全球首款自主推理AI芯片问世，算力架构迎来范式变革
2025年3月18日，北京——在今日举行的全球人工智能芯片峰会上，初创企业深度先见（DeepForesight）公司正式发布了其耗时四年研发的全新架构AI芯片“Forth”。这款被命名为“Forth”（意为“向前”）的芯片，被业界视为自GPU以来最激进的算力范式重构。据官方披露的数据，Forth在特定大模型推理任务上的能效比达到当前旗舰AI芯片的12倍至18倍，且首次在单芯片上实现了“推理即训练”的在线学习能力。
跳出冯·诺依曼的“内存墙”
传统AI芯片（如GPU、TPU）的算力增长正逼近物理极限，核心瓶颈在于冯·诺依曼架构中计算单元与存储单元之间的数据搬运延迟——即“内存墙”。Forth团队选择了一条截然不同的技术路径：基于存算一体（Compute-in-Memory）与数字光处理相结合的混合架构。
“我们不是在优化现有架构，而是从神经科学的稀疏连接中获取灵感。”DeepForesight联合创始人兼CEO林逸博士在发布会上表示，“Forth的核心创新在于‘动态稀疏激活矩阵’。芯片内集成了超过8000万个可重构存算单元，每个单元不仅能存储权重，还能在纳秒级时间内独立完成乘加运算，并通过片上自适应路由网络直接通信，无需经过外部内存。”
这意味着，当运行一个万亿参数级的大语言模型时，Forth可以动态地只激活与当前输入最相关的5%到10%的神经元路径，同时将中间计算结果就近存储并复用，从而将数据搬运功耗降低两个数量级。据现场演示，Forth在运行Llama-3.1-405B模型（全精度）时，单芯片功耗仅为75瓦，而使用NVIDIA H100完成同等任务需4张卡、总功耗超过2800瓦。
“推理-训练”的闭环革命
更令行业震动的是Forth引入的“持续微调单元”。传统AI芯片在推理阶段只能执行前向计算，所有参数更新都要回到昂贵的训练集群中完成。Forth则内置了一个非易失性忆阻器阵列，可以在推理过程中实时记录高频出错样例，并通过片上学习引擎对部分参数进行低秩更新——整个过程无需断开推理服务，也无需将数据上传到云端。
“这相当于让每一块推理芯片都变成了一个‘学习终端’。”清华大学计算机系教授李星评价道，“自动驾驶、工业质检、医疗影像等边缘场景，将第一次获得真正意义上的实时适应能力。一辆装配Forth芯片的汽车，在遇到从未见过的路况后，不需要等回厂升级，就能在下次遇到类似场景时自动纠正策略。”
不过，林逸也坦承，当前的持续微调仅限于模型尾部几个低秩适配层（LoRA），对底层基础的调整仍需依赖云端训练。但即便如此，这一突破已引发全球AI架构师的热议。Meta AI首席科学家Yann LeCun在社交媒体上转发该消息并评论：“如果规模扩展顺利，Forth可能改写摩尔定律在后摩尔时代的定义。”
供应链与生态的双重博弈
Forth芯片的量产并非坦途。据知情人士透露，其核心部件“忆阻器交叉阵列”目前只能采用台积电的特定先进封装工艺，良率尚不足45%。DeepForesight计划在2025年第四季度前将良率提升至70%以上，首批面向云服务商和大型制造企业的样品将于6月发货。公司同时宣布，已与阿里云、百度智能云达成联合测试协议，与特斯拉上海超级工厂就边缘AI质检方案展开深度合作。
在软件生态方面，Forth发布了一款名为“ForthKit”的编译器，支持PyTorch、TensorFlow、JAX等主流框架的自动转换。据现场测试，原生的Llama.cpp推理框架仅需修改三行代码即可迁移至Forth运行，这显著降低了用户的迁移门槛。但行业分析师指出，真正让生态扎根需要时间。“GPU统治AI二十年的核心是CUDA的锁定效应，”IDC半导体研究副总裁Mario Morales表示，“Forth必须证明它在训练、推理、集群互联等全场景下的易用性和稳定性，而不仅仅是峰值功耗。”
未来展望：从芯片到“算力植物”
在发布会的最后，林逸展示了一组极具科幻感的概念图：未来数据中心的天花板上垂挂着一排排生物状的光电模块，每块Forth芯片被封装在透明树脂中，通过光纤与相邻芯片构成网状——他称之为“算力森林”。
“Forth只是第一步。我们真正想做的是让算力增长摆脱对光刻机精度的一味依赖，转而通过三维堆叠、光子互联和自适应学习来实现‘算力自生长’。”他说，“就像丛林里的树，每棵树都不完美，但整片森林却拥有捕捉阳光、供养所有生命的卓越能力。”
截至发稿前，DeepForesight已公开的融资总额为18亿美元，投资者包括红杉资本中国、高瓴创投、以及亿万富翁兼科技投资人彼得·蒂尔（Peter Thiel）。随着Forth首批工程样片在5月下线，这场关于未来AI算力基座的竞争，正在加速。