阿斯麦、台积电、英伟达恐怕都要坐不住了！7 月 13 日上海传来重磅消息：一家成立还不到三年的企业，不靠 EUV 光刻机、不用 HBM 显存，仅凭 14nm 工艺，就研发出算力高达 520TFLOPS 的 AI 芯片。

2026年7月13日，上海世界人工智能大会前夕，一家成立才两年出头的公司东方算芯，发布了一颗叫DF1000的AI芯片。14nm制程，BF16精度算力520TFLOPS，访存带宽6.4TB/s，全国产供应链，已经完成流片验证，128卡集群全功能稳定运行。

这几个数字放在一起，信息量太大了。

先捋一下这520TFLOPS是什么概念，目前市面上主流的AI训练芯片，英伟达H100的BF16算力大约是1979TFLOPS，用的是4nm制程加HBM高带宽显存。DF1000用14nm——落后了整整三四代——跑出了H100大约四分之一的算力。

如果只看能效比和单位制程的算力产出，这个数据已经打破了行业常识。

但这件事最核心的地方，不在于“又出了一颗国产芯片”，而在于它走的路跟所有人都不一样。

过去几十年芯片行业信奉的逻辑很简单：制程越先进，性能越强。

台积电、三星、英特尔拼了命往3nm、2nm钻，阿斯麦的EUV光刻机卖到3亿多欧元一台还供不应求，整个产业链的命门都系在“能不能把线宽做得更细”这一件事上。

东方算芯这次干的事情，相当于直接掀了桌子——我不跟你比谁刻得细，我换一种玩法。

什么玩法，软件定义芯片加3D堆叠近存计算。

传统GPU的架构是计算和存储分开的，数据要在两者之间来回搬运，搬运过程耗费大量时间和能耗，这就是业内常说的“存储墙”瓶颈。

DF1000把计算晶圆和存储晶圆垂直堆叠在一起，用混合键合技术把互连间距压缩到亚微米级别。数据不用长途跋涉，直接在垂直方向交换，访存带宽做到6.4TB/s，是传统HBM方案的5倍以上。

同时，通过软件定义芯片技术，硬件资源可以根据不同计算任务动态调配，算力利用率大幅提升。

说白了，别人用更细的笔来画画，东方算芯是把同一支笔的用法研究到了极致，一笔顶别人好几笔。

这不是在同一个赛道里追赶，而是另开了一条赛道。

这件事的影响，恐怕要超出很多人的预期。

首当其冲的是阿斯麦。这家公司的商业模式建立在“先进制程是唯一出路”这个前提上，全世界只有它能造EUV光刻机，一台卖几亿欧元，毛利率超过50%。

但如果“不依赖先进制程也能做出高性能芯片”这条路被证明走得通，而且越走越宽，那阿斯麦的整个估值逻辑就要被重新审视。

不是说EUV没用了，而是它的不可替代性在被削弱。资本市场最怕的就是这种“替代方案出现”的故事。

台积电的情况类似。过去几年台积电的强势地位，本质上是因为全球只有它能稳定量产5nm、3nm这样的先进制程，所有想造高端芯片的公司都得来找它。

但如果架构创新的路线持续演进，越来越多的算力需求可以通过成熟制程加3D堆叠来解决，那台积电最值钱的先进制程产能，其战略价值就要打折扣。

东方算芯用14nm国产工艺跑出了这个成绩，而且用的是全国产供应链，从设计到制造到封装全链条闭环。这意味着台积电不仅面临需求侧的技术路线替代，还面临着供给侧的地缘替代。

英伟达的处境可能更微妙。英伟达的护城河从来不只是硬件算力，而是CUDA生态——十几年积累下来的软件栈、开发者社区、算法库，这才是最难被替代的部分。

但DF1000发布的同时，东方算芯推出了全栈自主的软件栈CAAP，兼容主流深度学习框架，覆盖编译器、运行时、算子库、分布式训练框架。

生态这个东西，一旦有了可替代的选项，而且这个选项还在快速迭代，英伟达的定价权和市场份额就会面临实质性的挑战。

一家成立不到三年的公司，用14nm成熟工艺，不用EUV光刻机，不用HBM显存，做出了520TFLOPS算力的AI芯片，128卡集群稳定运行，全栈软件生态已经搭建完成。

这不是什么远景规划，是2026年7月13日上海已经发生的事实。

台积电、阿斯麦、英伟达的高管们看到这个消息，恐怕很难坐得住。不是因为一颗芯片的性能有多强，而是因为这条技术路线一旦被验证可行、被持续迭代、被生态化，它们过去几十年建立起来的商业壁垒，就要一块砖一块砖地被拆掉了。