新架构・芯产品 | 苏州睿芯高光D35：全球领先的RISC‑V数据流物理AI量产芯片

2020年，苏州睿芯集成电路科技有限公司成立于苏州工业园区，专注于数据流架构AI芯片，致力于把数据流这一计算范式从学术研究推向产业落地。

公司的核心定位是为物理AI而生。物理AI是指感知真实世界、与物理环境交互的人工智能——机器人感知、汽车自动驾驶、多路视频智能分析、通信信号处理等均属其范畴。与云端大模型“拼算力规模”不同，物理AI对芯片的要求是高并发、低延迟、高能效，而这正是传统GPU架构的瓶颈所在。

9月25日，高光D35即将在第五届全球数字贸易博览会现场量产发布。

10月下旬，光荣社区（国内首个数据流RISC-V开发者社区）即将正式发布。

高光D35：RISC-V数据流物理AI芯片

量产级数据流AI芯片——数据流架构提出逾60年、长期停留在学术研究阶段，高光D35是实现商业化量产的数据流架构AI芯片。

基于RISC-V架构的数据流AI芯片——开放指令集与数据流架构深度融合，双路线叠加形成独特技术壁垒。

锚定“物理AI”定位的AI芯片——不跟云端大模型芯片拼算力规模，聚焦机器人、汽车、视频分析、通信等高并发、低延迟场景。

数据流计算架构：数据驱动、消除搬运开销、天然高并发，能效比相较传统架构提升数倍。

全自研高性能RISC-V CPU内核：开放生态，客户不受单一供应商锁定。

128GB大显存：支持大模型边侧部署、多路视频分析与多传感器融合。

高通量视频编解码：适配多路视频智能分析场景。

物理AI定位：聚焦边端/边缘侧的实时推理场景。

· 传统瓶颈：冯·诺依曼架构的AI芯片约80%功耗浪费在数据搬运上，数据在内存与计算单元之间来回移动，真正用于计算的能耗不到20%。

· 数据流解法：由MIT的Jack Dennis教授于上世纪60年代提出，核心思想是“数据到哪，算到哪”——数据到达即触发计算，无需指令调度；数据在计算单元之间直接流动，不需反复读写内存；多个单元可并行处理不同数据流，天然高并发。

· 实测结果：在物理AI工作负载下，综合能效比相较传统架构提升数倍。

行业智能计算：单芯片可处理多路高清视频AI推理，替代多颗传统方案，显著降低部署与运维成本，低延迟满足实时分析需求。

具身智能：低功耗、高算力密度，适配机器人有限的电源与空间；支持视觉、语音、运动控制多模态实时处理，并可端侧部署大模型。

舱驾一体：单芯片支撑座舱＋驾驶多域AI算力需求；低功耗设计减少散热压力，提升车载可靠性。

通信领域：高吞吐、低延迟，数据流架构天然适配信号处理类工作负载。

量产状态：已正式量产，产能稳定，可支持批量订单交付。

生态合作：与头部机器人企业建立生态合作；同时与大模型厂商、行业集成商共建物理AI解决方案。