深圳联通与中昊芯英合作打造广东首个国产TPU智算中心

9月9日，第五届深圳国际人工智能展（GAIE）迎来关键进展。在同期举办的第二届智能算力发展论坛上，中昊芯英与深圳联通正式签署合作协议，共同启动“智算基建，加速未来”高性能AI智算中心项目。这一举措标志着华南地区首个基于国产TPU技术的大型智算中心正式进入建设阶段，为区域人工智能产业发展注入强劲算力动能。

深圳联通副总经理赵桂标在发布会上详细介绍了项目规划。该智算中心一期将部署32个高性能算力节点，通过高速互联技术整合，总算力规模不低于50P（FP16）。这仅是首阶段目标，未来计划扩展至千卡集群规模，致力于构建一个集训练与推理于一体的综合性算力枢纽，最终成为中国联通在粤港澳大湾区核心智算战略布局的关键组成部分。

关于该智算中心的战略定位，赵桂标进一步阐释，中国联通正按照“规划先行、市场驱动、适度超前、小步快跑”的原则，构建“1+N+X”的梯次化智算网络体系。本次与中昊芯英的合作，正是这一顶层设计下的重要实践，旨在打造一个示范性标杆，推动国产算力基础设施的规模化应用。

优势互补，提升算力利用率

本次合作实现了芯片硬件创新与通信网络运营的强强联合。双方资源与能力高度互补，共同构建高效、开放的智能算力服务平台。

具体分工上，中昊芯英作为国内TPU架构AI芯片的领军企业，提供了核心的算力硬件底座，包括其自研的高性能“刹那®”TPU芯片以及大规模AI计算集群系统“泰则®”。深圳联通则充分发挥其在网络基础设施、云计算平台与市场运营方面的优势，负责整合资源并联合政府及行业伙伴，建设面向垂直行业的专属智算节点，预置行业软件与模型，目标是为社会各界提供灵活高效的智能算力服务及模型即服务（MaaS），赋能产业智能化转型。

这种共建共享模式优势显著。通过构建算力资源池，能够有效平抑单一用户业务波动带来的算力闲置或短缺问题，从而大幅提升整体算力资源的利用效率，降低社会总体的算力使用成本。此外，项目将集成联通云自研的“星罗”算力调度与管理平台，实现对多元异构算力的统一纳管与智能调度，最终形成“通用计算+智能计算+高性能计算”的融合算力服务能力。这意味着平台既可对外提供一体化的公共算力运营服务，也能支持大型企业构建和管理其私有化智算网络。

对于合作产生的协同价值，中昊芯英创始人兼CEO杨龚轶凡总结道：中昊芯英的核心能力聚焦于芯片设计、底层软件优化及大规模集群构建，为AI应用提供坚实的算力基础；深圳联通则擅长云平台搭建、数据中心基础设施、运营管理与能耗优化，为算力提供稳定可靠的运行环境。双方合作不仅是能力的简单叠加，更是构建了一个资源配置最优、运行效率最高的AI算力供给平台。

毫无疑问，该项目的启动对双方均具有重要战略意义。对深圳联通而言，这是完善其智算业务布局、服务深圳数字经济高质量发展的关键举措。对中昊芯英来说，这是在华南区域成功落地高性能智算中心的重要里程碑，标志着其国产AI算力从技术研发走向规模化运营与产业赋能的新阶段。

破解能耗难题，TPU的简洁之道

众所周知，电力成本是智算中心运营的主要支出。如何有效降低能耗，是行业持续面临的挑战。对此，深圳联通赵桂标分享了他们的降本思路：主要从基础设施设计与日常运营两个维度协同推进。在规划设计层面，积极采用液冷散热、间接蒸发冷却等先进节能技术及高能效设备，最大化利用自然冷源；在运营管理层面，则通过精细化管控与持续调优，不断降低能源利用效率（PUE）指标。

中昊芯英杨龚轶凡则从TPU芯片的架构设计原理提供了另一重解题视角。他指出，TPU是专为深度学习训练与推理设计的专用处理器，其软件栈和网络架构相比通用性更强的GPU更为精简高效。这种架构上的简洁性直接带来了运维复杂度的降低和效率的提升，同时硬件设计也充分考虑了可维护性。最终，这些优势将转化为更低的总体拥有成本（TCO），从而能够以更具经济性的方式支撑爆发式增长的AI算力需求。

TPU要做AI界的X86

中昊芯英与深圳联通的深度合作，其意义超越单一项目，更在于对AI算力未来技术路径的探索与推动。

随着AIGC技术浪潮的深入推进，大模型训练对算力的需求呈现指数级增长。自成立以来，中昊芯英便致力于为超大规模AI模型提供核心算力支撑。作为国内少数全面掌握TPU架构核心技术的企业，其通过“算力基础设施+生态合作+产业应用”的三位一体模式，加速AI技术的工程化落地与产业化普及。

那么，被业界看好的TPU，与当前主流的GPU相比，核心优势何在？

杨龚轶凡提出了一个形象的愿景：希望将TPU架构打造成AI计算领域的“X86”标准。正如X86架构曾主导个人计算机时代，他们相信专为AI设计的TPU有望成为未来智能计算的核心架构。其根本优势在于“专芯专用”：在相同半导体工艺和功耗预算下，TPU通过精简GPU中面向图形处理等通用计算单元，将所有资源聚焦于优化深度学习中的矩阵乘加等核心运算，从而在AI任务上实现数倍的性能功耗比提升，性价比优势突出。而在AI技术大规模商业化落地的过程中，性价比往往是决定性的关键因素。

此外，TPU架构从设计之初就深度契合深度学习的数据流与计算特征，没有历史架构包袱，这使得其在处理超大规模模型时，无论是单卡性能还是大规模集群的扩展效率都更具潜力。杨龚轶凡基于研发实践判断，面向未来AI大模型计算，TPU相比GPU将展现出更强的核心竞争力。他甚至预测，未来三到五年内，主流的AI算力硬件市场将由TPU及同类ASIC专用芯片主导，GPU可能会回归到其原本擅长的图形计算及部分通用计算市场。

值得关注的是，此次与深圳联通合作的智算中心采用“纯TPU”架构，这与当前业界常见的CPU+GPU异构方案形成区别。杨龚轶凡指出了纯构架构的一个关键优势：避免异构带来的性能损耗。任何跨架构的异构组合都难以避免在数据通信、任务调度等方面产生效率折损，通常整体效率在50%到70%之间。而纯TPU平台在同等成本投入下，有效算力输出可能达到异构平台的1.3到1.5倍，这意味着能够以更低的单位算力成本服务终端客户，显著降低AI技术的应用门槛。