经启动三代卡预研，预计 2028 年底完成回片。三代卡将瞄准世界模型、GPU领域，适配物理 AI、多模态感知、具身智能未来需求。

从一代卡到二代卡，甚至未来的三代卡，墨芯的迭代脉络也可见一斑。从早期S40、S4等产品更多关注视觉小模型，而二代卡直接锚定头部大语言模型推理、世界模型、物理AI。郭威俊表示：“现在AI下游终端变化很快，做芯片等硬件产品的厂商更需要有前瞻性的，不能只是闷着头干，而是要穿过周期，还要能看见未来需求。”

共建国模国芯生态：搭建标准、产学研联动，推动算力普惠

“国模国芯不只是硬件适配，更需要整套软硬件协同标准、人才体系、产业生态共同支撑。” 在采访中，郭威俊多次强调生态建设的长期价值。

当前国内 AI 产业链尚缺少统一规范，算力性能评测、高质量 Token 界定、稀疏计算评测基准等行业标准仍处于起步阶段。

“我们国家非常缺少AI领域的标准——从芯片制造、生产、性能，到算力Token什么叫高质量、什么叫低质量，都大有可为。”郭威俊透露，墨芯已与信通院、赛迪研究院等机构合作，推动稀疏计算相关标准建设，并联合复旦、西安交大等高校开展稀疏训练和矩阵计算的基础数学研究。

在产业链合作上，“国内多数芯片与大模型企业相互独立，但同样可以配合默契，在产业链上实现协同。” 郭威俊表示，墨芯选择软硬件协同路线，一方面和国内头部大模型厂商深度适配，在模型层面预埋稀疏因子；另一方面推进产学研攻坚，布局稀疏训练前沿课题。目前墨芯与复旦、西安交大、清华大学等高校合作攻关。

外界关注，国内先进制程面临约束，墨芯如何突破？郭威俊表示，技术路线不能单纯内卷先进制程。“未来比拼的不是单张芯片制程，而是谁的软件生态更丝滑，谁更懂计算什么该算、什么不该算。”

谈及国产芯片突围思路时表示，芦勇认为，国内 AI 芯片创业企业不必单纯复刻海外巨头路线，具备走出超越性技术路径的机会。稀疏计算正是国产算力差异化突破口，依靠底层架构创新，打造绿色高效算力底座，支撑物理 AI 时代到来。

在对话的过程中，也反复提及了国芯、国模的生态建设。芦勇，除单芯片优化外，超节点、多芯片集群互联现在已经成为国产算力重要突围路径。“作为一家国产芯片厂商，我们不是在单打独斗。”

业内人士分析，依托当前国内通信互联产业优势，通过多芯片集群搭建千卡、万卡智算集群，搭配稀疏计算降低单机功耗，软硬方案协同形成完整算力解决方案，成为国产算力生态重要发展方向。