曦望發布推理GPU S3：All-in推理的國產GPU，開始算單位Token成本

在大模型產業從“能不能跑”走向“算不算得過賬”的階段，GPU 的競爭邏輯正在被重新定義。

1 月 27 日，國產 GPU 廠商曦望（Sunrise）在杭州舉辦首屆 Sunrise GPU Summit，發布新一代推理 GPU 芯片啟望 S3，并同步推出面向大模型推理的超節點方案及推理云計劃。這是曦望在近一年累計完成約 30 億元戰略融資后的首次系統性技術亮相。

與當前行業普遍沿用的“訓推一體 GPU”路線不同，曦望在 S3 上繼續選擇了一條相對“反常識”的路線——不追求峰值訓練性能，而是 All-in 推理效率與單位成本。

從“拼峰值”到“算單位成本”，推理正在重塑 GPU 設計目標

過去數年，GPU 的核心競爭指標始終圍繞峰值算力、通用性和訓練效率展開。但隨著大模型進入規模化應用階段，算力消耗的重心正在從訓練轉向推理。

曦望聯席 CEO 王勇在發布會上指出，訓練更像一次性、高資本消耗的技術登高，而推理則是長期、持續的算力交付過程。“當推理成為主要算力消耗場景后，GPU 的商業價值不再取決于參數指標，而是單位 Token 的真實成本。”這一判斷，直接決定了啟望 S3 的設計方向。

據介紹，啟望 S3 是一款面向大模型推理深度定制的 GPGPU 芯片，其設計圍繞真實推理負載，對算力結構、存儲體系和互聯方式進行了系統級重構。

在算力層面，S3 支持從 FP16 到 FP4 的多精度靈活切換，使模型在保證效果的前提下，最大化釋放低精度推理效率。這種設計更貼合當前 MoE 和長上下文模型在推理階段的實際需求。

在存儲層面，S3 采用 LPDDR6 顯存方案，成為國內首款采用該方案的芯片。相比 HBM 路線，LPDDR6 更強調容量與能效比。官方數據顯示，S3 的顯存容量較上一代產品提升 4 倍，有效緩解了大模型推理中普遍存在的顯存駐留與訪存瓶頸。

在 DeepSeek V3 / R1 滿血版等主流大模型推理場景中，S3 單位 Token 推理成本較上一代產品下降約 90%。曦望方面稱，這一指標已具備工程可復現性，而非單點實驗室數據。

圍繞 S3，曦望同步發布了面向大模型推理的寰望 SC3 超節點解決方案。

寰望 SC3 從一開始即面向千億、萬億級參數多模態 MoE 推理的真實部署需求進行設計。該方案支持單域 256 卡一級互聯，可高效支撐 PD 分離架構 與 大 EP（Expert Parallelism）規模化部署，顯著提升推理階段的系統利用率與穩定性，適配長上下文、多并發、多專家并行等復雜推理場景。

在交付形態上，寰望 SC3 采用 全液冷設計，具備極致 PUE 表現，并支持模塊化交付與快速部署。曦望方面表示，在同等推理能力量級下，該方案可將整體系統交付成本從行業常見的億元級，降低至千萬元級，實現一個數量級的下降。

這一“算得過賬”的系統級能力，被視為萬億參數模型規模化應用的重要前提。

在軟件層面，曦望構建了與 CUDA 兼容的基礎軟件體系，覆蓋驅動、運行時 API、開發工具鏈、算子庫和通信庫，降低推理應用的遷移門檻。目前，該體系已適配 ModelScope 平臺 90% 以上主流大模型形態，包括 DeepSeek、通義千問等。

在曦望看來，推理 GPU 的競爭并不止于芯片本身，而在于能否將硬件能力穩定轉化為可交付、可計價的推理算力。

GPU 廠商開始下場，推理云平臺成為“最后一公里”

如果說 S3 回答的是“推理算力如何更便宜”，那么曦望與商湯科技、第四范式等生態伙伴探索的推理云平臺，則試圖解決“推理算力如何更好用”。

通過 GPU 池化與彈性調度，曦望將底層算力整合為統一的推理算力池，并以 MaaS（Model as a Service）作為核心入口，使企業無需關注底層硬件配置與集群運維，即可按需調用大模型推理能力。這一體系也成為“百萬 Token 一分錢”推理成本合作的重要技術基礎。

曦望董事長徐冰在會上表示，推理時代的核心不是“把芯片賣出去”，而是能否持續、穩定地把算力轉化為可交付的生產力。“誰能持續降低推理成本，誰就掌握了 AI 產業的成本曲線。”

據披露，曦望 2025 年推理 GPU 芯片交付量已突破 1 萬片，標志著其推理 GPU 路線完成從工程驗證到規模化交付的關鍵跨越。

中國工程院院士、浙江大學信息學部主任吳漢明指出，推理算力價值的實現離不開協同，需要芯片設計、系統集成、軟件開發到產業應用的全鏈條協作。

在國產 GPU 行業從“拼參數”走向“拼單位經濟成本”的拐點上，曦望選擇以推理為切口，嘗試重構 GPU 的產品形態與算力交付方式。這條 All-in 推理的路徑，正在成為觀察中國推理算力商業化進程的重要樣本。