近日，浙江流流電子科技有限公司表示，公司正在将過往在 3D 集成專用計算芯片領域積累的工程經驗，延展至 AI 推理芯片方向。未來，公司将圍繞高能效 AI 推理 ASIC、3D 集成架構、Hybrid Bonding 高密度互連以及低功耗專用計算體系展開技術布局。
據公司介紹，流流科技創始團隊曾參與研發并推動量産過一款基于 40 納米工藝、采用 Hybrid Bonding 技術的以太坊專用計算芯片。該芯片于 2021 年進入量産階段，是團隊在先進封裝、高并行計算、低功耗架構和專用 ASIC 工程化方面的重要實踐。
流流科技認為，從以太坊專用計算芯片到 AI 推理芯片，變化的是應用場景，不變的是底層工程邏輯：如何在有限功耗、有限面積和有限數據通路條件下，最大化單位能耗下的有效計算能力。
一、從 40 納米 Hybrid Bonding 芯片量産經驗出發
在專用計算芯片領域，量産經驗往往比單純的設計概念更具價值。
流流科技創始團隊此前參與的 40 納米以太坊專用計算芯片，并非傳統意義上的普通 ASIC，而是一款采用 3D 集成思路和 Hybrid Bonding 技術的專用計算芯片。該産品于 2021 年進入量産階段，意味着相關團隊曾經實際經曆過從芯片架構、三維互連、封裝協同到量産可靠性的完整工程挑戰。
對于任何采用 3D 集成路線的芯片而言，Hybrid Bonding 都不是簡單的封裝後處理步驟。它會影響芯片層級劃分、互連密度、信号傳輸路徑、熱分布、測試覆蓋以及最終産品的穩定性。因此，能夠參與并推動此類芯片進入量産，本身代表了團隊對 3D 集成芯片工程複雜度的實際理解。
這也是流流科技此次布局 AI 推理芯片的重要基礎。
二、Hybrid Bonding：3D 集成芯片的關鍵互連方式
在表述上，“3D 集成”和“Hybrid Bonding”并不是兩個割裂的技術概念。
更準确地說，Hybrid Bonding 是實現高密度 3D 集成的重要技術路徑之一。它通過晶圓與晶圓、芯片與晶圓或芯片與芯片之間的高密度互連，使不同功能層能夠在垂直方向上形成更短、更密集的數據連接。
傳統二維芯片設計中，計算單元、緩存、控制邏輯和數據通路都需要在同一平面上展開。随着芯片規模擴大，長距離布線、片上擁塞、訪問延遲和功耗都會成為限制性能提升的重要因素。
而 3D 集成提供了另一種思路：将不同功能模塊在垂直方向上組織起來，使計算、存儲和數據通路之間的距離進一步縮短。Hybrid Bonding 則為這種垂直組織方式提供了更高密度、更低寄生、更短路徑的互連基礎。
對于高能效專用計算芯片而言，這種技術路線的核心價值并不是簡單“把芯片疊起來”，而是讓芯片内部的數據流動更加高效。
三、從 ETH 專用計算到 AI 推理：不是算法遷移，而是工程能力遷移
流流科技表示，以太坊專用計算芯片與 AI 推理芯片面向的是完全不同的應用場景，因此不能簡單理解為“把原來的芯片換一個用途”。
真正能夠遷移的，是底層工程能力。
以太坊專用計算芯片強調高并行、低功耗、穩定運行和單位能耗下的計算效率;AI 推理芯片同樣關注高并行計算、數據吞吐、功耗控制和持續運行效率。二者雖然執行的算法不同，但都屬于典型的專用計算芯片，都需要圍繞特定工作負載進行架構優化。
在 AI 推理場景中，芯片面對的不隻是矩陣乘法本身，還包括模型權重讀取、激活數據緩存、中間結果傳輸、片上數據複用以及外部存儲訪問等問題。大量能耗并不完全發生在計算單元内部，而是發生在數據移動過程中。
因此，流流科技認為，過去在 Hybrid Bonding 3D 集成專用計算芯片中的經驗，可以為 AI 推理芯片提供重要參考：通過更緊湊的計算-存儲組織方式，降低無效數據搬運，提高單位功耗下的有效推理能力。
四、AI 推理芯片的核心競争：從峰值算力轉向有效算力
随着 AI 應用進入大規模部署階段，推理芯片的評價标準正在發生變化。
過去，AI 芯片常常以理論算力、制程節點和峰值性能作為主要宣傳指标。但在真實部署中，客戶更加關注的是芯片在持續運行狀态下的能效、穩定性、部署密度和長期使用成本。
對于企業私有化 AI 部署，芯片需要在有限電力和有限服務器空間内提供穩定推理能力。
對于邊緣 AI 場景，芯片需要控制功耗、散熱和體積。
對于視頻理解和多模态檢索場景，芯片需要處理持續、高頻、并發的數據流。
對于語言模型推理，芯片則需要在延遲、吞吐和存儲訪問之間取得平衡。
這些場景都指向同一個問題：AI 推理芯片的核心不隻是“有多少算力”，而是“有多少算力能夠被真實模型有效利用”。
這也是專用 ASIC 芯片存在機會的地方。
五、3D 集成有望緩解 AI 推理中的數據搬運瓶頸
AI 推理芯片的能效瓶頸，往往來自計算與存儲之間的不匹配。
随着模型參數規模提升，芯片需要不斷讀取權重、緩存激活數據、傳輸中間結果。如果計算陣列與存儲結構之間距離過長，或者片上數據複用率不足，就會造成大量無效功耗。
3D 集成架構為這一問題提供了新的解決空間。通過垂直方向上的功能組織，芯片可以嘗試将計算層、緩存層和數據通路進行更緊密的協同設計，使部分關鍵數據路徑更短，互連密度更高，片上數據複用效率更好。
Hybrid Bonding 在其中的意義，是為不同芯片層之間提供高密度連接能力。對于 AI 推理 ASIC 而言，這種能力有機會幫助芯片降低外部訪存壓力，減少數據搬運功耗，并提升實際推理場景下的能效表現。
六、成熟工藝結合先進封裝，成為專用 AI 芯片的重要方向
流流科技認為，AI 推理芯片并不一定隻有依賴最先進制程這一條路徑。
在高端訓練芯片領域，先進制程、高帶寬顯存和大規模集群互聯非常重要。但在大量推理場景中，客戶更加關注成本、穩定性、供貨能力、功耗表現和部署靈活性。
因此，成熟工藝結合先進封裝，正在成為專用 AI 推理芯片的一種現實路線。
成熟工藝可以帶來更可控的設計成本和制造風險，而 3D 集成與 Hybrid Bonding 則有機會從架構層面提升數據流效率。二者結合後，芯片不一定追求通用計算能力的極限，而是圍繞特定推理場景做更高效的專用優化。
對于流流科技而言，從此前參與量産的 40 納米 Hybrid Bonding 以太坊專用計算芯片，到未來布局 AI 推理芯片，本質上是一條從“專用計算”走向“專用智能計算”的技術延展路徑。
七、從專用計算經驗走向 AI 推理架構創新
流流科技表示，公司未來将圍繞 AI 推理 ASIC、高能效專用計算、3D 集成、Hybrid Bonding 和低功耗數據流架構持續展開技術研究。
公司認為，AI 推理市場正在逐步分層。通用 GPU 仍将在大規模訓練和通用 AI 計算中占據重要位置，但在部分垂直推理場景中，專用 ASIC 有機會通過更聚焦的架構設計獲得能效優勢。
與通用芯片相比，專用推理 ASIC 不追求覆蓋所有任務，而是圍繞特定模型結構、特定算子類型和特定部署環境進行優化。通過減少冗餘邏輯、優化數據流、提高片上數據複用率，并結合 3D 集成技術改善計算與存儲之間的連接效率，專用芯片有望在單位功耗和單位成本上形成差異化。
流流科技表示，過去參與 Hybrid Bonding 3D 集成芯片量産的經曆，使團隊更加重視芯片從設計概念到真實産品之間的工程落差。未來，公司将繼續以工程可落地為導向，探索面向 AI 推理的新型專用計算架構。
八、結語：以 3D 集成經驗切入 AI 推理芯片新階段
從 40 納米 Hybrid Bonding 以太坊專用計算芯片，到面向 AI 推理的專用 ASIC 架構探索，流流科技正在嘗試将過往在高能效專用計算和 3D 集成領域的經驗，轉化為面向新一代 AI 應用的芯片能力。
在 AI 推理需求快速增長的背景下，市場對芯片的要求正在從單純的峰值算力，轉向更實際的能效、成本、穩定性和部署效率。3D 集成與 Hybrid Bonding 技術，為專用 AI 推理芯片提供了新的架構可能。
流流科技表示，公司将繼續圍繞先進封裝與專用計算架構的結合展開技術布局，希望在 AI 推理芯片領域探索一條兼具工程可行性和能效優勢的發展路徑。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
