中国DFSX系统声称在14nm垂直计算-内存塔设计下相比英伟达GB200 NVL72提升2倍内存带宽。

中国东方算芯（DFSX）正在论证，内存带宽而非激进的工艺制程微缩，才是为AI工作负载实现规模经济的关键。这一理念体现在其DF1000芯片及即将推出的DF2000芯片中，这些芯片通常部署在TY64超节点中，以挑战英伟达的GB200 NVL72系统。

东方算芯的DF1000芯片采用成熟的14纳米工艺制造，但融入了新颖的3D近存算架构。内存直接堆叠在计算层之上，通过3D晶圆级混合键合连接，该工艺融合两层的铜路径。这一方法完全消除了微凸点和导线，用数百万条超快速垂直连接替代了传统的单一水平数据通道。

预计在2026年第四季度推出的DF2000芯片同样基于14纳米工艺，进一步推进了这一策略。DF2000不是在计算层顶部堆叠单一内存层，而是在基础基座上将多个堆叠的内存计算塔并排组合——东方算芯将这一技术称为3.5D无限小芯片布局。该芯片用定制工程的3D DRAM布局替代了基础存储层，大幅扩展了能直接存储在其结构内的临时数据量。

东方算芯瞄准AI工作负载中的一个持久问题：GPU在等待内存数据到达时的闲置时间。该公司主张内存墙而非制程微缩是主要的性能瓶颈。

数据支撑了这一论点。每个DF2000芯片提供15TB/s的带宽。当堆叠在TY64超节点配置中时，总内存带宽达到960TB/s，而英伟达的GB200 NVL72系统仅为576TB/s，东方算芯拥有两倍的优势。

计算性能的差距更明显。基于DF2000的TY64超节点提供64 PFLOPS的BF16计算能力，而GB200 NVL72系统为360 PFLOPS。东方算芯主张其卓越的内存带宽将在大规模AI工作负载中抵消原始计算能力的劣势。

展望未来，DF3000芯片预计每个芯片提供20TB/s的带宽，在TY64超节点格式中排列时产生1,280TB/s的总带宽。相比之下，英伟达的Vera Rubin NVL72系统提供1,580TB/s的总内存带宽，仅比基于DF3000的TY64超节点高23%。东方算芯的核心论点仍然是，FLOPS对AI工作负载来说是一个过时的指标；内存吞吐量才是大规模应用中真正重要的指标。