GPU企业：壁仞科技（Biren Technology）
上海壁仞科技股份有限公司（Biren Technology） 是中国主要的高性能通用GPU和人工智能计算企业之一，重点面向：
大模型训练
AI推理
通用并行计算
智算中心
科学计算
以及：
大规模GPU集群。
如果只把壁仞科技理解成一家“国产AI芯片公司”，并不完全准确。
壁仞真正选择的技术路线是：
也就是说，公司希望用高度可编程的GPU架构支撑：
高性能计算
数据处理
科学计算
以及其他并行计算任务。
目前壁仞已经形成以：
壁砺™系列GPU
为核心，
配合：
BIRENSUPA™软件平台
BLink™高速互连
GPU服务器
以及：
超节点和智算集群
的完整计算体系。
到了2026年，公司又进一步把技术重点扩展到：
NPO光互连
1024卡Scale-up超节点
以及：
下一代BR2xx GPU。 (birentech.com)
一、壁仞科技基本情况
壁仞科技成立于：
2019年。
总部位于：
上海。
公司创始人、董事长兼CEO为：
张文。
联合创始人、CTO为：
洪洲。
经过多轮融资和GPU产品研发以后，壁仞于：
2026年1月2日
正式在：
香港联合交易所主板
上市。
股票代码：
06082.HK
公司正式名称为：
上海壁仞科技股份有限公司。
根据香港交易所披露，公司上市及随后全额行使超额配售权后，全球发售募集资金总额约：
64.2亿港元。 (hkexnews.hk)
因此，今天的壁仞已经从GPU创业公司进入：
公开资本市场阶段。
二、壁仞真正的核心定位：通用智能计算
壁仞官方网站目前将公司定义为：
通用智能计算解决方案提供商。
这句话比简单说：
“GPU公司”
更加准确。
它真正希望建立的是：
软件
高速互连
服务器
超节点
智算集群
最终形成：
AI计算基础设施。 (birentech.com)
这实际上与今天NVIDIA的发展方向非常相似。
现代高端GPU公司已经越来越不像传统：
显卡公司。
而更像：
计算基础设施公司。
三、通用GPU和专用NPU有什么区别？
这是理解壁仞非常重要的一点。
一种路线是：
NPU / AI ASIC。
这种芯片专门针对：
矩阵计算
Tensor
神经网络
进行优化。
优势通常是：
性能高
能效高。
但缺点可能是：
灵活性有限。
另一条路线就是：
GPU。
GPU拥有更强的：
Programmability
也就是：
可编程性。
它不仅可以执行神经网络。
还可以运行：
科学计算
图像处理
数据分析
各种自定义Kernel
甚至未来还没有出现的算法。
壁仞选择的是：
通用GPU路线。
四、为什么AI时代仍然需要“通用GPU”？
AI变化速度非常快。
过去是：
CNN。
后来是：
Transformer。
现在又出现：
MoE
Multimodal
Diffusion
Video Generation
Reasoning Model
Agentic AI
以及各种新模型。
如果芯片针对一种模型写死，
几年以后可能就需要重新设计。
GPU最大的优势就是：
Software Programmability。
只要底层硬件足够通用，
新的算法很多时候可以通过：
软件
编译器
Kernel
以及Library
进行支持。
五、壁仞第一代代表产品：BR100
壁仞最早受到全球GPU产业关注的产品是：
BR100。
2022年8月，壁仞正式发布BR100系列。
BR100是一颗面向：
AI训练
AI推理
以及通用计算
的高性能GPU。
当时官方公布：
FP16算力超过：
1000 TFLOPS
INT8算力超过：
2000 TOPS
单芯片峰值计算能力进入：
PFLOPS级别。 (xinhuanet.com)
在2022年，这是一个非常高的GPU计算规格。
六、BR100为什么在中国GPU历史上很重要？
BR100的重要意义并不只是算力数字。
它同时采用了：
Chiplet
技术。
并支持：
PCIe 5.0
以及：
CXL。
这意味着壁仞一开始就没有选择：
低端显示GPU
作为突破口。
而是直接进入：
高端数据中心GPU。 (xinhuanet.com)
从产品难度来说，这是非常激进的一条路线。
七、Chiplet是什么？
一个巨大Die。
但是高端GPU越来越大。
如果芯片面积过大：
制造良率就会下降。
成本也会上升。
Chiplet的基本思路是：
把一颗巨大芯片拆成：
多个计算芯粒。
然后通过先进封装把它们连接起来。
于是系统可以形成：
Compute Chiplet
I/O
Interconnect
的组合。
八、为什么GPU特别需要Chiplet？
Tensor Core
Cache
Memory Interface
高速互连
以及计算单元。
如果所有东西都继续塞进：
一个巨大Die，
设计和制造都会越来越困难。
Chiplet可以帮助：
扩大计算规模
提高设计灵活性
改善良率
以及：
建立更大的计算系统。
壁仞从第一代高性能GPU就采用Chiplet，因此这成为公司最具代表性的技术标签之一。 (birentech.com)
九、BR100之后，壁仞开始建设完整产品体系
BR100发布时，壁仞同时推出了：
壁砺100 OAM模组
以及：
壁砺104 PCIe板卡。
这说明壁仞从一开始就没有停留在：
而是在进入：
GPU产品。
芯片必须最终变成：
板卡
OAM模组
服务器
以及集群，
才能真正进入数据中心。
十、今天壁仞的核心产品已经变成“壁砺”系列
截至2026年，壁仞官网公开的主要产品已经包括：
壁砺™106M
壁砺™106B
壁砺™166M
壁砺™166L
以及：
壁砺™166C。 (developer.birentech.com)
从这些产品可以很清楚地看出壁仞的产品方向：
不是消费级显卡。
而是：
Data Center GPU。
十一、壁砺106M：OAM训练GPU
壁砺：
106M
采用：
OAM模组
设计。
峰值功耗：
400W。
主要面向：
人工智能训练
以及高性能计算。 (birentech.com)
OAM就是：
OCP Accelerator Module。
它与普通PCIe显卡不同。
OAM更加适合：
高密度AI服务器。
十二、壁砺106B：PCIe AI加速卡
壁砺：
106B
则采用：
全高全长
双宽：
PCIe板卡。
峰值功耗：
300W。
它可以用于：
多模态AIGC
图像识别
语音识别
自然语言处理
推荐系统
训练
微调
以及：
推理。 (birentech.com)
PCIe形式的优势在于：
更容易进入现有服务器。
不一定需要重新设计整套AI服务器平台。
十三、壁砺166系列：目前更加重要的一代
目前壁仞官网重点展示的新一代产品是：
壁砺166系列。
主要包括：
166M
166L
以及：
166C。
其中：
166M和166L主要面向：
训练 + 推理。
166C则更加偏向：
AI推理。 (birentech.com)
这反映出现代GPU一个非常明显的变化：
过去强调：
训练卡。
现在越来越强调：
训推一体。
十四、为什么“训推一体”越来越重要？
过去AI行业通常把：
Training
和：
Inference
分得比较开。
训练需要：
极高计算能力。
推理需要：
高吞吐
低延迟
低成本。
但大模型出现以后，两者之间的边界正在发生变化。
企业可能需要：
预训练
Fine-Tuning
Post-Training
RL
以及：
Inference
全部运行在同一套基础设施中。
因此GPU如果能够同时支持：
训练
和：
推理，
数据中心部署会更加灵活。
十五、壁砺166M：风冷训推一体GPU
壁砺166M
采用：
OAM V1.1风冷模组。
官方公布峰值功耗：
550W。
它主要用于：
多模态AIGC
图像
语音
自然语言处理
推荐系统
以及各种AI训练和推理工作负载。 (birentech.com)
在中国移动九天35B模型适配中，壁仞披露：
166M拥有：
64GB显存
以及：
1.6TB/s显存带宽。 (birentech.com)
对于大模型而言：
显存容量
以及：
Memory Bandwidth
与Tensor算力一样重要。
十六、为什么显存带宽如此重要？
GPU可能拥有非常强大的Tensor Core。
但是Tensor Core首先必须获得数据。
如果数据还在：
HBM
或者其他显存中，
而内存速度太慢，
计算单元就会：
等待。
Compute
和：
能不能匹配。
现代GPU竞争越来越强调：
TB/s级显存带宽。
这也是为什么：
HBM
十七、壁砺166L：液冷GPU
壁砺：
166L
采用：
冷板式液冷OAM模组。
峰值功耗：
600W。 (birentech.com)
为什么要液冷？
一个8卡服务器就可能拥有：
数千瓦GPU功耗。
一个机柜甚至可能达到：
几十千瓦
乃至更高。
传统空气冷却越来越困难。
所以：
Liquid Cooling
正在成为高密度AI数据中心的重要技术。
十八、壁砺166C：推理GPU
壁砺：
166C
主要面向：
AI推理。
产品形态是：
全高全长
双宽PCIe板卡。
官方当前产品页标示：
峰值功耗：
300W。 (birentech.com)
166C可以比较容易地安装在传统PCIe GPU服务器中。
主要面向：
大模型推理
AIGC
图像
语音
NLP
以及推荐系统。
十九、为什么推理正在成为GPU最大的市场之一？
AI产业最初最昂贵的是：
Training。
因为训练一个大模型需要：
几千张GPU。
但是模型训练完成以后，
可能有：
几千万
甚至：
几亿用户
每天使用它。
于是长期来看：
Inference
所消耗的GPU资源可能非常巨大。
特别是：
Reasoning Model
Agent
Video Generation
以及多模态模型，
每一次请求都可能执行大量计算。
所以GPU企业现在越来越重视：
Inference GPU。
二十、壁仞真正最大的挑战还是软件
GPU硬件做出来以后，
最大的问题依然是：
软件。
NVIDIA的真正壁垒之一是：
CUDA。
CUDA拥有：
编译器
运行时
数学库
通信库
AI框架
开发工具
以及大量开发者。
任何新GPU平台都必须回答：
现有AI软件怎么运行？
壁仞的回答是：
BIRENSUPA™。
二十一、BIRENSUPA：壁仞自己的GPU软件平台
壁仞的核心软件平台叫：
BIRENSUPA™。
它是一套自主GPU软件开发平台。
主要包括：
Compiler
Runtime
Libraries
Communication
Profiling
Debugging
以及：
Deployment Tools。 (birentech.com)
这意味着：
壁仞不是只卖GPU硬件。
它必须同时建立：
GPU Software Stack。
二十二、壁仞的软件工具已经形成完整体系
壁仞开发者平台目前可以看到大量软件组件，例如：
BRPyTorch
DeepSpeed-BR
Megatron-LM-BR
Transformer-BR
suCCL
suBLAS
以及：
GPU性能分析
容器
Kubernetes
虚拟化
集群管理
等工具。 (developer.birentech.com)
这件事情非常重要。
因为训练大模型真正使用的不是：
一颗GPU。
而是：
GPU + PyTorch + Communication + Framework + Cluster。
二十三、为什么PyTorch适配特别重要？
今天大量AI研究和大模型开发建立在：
PyTorch
之上。
如果GPU不能很好运行PyTorch，
开发者就很难使用。
所以国产GPU企业都会重点解决：
PyTorch compatibility。
壁仞自己的：
BRPyTorch
就是为这个问题服务。
同时还需要支持：
vLLM
DeepSpeed
Megatron-LM
以及各种新型AI框架。
二十四、壁仞正在强调“Day 0适配”
到了2026年，壁仞开始频繁公布：
Day 0模型适配。
例如壁砺166系列已经完成：
智谱GLM
MiniMax
腾讯混元
商汤SenseNova
中国移动九天
以及其他新模型的快速适配。 (birentech.com)
所谓：
Day 0
就是模型刚刚发布，
GPU平台就能够快速运行。
这其实是判断GPU软件生态成熟度非常现实的指标。
二十五、为什么Day 0适配很重要？
AI变化太快了。
一个GPU平台如果需要：
半年
才能适配一个新模型，
商业价值会大幅下降。
客户真正需要的是：
新模型今天发布，
自己的数据中心：
明天就能跑。
所以现代GPU竞争已经不仅仅是：
Hardware Benchmark。
而是：
Software Response Speed。
二十六、GPU竞争已经进入高速互连阶段
一张GPU再快，也有极限。
真正训练大型模型需要：
几十张
几百张
几千张
甚至：
几万张GPU。
所以GPU之间必须拥有：
High-Speed Interconnect。
NVIDIA有：
NVLink。
AMD发展：
Infinity Fabric
以及相关互连。
壁仞则发展：
BLink™。
二十七、BLink：壁仞自己的GPU高速互连
BLink主要解决：
高速通信的问题。
到了2026年，壁仞已经推出：
BLink 2.0。
BLink 2.0不仅强调：
带宽
还进一步加入：
超节点
在网计算
拥塞控制
链路修复
以及大型GPU系统可靠性。 (birentech.com)
这意味着壁仞的技术重点已经从：
进一步进入：
GPU Fabric。
二十八、什么是GPU Fabric？
可以把它简单理解为：
让很多GPU组成一台超级计算机。
如果64张GPU之间拥有极高速互联，
软件就可以尽量把它们当作：
一个巨大计算资源池。
未来可能出现：
128张
256张
512张
甚至：
1024张GPU
组成一个：
Supernode。
这就是AI基础设施新的竞争方向。
二十九、2026年壁仞推出1024卡超节点方案
在2026世界人工智能大会期间，
壁仞正式展示：
最大1024卡Scale-up超节点方案。
同时发布：
NPO光互连
以及：
分布式解耦架构。
该体系建立在：
BLink 2.0
之上。 (birentech.com)
1024卡意味着：
不是1024张GPU简单放在一个机房里。
而是希望它们进入一个：
高速Scale-up计算域。
这是非常不同的概念。
三十、Scale-up和Scale-out有什么区别？
传统AI集群大量依靠：
Scale-out。
也就是：
服务器
通过网络
连接服务器。
但是网络延迟相对较大。
Scale-up则更加追求：
GPU之间：
更高速
更低延迟
更紧密连接。
简单来说：
Scale-out：
很多电脑联网。
Scale-up：
很多GPU尽量变成一台巨大电脑。
未来大模型越来越大以后：
Scale-up能力可能变得越来越重要。
三十一、为什么壁仞开始研究光互连？
GPU互联越来越快以后，
传统铜线会遇到很多问题：
距离
功耗
信号衰减
带宽密度。
所以AI数据中心正在越来越关注：
Optical Interconnect。
也就是：
光互连。
壁仞已经开始把：
和：
OCS光交换系统
结合。 (birentech.com)
这可能成为未来GPU数据中心非常重要的一次架构变化。
三十二、NPO光互连是什么？
2026年，壁仞进一步展示：
NPO
光互连。
NPO通常指：
Near-Packaged Optics
即把高速光电转换进一步靠近计算芯片封装。
传统数据从GPU出来以后：
走很长PCB
进入光模块。
未来可能让：
Optics
更加靠近：
GPU。
这样可以降低：
高速电信号传输距离。
从而改善：
带宽
功耗
以及：
系统扩展能力。
壁仞已经把NPO列入下一代GPU超节点技术路线。 (birentech.com)
三十三、BR2xx：壁仞下一代GPU
在2026年的最新技术展示中，
壁仞已经开始公开：
BR2xx系列GPU
相关信息。
公司表示，下一代超节点方案将建立在：
自主Chiplet GPU
以及：
BR2xx系列
基础上。 (birentech.com)
目前公开规格仍然有限。
因此对于BR2xx，
更应该关注的是：
量产
软件适配
显存体系
互连能力
以及：
实际客户部署。
而不是只看发布会上的峰值数字。
三十四、壁仞已经建成光互连千卡集群
2026世界人工智能大会期间，
壁仞与：
曦智科技
中兴通讯
上海仪电
等合作伙伴展示了：
国产光互连千卡算力集群。
壁仞披露，该系统已经实现：
千卡规模商业化光互连集群落地。 (birentech.com)
这说明公司的竞争范围已经进一步从：
进入：
系统工程。
三十五、为什么“千卡能跑”比“单卡跑分高”更重要？
单卡GPU测试相对简单。
但是：
1000张GPU
连续训练几个月，
完全是另外一个问题。
大型集群需要解决：
硬件故障
GPU掉卡
网络拥塞
通信效率
集群调度
任务恢复
Checkpoint
散热
电力
以及：
软件稳定性。
所以在大模型时代：
GPU厂商最终必须证明的不是：
“一张卡快。”
而是：
“一万张卡一起还能快。”
三十六、壁仞与摩尔线程最大的区别
但路线非常不同。
摩尔线程强调：
全功能GPU。
同时做：
PC显卡
3D图形
视频
HPC
数据中心。
壁仞的重点明显更加集中在：
Data Center GPU
以及：
AI计算。
壁仞目前并没有把消费级：
游戏显卡
作为核心商业方向。
所以简单来说：
摩尔线程更宽。
壁仞更加集中于高端AI数据中心。
三十七、壁仞和沐曦有什么区别？
这两家公司更加接近。
因为：
壁仞
和：
沐曦
都重点发展：
GPGPU
AI训练
AI推理
服务器
以及：
大型GPU集群。
沐曦拥有：
MXMACA
以及：
MetaXLink。
壁仞拥有：
BIRENSUPA
以及：
BLink。
所以两家公司未来真正比拼的不会只是：
Tensor算力。
而是：
软件成熟度
大模型兼容
显存
高速互连
集群扩展
供应链
客户规模
以及：
产品迭代速度。
三十八、壁仞与天数智芯有什么区别？
天数智芯同样是中国较早实现：
GPGPU商业化
的企业之一。
重点也是：
AI训练
AI推理
以及通用计算。
壁仞的一个突出特点则是：
从第一代BR100开始就高度强调：
超大GPU
Chiplet
以及：
高带宽互连。
到了2026年又继续向：
NPO
1024卡超节点
扩展。
所以壁仞的技术路线特别强调：
大型AI基础设施。
三十九、壁仞真正长期对标的仍然是NVIDIA和AMD
从产业结构来看，
壁仞最终面对的是：
数据中心GPU市场。
而这个市场目前最重要的国际企业就是：
以及：
AMD。
真正的竞争维度包括：
GPU Architecture
Tensor Compute
HBM
Interconnect
Compiler
Runtime
Framework
Server
Rack
Supernode
Networking
以及：
Developer Ecosystem。
这也是为什么壁仞不能只做：
一颗GPU。
必须不断向上下游扩展。
四十、但必须正确理解“对标”
壁仞技术路线与国际数据中心GPU厂商存在明显相似性，
并不意味着：
目前整个生态已经达到相同成熟度。
尤其在：
开发者数量
软件库
AI应用
框架优化
大规模商业部署
以及产品迭代历史
方面，
NVIDIA仍然拥有非常深厚的长期积累。
所以国产GPU真正的问题不是：
某一项理论算力能不能超过某款国际产品。
而是：
整个平台能不能长期可用。
四十一、壁仞目前已经进入哪些市场？
根据公司披露，
壁砺系列GPU和智能计算解决方案已经进入：
AI数据中心
电信
人工智能解决方案
能源和公用事业
金融科技
以及：
互联网。 (birentech.com)
此外还已经部署于：
全国多个智算集群。
这些市场的特点是：
单个客户GPU需求量非常大。
所以数据中心GPU与消费显卡商业模式非常不同。
四十二、2025年壁仞收入增长非常快
根据壁仞2025年度业绩：
2025年公司营业收入约为：
10.35亿元人民币
相比2024年的约：
3.37亿元
增长：
207.2%。
2025年毛利约：
5.57亿元
毛利率达到：
53.8%。 (financialfilings.com)
这说明壁仞已经开始从：
GPU研发公司
逐步进入：
规模商业化阶段。
四十三、研发投入甚至高于收入
2025年，壁仞研发费用约：
14.76亿元人民币。
而同期营业收入约：
10.35亿元。
也就是说：
研发费用仍然高于全年收入。 (hkexnews.hk)
这非常典型地说明：
高性能GPU是一门：
极其烧钱的生意。
四十四、为什么GPU研发这么贵？
因为一家高性能GPU公司必须同时养：
GPU架构团队
RTL团队
Verification
Physical Design
Packaging
Compiler
Driver
Math Library
Networking
System
Server
Performance
以及：
Developer Support。
每一个部门都可能需要大量顶尖工程师。
而且一代GPU研发完以后：
下一代马上又要开始。
所以真正进入GPU行业以后：
研发投入几乎不能停。
四十五、2025年的账面巨额亏损需要正确理解
壁仞2025年财务报表显示：
年内亏损约：
164.93亿元人民币。
这个数字看起来非常巨大。
但其中很大部分来自：
上市前投资人赎回权相关负债的账面价值变化所造成的：
财务成本。
公司披露，上市后这些赎回权相关负债终止。
如果使用公司披露的非IFRS调整口径，
2025年经调整亏损约为：
8.74亿元人民币。 (financialfilings.com)
所以分析这家公司时，
不能简单把164亿元理解为：
实际经营“烧掉了164亿元现金”。
两者不是一回事。
四十六、壁仞仍然处于高投入阶段
虽然收入已经快速增长，
但：
14.76亿元研发投入
以及：
8亿多元调整后亏损
说明公司仍然处于：
高投入扩张期。
这对于一家正在建立：
软件
互连
服务器
集群
完整体系的公司来说并不意外。
真正需要观察的是：
未来收入增长速度能不能长期超过：
研发和运营成本增长速度。
四十七、壁仞上市后获得了更强的资金能力
2026年上市后，
壁仞全球发售及超额配售合计获得：
约：
64.2亿港元
总募集款。 (hkexnews.hk)
对于GPU企业而言，
资本非常重要。
因为下一代高性能GPU可能需要投入：
数十亿元
甚至更多，
才能完成：
设计
流片
封装
软件
以及量产。
所以成功上市对壁仞长期发展具有非常现实的意义。
四十八、截至2025年底专利申请超过1600项
根据壁仞2026年公布的数据，
截至2025年底：
全球专利申请数量超过：
1600项
授权专利超过：
600项。 (birentech.com)
GPU属于高度知识产权密集型产业。
涉及：
并行架构
内存管理
Chiplet
高速互连
计算单元
软件
编译器
以及各种系统技术。
所以专利体系对于GPU企业非常重要。
四十九、壁仞最大的优势之一：一开始就瞄准高端GPU
很多GPU创业公司会先从：
小GPU
或者：
显示芯片
开始。
壁仞没有。
它第一代代表产品BR100就直接进入：
数据中心高性能GPU。
这意味着：
研发难度很高，
但市场价值也更高。
Data Center。
五十、第二个优势：Chiplet积累
Chiplet已经成为现代高性能芯片越来越重要的技术。
BR100就是壁仞最重要的早期Chiplet实践之一。
未来GPU规模继续增大以后：
Chiplet
很可能进一步成为：
大型GPU
AI Accelerator
以及：
Supernode
的重要基础。
因此壁仞早期在这一领域的研发经验具有长期价值。
五十一、第三个优势：从芯片做到互连
算力。
壁仞现在已经明显把研发重点扩展到：
Interconnect。
从：
BLink
到：
BLink 2.0
再到：
Optical Interconnect
NPO
以及：
1024-card Scale-up。
这说明公司已经意识到：
Chip War。
而是：
System Architecture War。
五十二、第四个优势：软件栈已经开始形成
BIRENSUPA目前已经不是简单：
Driver。
它包含：
PyTorch
通信库
大模型训练工具
大模型推理工具
性能分析
容器
虚拟化
以及：
集群软件。 (developer.birentech.com)
对于GPU企业而言：
这种软件体系才是真正长期积累的资产。
五十三、壁仞最大的挑战之一：CUDA
所有国产GPGPU最终都绕不开：
CUDA。
CUDA现在已经不仅是一套API。
它已经形成：
Programming Model
Compiler
Libraries
Developer Community
Academic Software
Enterprise Software
以及：
人才体系。
所以壁仞真正需要解决的问题不是：
“BIRENSUPA能不能运行一个Demo？”
而是：
“客户从CUDA迁移过来的成本到底有多高？”
五十四、第二个挑战：大型集群的真实效率
1024卡超节点听起来非常惊人。
但是大型集群真正重要的指标是：
有效算力。
也就是说：
1000张GPU的理论算力
最终有多少能够真正用于：
训练模型？
如果通信效率低，
很多GPU时间都会花在：
等待。
所以未来评价GPU超节点不能只看：
GPU数量。
还要看：
Scaling Efficiency。
五十五、第三个挑战：先进制造与HBM
高性能GPU越来越依赖：
先进工艺
先进封装
HBM
高速SerDes
以及光互连。
这意味着一家GPU设计公司即使拥有优秀架构，
仍然需要整个半导体供应链支持。
尤其是：
HBM。
所以国产GPU长期竞争力最终取决于：
整个产业链。
五十六、第四个挑战：软件变化速度
AI软件生态现在变化得非常快。
今天流行：
PyTorch。
模型推理开始大量使用：
vLLM
SGLang
Tensor Parallel
Expert Parallel
Flash Attention。
几年以后可能又会变化。
所以BIRENSUPA不能只是：
一次适配。
必须建立：
持续跟踪全球AI软件生态的能力。
Day 0适配就是壁仞正在尝试解决这个问题的一种方式。
五十七、第五个挑战：持续推出下一代GPU
GPU企业最难的事情不是：
做出第一颗芯片。
而是：
每两三年持续推出下一代。
NVIDIA真正可怕的地方就是：
一代接一代。
壁仞已经从：
BR100
发展到：
壁砺106
壁砺166
并开始公开：
BR2xx。
未来最重要的问题之一就是：
这个迭代节奏能否持续十年。
五十八、壁仞为什么值得长期关注？
因为壁仞正在尝试解决的已经不是：
“做一颗国产GPU。”
而是：
如何建立：
GPU架构
Chiplet
BIRENSUPA软件
BLink高速互连
光互连
GPU服务器
Supernode
AI Cluster
最终形成：
完整的国产高性能计算基础设施。
五十九、壁仞在中国GPU企业中的位置
如果把目前中国主要GPU公司进行简单分类：
壁仞——高性能GPGPU + Chiplet + AI数据中心 + 超节点
芯原——GPU IP
这样分类会更加清楚。
壁仞最鲜明的标签应该是：
高性能数据中心GPGPU。
六十、壁仞与摩尔线程、沐曦三家公司可以这样理解
如果一定要用非常简单的方法区分：
更接近：
GPU全产品路线。
既想做Graphics，
也做AI。
沐曦
更加突出：
AI + HPC通用计算。
而：
壁仞
特别突出：
超大算力GPU + Chiplet + 大规模AI基础设施。
随着三家公司继续发展，
它们的产品范围当然会逐渐重叠。
但目前的核心重心仍然有明显区别。
六十一、未来最值得关注的第一个方向：BR2xx
未来壁仞最值得观察的第一个产品就是：
BR2xx。
因为它将检验公司能否：
从第一代高性能GPU
持续进入下一代。
真正重要的问题包括：
计算性能
显存
功耗
制造工艺
Chiplet
以及：
实际量产时间。
六十二、第二个方向：1024卡超节点
1024卡Scale-up系统是壁仞2026年最值得注意的新方向之一。
如果能够真正做到：
高带宽
低延迟
高可靠
高Scaling Efficiency，
那么壁仞的竞争对象就已经不再只是：
单GPU。
而是：
AI Supernode。
这可能成为未来智算中心最核心的设备之一。 (birentech.com)
六十三、第三个方向：光互连
未来GPU集群越来越大以后：
Copper
可能逐渐无法满足所有连接需求。
壁仞现在已经开始布局：
OCS
NPO
以及：
Optical Scale-up。
如果这条技术路线成功，
光互连可能成为壁仞非常有差异化的一项技术。
六十四、第四个方向：BIRENSUPA
硬件架构会不断更新。
但是：
软件生态
会长期积累。
所以未来真正决定壁仞是否能够建立护城河的，
可能不是某一颗GPU。
而是：
BIRENSUPA。
如果越来越多：
AI模型
开发者
企业软件
科学计算程序
直接支持壁仞GPU，
那么用户迁移成本就会越来越低。
六十五、第五个方向：商业化
2025年壁仞收入超过：
10亿元人民币
并同比增长超过：
200%。 (financialfilings.com)
下一步最重要的就不是：
有没有产品。
而是：
客户会不会持续购买？
GPU生命周期很长。
通常还会关注：
下一代兼容
长期软件支持
供应稳定性
以及：
TCO。
所以GPU商业化是一场长期竞争。
六十六、如何看待壁仞科技？
如果只把壁仞看成：
“中国又一家做NVIDIA替代产品的公司。”
其实过于简单。
壁仞真正值得研究的，是它正在尝试搭建：
从：
到：
Chiplet
再到：
软件栈
再到：
互连
再到：
GPU服务器
最后进入：
千卡、1024卡超节点和AI数据中心
的完整技术体系。
这已经不只是：
Chip Design。
而是：
Computer Architecture + System Engineering。
结论
壁仞科技的发展路线非常清楚。
2019年——公司成立
↓
2022年——发布BR100通用GPU
↓
Chiplet + PCIe 5.0 + CXL
↓
壁砺106系列
↓
壁砺166系列
↓
BIRENSUPA软件生态
↓
BLink高速GPU互连
↓
2026年香港上市
↓
NPO光互连
↓
1024卡Scale-up超节点
↓
下一代BR2xx GPU。 (birentech.com)
所以，今天真正判断壁仞科技的标准已经不能只是：
“单颗GPU峰值算力是多少？”
更加重要的问题是：
软件能不能快速适配新模型？
GPU能不能稳定量产？
HBM和供应链能不能长期保障？
100张GPU能不能高效连接？
1000张GPU能不能稳定训练？
1024卡Scale-up能不能真正提高有效算力？
下一代GPU能不能按计划持续推出？
如果这些问题能够逐步得到解决，
那么壁仞的角色就可能从：
国产高性能GPU企业
进一步升级为：
中国AI数据中心核心计算平台企业。
而从GPU产业的发展趋势来看，
这可能才是真正最大的市场。
未来GPU竞争很可能越来越不是：
“谁拥有最快的一颗芯片？”
而是：
“谁能够把成百上千颗GPU、显存、互连、网络和软件真正组成一台高效率的超级计算机？”
壁仞正在竞争的，
正是这个位置。