HASH GAME - Online Skill Game GET 300

　　源码资本董事总经理张洵表示：“在 multi-agent 和视频模型大爆发的背景下，推理场景的算力消耗开始爆发式增长，算苗科技通过 3D IC架构实现的高带宽、低成本的解决方案，正是解决这一核心痛点的关键。源码对 AI 产业的布局形成了从半导体材料（奕斯伟材料）、设备（矽行半导体，加速纪元）、芯片（壁仞科技、长光辰芯、算苗科技、知合计算）到模型与应用（Kimi、Lovart、sand.ai、meshy），再到 AI+机器人场景（宇树科技、银河通用、hillbot、卧安机器人、加速进化）等20多家企业的全产业链系统性卡位。

　　刚刚进入加密芯片领域，汪福全团队发现，不像比特币早就进入ASIC芯片挖矿时代，在以太坊区块链上，大家几乎都还在用英伟达和AMD的显卡挖矿。不像比特币共识算法对ASIC十分友好，相反，以太坊共识机制的算法（ethash）充分利用了所谓“内存墙”的问题，被设计为“抗ASIC”，是典型的内存困难型算法，该算法把算力瓶颈设计在内存访存带宽上，要想获得极致算力的释放，只有一条路，必须在通常的标准总线内存（如DDR、HBM）之外，找到极致的内存带宽技术。

　　为了攻克这个难题，汪福全的团队在三次“临门一脚”时否定原有技术寻找新的路径，并最终在2019年底锁定了当时刚刚崭露头角的“3D堆叠”架构。2021年第四季度，其高通量算力芯片JASMINER X4面向全球市场发售，用成熟的40nm工艺，实现了比英伟达7nm旗舰显卡高出20倍的加密算力功耗比，一举把英伟达、AMD显卡淘汰出了以太坊挖矿领域。在以太坊转向POS共识机制前的最后一年，仅这一款芯片就为团队带来了8个亿的收入，JASMINER成为以太坊挖矿领域全球最顶级的品牌。

　　另外值得注意的是，在2025年下半年完成募资的源码资本最早领投了算苗科技。纵观源码的portfolio，这家低调许久的投资机构其实已悄然完成对AI全产业链的系统性卡位。从半导体材料到设备到芯片的奕斯伟材料、壁仞科技、视涯科技、长光辰芯、矽行半导体、加速纪元等，到AI+机器人场景的宇树科技、银河通用、Hillbot、加速进化、卧安机器人等，再到模型与应用的Kimi、Lovart、sand.ai、meshy、AI for science的深势科技等20多家企业。显然，源码完全不想错过这个扑面而来的AI时代。

　　：反直觉，但它符合大模型计算的物理本质。大模型推理是一个典型的“访存密集型”任务。简单说，瓶颈不在于脑子转得不够快（计算核心不够多），而在于能多快地把数据拿进（内存带宽）脑子里。不妨把计算芯片想象成一个工厂，存储芯片里的数据就是原材料。英伟达H200的工厂建的设备非常齐全（4nm工艺），可以生产出各式各样的产品（通用处理器），但现在的问题是怎么快速地把原料运到工厂里。2.5D架构芯片（CoWoS）的思路是建更宽的传送带，最终约束是工厂大门的宽度（shoreline）。英伟达H200的芯片大小已经是可量产的极限尺寸了，内存带宽可达到4.8 TB/s。

　　：英伟达是一家伟大的公司，它的护城河建立在CUDA生态和通用GPU架构上，但这也导致它的硬件架构的创新需要让位于软件生态的兼容性。它的硬件架构需要照顾图形渲染、科学计算、AI训练等各种场景，它必须是一个“全能冠军”。而3D堆叠架构创新给硬件带来全新的挑战，算苗选择定制化的ASIC思路，通过牺牲非大模型计算必须的通用性，换取了极致的推理性能。英伟达如果做这个，就等于在拆自己GPU帝国的台。这正是创业公司的机会——不必背负巨头们过去的包袱，可以基于第一性原理进行作战。「暗涌」：这也是我想问的下一个问题，为什么只做大模型推理而不做训练？你们是在回避正面战场吗？

　　：我们不做GPU，那也不是我们的长项。六七年来，我们团队基于市场驱动，携手我们的供应链伙伴，开创了中国3D堆叠芯片这个领域，并在全球范围内已初步形成显著优势。我们专注于3D芯片的研发、量产和全球销售，作为一家创业公司，我们在这个领域投资了十多亿人民币，把我们赚的钱、融的钱集中砸进了这个领域，打造了一个具有丰富经验和战斗力的3D芯片和大模型计算软硬件整建制团队，我们当然有理由保持自信。同时必须永远保持如履薄冰的心态，战战兢兢走好走稳我们自己开创出的这条大路。我们相信3D芯片代表着计算的未来，相信ASIC是解决大模型推理计算的正确路径，GPU只是过渡。但无论如何都要感谢以英伟达为代表的GPU公司催生了这个伟大AI大模型时代。02

　　：那是我朋友公司的年会。他们也是做芯片，但做的是当时我们这帮“正规军”看不上的加密挖矿芯片。那晚我受到极大冲击的不仅仅是那几个数字——10个人做了3个亿营收、1亿净利——而是那种商业模式的粗暴与直接。他们不需要去“求”客户，不需要去写繁琐的申报材料。只要芯片算力够强，客户就会提着现金来排队。那是我第一次直观地感受到“算力即货币”。这种市场化的力量太生猛了。基于我们的经历和认知，我坚定认为中国的芯片产业，前途一定在市场化力量。中国技术的市场化力量很明显被严重低估。

　　：我当时产生了一种深刻的自我怀疑：如果技术不能在市场上兑现为真金白银，它的价值到底在哪里？我如果要想创立一家伟大的芯片设计公司，就必须要经得起市场化的检验。所以我决定“下海”，放下了围绕龙芯的所有业务。当时很多老朋友不理解，觉得我“堕落”了，从做国家重器变成了做加密矿机芯片。但现在回头看，如果没有那几年在全球市场的极限生存训练，没有在那个完全讲究PPA（性能、功耗、面积）的斗兽场里厮杀过，我们根本不可能历练出今天的团队，更别说携手国内3D IC核心的供应链伙伴们一起发展。

　　：当时团队就五个半人，有个成员还在兼职。我们确定了要走“纯ASIC”的路径。我们首先尝试的就是HBM的方案，这是当时基于DRAM这种存储介质带宽最高的内存解决方案。但是随着研究的深入，出于供应链、性价比的考虑，我们很快就放弃了。我们是很早就对HBM内存袪魅了的团队。第二套方案是不用外面的内存，就用芯片里面有限的SRAM，用计算来换取空间。尽管空间小，但用反复的计算，把这个空间把它弥补掉。这个方案搞了18个月，芯片都设计出来了。那个当口我们找到了第三个方案。「暗涌」：18个月的成果，就放下了？

　　：2022年初次接触AI大模型时ChatGPT还没有出圈，我的内心也是比较犹疑的。一方面是因为在此之前，AI一直是叫好不叫座，并没有芯片公司真的能在AI芯片上挣到钱；另一方面是上一轮小模型时代，各种各样的模型结构层出不穷，不得不设计通用处理器来兼顾各种模型，这与我们团队的基因是相悖的。2023年上半年我在硅谷，亲身经历了这一波AI大模型的浪潮，scaling law驱动AI大模型智能的提升速度远超我的预期，图灵测试事实上被突破，这个人工智能领域真正的大事。同时，我们团队对Transformer算法的研究也到了相当深度，我们过去积累的3D架构技术恰好是解决大模型计算内存瓶颈最有潜力的解决方案，于是我们迅速的转向了AI大模型芯片。