国内首个国产GPU+类脑芯片异构混合推理系统发布：Attention交给GPU、FFN交给类脑芯片，性价比提升一倍以上

9 月 13 日，在深圳召开的 2026 中国算力大会上，移动云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、清华大学、北京大学发布国内首个国产 GPU + 类脑芯片大模型异构混合推理系统。经 DeepSeek V4 模型实测，该系统相较同类纯国产 GPU 算力集群，性价比提升一倍以上、运营成本降低 40% 以上。

核心思路：分而治之

这套系统的核心创新在于对 Transformer 模型不同计算模块做了"按需分工"：

• Attention 层（注意力机制）：交给国产 GPU 处理——Attention 涉及大量矩阵乘法与动态访存，是传统 GPU 的强项；
• FFN/MOE 专家模块（前馈网络/专家混合）：交给类脑芯片（SNN，脉冲神经网络芯片）处理——FFN 层相对固定、对延迟更敏感，类脑芯片在这类计算上能效比远高于传统 GPU。

两类芯片通过自研编译器和高速互联协议（跨板、跨节点）实现协同调度，对外呈现统一的推理服务。

为什么类脑芯片

类脑芯片的设计灵感源于大脑神经元的脉冲式放电，相比传统 GPU 的冯·诺依曼架构，具有低功耗、事件驱动、适合稀疏计算等特点。但长期以来，类脑芯片在通用 GPU 市场难以与英伟达、AMD 竞争，多集中于物联网、边缘计算场景。这次将类脑芯片引入大模型推理的核心环节，相当于为它找到了一个可能真正发挥优势的新赛道。

意义

这套系统至少传递了三层信号：一是国产算力正在从"追赶型"投入走向"架构型"创新，不再只是简单堆 GPU 数量，而是开始根据模型特性做异构调度；二是类脑芯片这类曾经偏冷门的国产硬件，有可能在大模型推理环节找到真正的落地场景；三是高校（清华、北大）、科研机构（中电科）、芯片厂商（灵汐、天数智芯）、云计算厂商（移动云）四方协同的创新模式，正在成为国产算力突破的有效路径。

展望

异构混合推理系统能否真正在大规模生产环境中稳定运行，还需要更多实测验证。但"分而治之"的思路本身极具启发性——大模型推理需要的算力是多元化的，没有任何一种硬件能在所有模块上保持最优，异构协同可能是国产算力在当前硬件基础下实现"弯道超车"的重要方向。

Sources:

• AI 新闻日报｜2026年9月13日 — 头条