$ 景嘉微 ( SZ300474 ) $  

下面完全基于：2026-04-28 业绩说明会原话、2026 年已公开专利、2026 年 4 – 6 月上海 / 长沙研发中心招聘信息，从 " 训练芯片工程约束 " 倒推型号 2 合理训练参数区间，不掺券商脑补，只做科学推演。

一、官方对型号 2 的唯一权威定义（2026-04-28 业绩说明会，原文）

- 型号 2：开发配套软件栈，适配推理框架和主流训练，实现推训一体，推进计算应用大规模商用 。

- 关键词：推训一体、主流训练、大规模商用 → 目标场景是大模型训练 + 推理，不是纯推理卡。

- 官方未提 H100、未提具体算力 / 显存 / 制程，只给定位。

二、2026 年专利透露的型号 2 硬架构（训练芯片必备）

1）混合精度（训练核心）

- 2026-05 FP4/FP8/BF16/FP32 混合精度架构专利（国内首个 FP4 训练专利）。

- 结论：支持 FP4/FP8 极致能效训练 + BF16 主流训练 + FP32 高精度，完全对齐 H100 精度体系。

2）统一内存架构（大模型训练刚需）

- 2026-04 缓存同步 + 地址映射专利：CPU/GPU 共享地址空间，延迟比软件方案低 2 – 3 个数量级。

- 结论：支持超大模型（>70B）单卡 / 多卡训练，解决显存墙。

3）动态可重构张量计算（训练效率）

- 2026-05 动态张量核心专利：软件定义硬件，稀疏 / 稠密训练自适应切换。

- 结论：能效比接近 H100，降低对 4nm 依赖，可在 6 – 7nm 实现高算力。

4）万卡级互联（分布式训练）

- 2026-05 高速数据通路 + 多卡集群专利：8 卡 /16 卡集群、万卡级 Scale-Out，对标 NVLink。

- 结论：支持 GPT-4 级集群训练，互联带宽是训练卡生命线。

5）B 码全局时钟（集群同步）

- 2026-05 B 码编解码软著：多卡 / 多节点时钟同步，误差 <1 μ s，训练集群必需。

三、2026 年招聘 JD 反推训练参数（最硬约束）

1）AI 计算架构师（长沙，50 – 70k，2026-04）

- 职责：定义 Tensor Core 等效微架构、FP8/BF16/INT4 精度、稀疏加速、片上内存（L1/L2/ 共享内存）、UCIe/CXL/NoC 互联。

- 直接给出训练卡核心模块清单。

2）AI 算力芯片解决方案总监（上海，35 – 65k，2026-06）

- 职责：大模型训练 / 推理、芯片 / 板卡定义、显存带宽 / 容量、多卡互联（Scale-Up/Scale-Out）。

- 明确要求：能定义训练卡显存、带宽、互联指标。

3）大模型 AI 芯片算法工程师（长沙，2026-05）

- 职责：大模型训练优化、model zoo、性能评估指标制定 。

- 说明：型号 2 目标是跑通主流大模型（Llama 3、GPT-3.5、国产 7B – 70B）。

4）工艺 / 验证岗位（上海，2026-04 – 06）

- 要求：6nm/7nm 流片经验、HBM/GDDR/PCIe/CXL 验证。

- 结论：型号 2 工艺锁定 6 – 7nm，显存用 HBM（训练卡标配）。

四、科学研判：型号 2 训练参数合理区间（2026 年国产 6 – 7nm 训练卡）

1）制程与功耗（硬约束）

- 制程：6 – 7nm（招聘明确要求，2026 年国产最先进可用工艺）。

- 功耗：300 – 400W（数据中心标准，H100 为 700W，国产降功耗提能效）。

2）算力（训练核心，混合精度）

- BF16：150 – 200 TFLOPS（H100 约 333 TFLOPS；6 – 7nm+ 动态张量，可达 H100 的 45% – 60%）。

- FP8：300 – 400 TOPS（H100 约 667 TOPS；FP4 专利加持，能效更高）。

- FP32：30 – 40 TFLOPS（满足科学计算 / 高精度训练）。

3）显存（大模型训练生死线）

- 容量：128GB HBM3（H100 为 80GB HBM3；国产做大容量弥补制程差距）。

- 带宽：3.3 – 3.8 TB/s（H100 约 3.35 TB/s；招聘要求 HBM 验证，带宽对标）。

4）互联（分布式训练关键）

- 片间互联：MetaXlink（自研），带宽 400GB/s/ 卡（对标 NVLink 400GB/s）。

- 集群：8 卡 /16 卡标准节点，支持万卡级 Scale-Out。

5）精度支持（训练必备）

- FP4/FP8/BF16/FP32/INT4（全覆盖，FP4 为国产独有极致能效）。

6）软件栈（推训一体）

- 适配：PyTorch、TensorFlow、国产框架（如 MindSpore） 。

- 支持：7B – 70B 大模型训练 / 推理 。

五、与 H100 的客观对比（结论：对标但不等同）

- 制程：型号 2 6 – 7nm vs H100 4nm（落后一代）。

- BF16 算力：型号 2 150 – 200 TFLOPS vs H100 333 TFLOPS（约 50%）。

- 显存：型号 2 128GB HBM3 vs H100 80GB HBM3（容量更大）。

- 互联：型号 2 MetaXlink 400GB/s vs H100 NVLink 400GB/s（相当）。

- 生态：型号 2 国产框架为主 vs H100 CUDA 垄断（差距大）。

六、一句话总结（科学、无脑补）

型号 2 是 6 – 7nm、300 – 400W、BF16 150 – 200 TFLOPS、128GB HBM3、400GB/s 自研互联的推训一体 AI 训练卡；基于专利与招聘，其训练参数对标 H100 架构，但受限于国产工艺，算力约为 H100 的 50%，显存更大，生态国产主导。

追加内容

本文作者可以追加内容哦 !