谁才是“推理性价比之王”？1月27日，国产GPU厂商曦望（Sunrise）在杭州发布新一代推理GPU芯片启望S3，并推出面向大模型推理的超节点方案及推理云计划。当下，这套“组合拳”正刷新国产推理GPU性价比纪录，有望以普惠化的算力服务，助力各行业轻松迈入大模型规模化应用新阶段。
行业新基准落地，“百万Token一分钱”
此前不久，曦望宣布在一年内顺利完成近30亿元战略融资，所筹资金将专项用于下一代推理 GPU 的核心技术研发、规模化量产及生态共建，持续夯实在推理算力赛道的核心竞争力。作为国产全栈自研人工智能算力芯片企业，曦望拥有超300人规模的团队，研发人员来自英伟达、AMD、昆仑芯、商汤等，核心技术骨干平均有15年的行业经验。在历经数年技术攻关与20亿元研发投入后，其构建起覆盖全场景需求的三代芯片产品矩阵，全面覆盖从视觉推理到大模型全场景推理的多元应用需求。
“曦望是国内首家all in推理的GPU芯片公司，使命只有一个，就是把大模型推理这件事做到极致，让AI推理真正变得便宜稳定，而且到处可用，”在曦望2026 SGS产品发布会上，曦望董事长徐冰提出，从S3开始，企业要和产业一起，依靠专用的推理GPU和系统架构把成本再压一个数量级，把“百万Token一分钱”变成行业新基准。
中国工程院院士、浙江大学信息学部主任吴汉明在致辞中指出，推理算力价值的实现离不开协同，需要芯片设计、系统集成、软件开发到产业应用的全链条协作。曦望科技作为一个专注AI推理的一个基础设施的创新者，正是协同创新途径的积极推行者和践行者，将与产业链伙伴共同推动国产算力的发展。
集微网了解，2018年开始，曦望即着手研发第一代S1推理芯片，并在2020年量产，取得上万片的场景落地。2020年，曦望启动启望S2高性能的GPGU架构芯片，并于次年流片，取得了非常好的产品化的路径。而依托all in推理理念推出的启望S3，目前内部研发已经基本完成，将于今年年中流片年底回片量产。
按照“量产一代发布一代预研一代”的节奏，接下来的两年，曦望还会推出高性能启望S4推理GPU，以及安全可控启望S5-GPU芯片。
不再“拼峰值”，推理重塑GPU设计目标
过去数年，GPU的核心竞争指标始终围绕峰值算力、通用性和训练效率展开。但随着大模型进入规模化应用阶段，算力消耗的重心正在从训练转向推理。
但此次，曦望在S3上选择了一条相对“反常识”的路线，其并不追求峰值训练性能，而是All-in推理效率与单位成本。正如曦望联席CEO王勇在发布会上指出，训练更像一次性、高资本消耗的技术登高，而推理则是长期、持续的算力交付过程。“当推理成为主要算力消耗场景后，GPU的商业价值不再取决于参数指标，而是单位Token的真实成本。”
这一判断直接决定了启望S3的设计方向。其作为一款面向大模型推理深度定制的GPGPU芯片，设计围绕真实推理负载，对算力结构、存储体系和互联方式进行了系统级重构。
在算力层面，S3支持从FP16到FP4的多精度灵活切换，使模型在保证效果的前提下，最大化释放低精度推理效率。这种设计更贴合当前MoE和长上下文模型在推理阶段的实际需求。在存储层面，S3采用LPDDR6显存方案，成为国内首款采用该方案的芯片——相比HBM路线，LPDDR6更强调容量与能效比。官方数据显示，S3的显存容量较上一代产品提升4倍，有效缓解大模型推理中普遍存在的显存驻留与访存瓶颈。</p><p>在DeepSeek V3 / R1满血版等主流大模型推理场景中，S3单位Token推理成本较上一代产品下降约90%。曦望官方指出，这一指标已具备工程可复现性，而非单点实验室数据。
集微网观察，“S3家族”至少还包括——智望、辰望、寰望、熙望等系列产品，以全链满足推理需求。此次，曦望围绕S3同步发布了面向大模型推理的寰望SC3超节点解决方案，从一开始即面向千亿、万亿级参数多模态 MoE 推理的真实部署需求进行设计。该方案支持单域256卡一级互联，可高效支撑PD分离架构与大EP（Expert Parallelism）规模化部署，显著提升推理阶段的系统利用率与稳定性，适配长上下文、多并发、多专家并行等复杂推理场景。
在交付形态上，寰望SC3采用全液冷设计，具备极致PUE表现，并支持模块化交付与快速部署。曦望官方表示，在同等推理能力量级下，该方案可将整体系统交付成本从行业常见的亿元级，降低至千万元级，实现一个数量级的下降。这一“算得过账”的系统级能力，被视为万亿参数模型规模化应用的重要前提。
在软件层面，曦望构建了与CUDA兼容的基础软件体系，覆盖驱动、运行时 API、开发工具链、算子库和通信库，降低推理应用的迁移门槛。目前，该体系已适配ModelScope平台90%以上主流大模型形态，包括DeepSeek、通义千问等。
推理算力如何更好用？谁是“最后一公里”
过去一年，我国人工智能产业浪潮翻涌，机遇与挑战同频共振。一方面，全球AI推理需求爆发，日均Token消耗量实现百倍增长，开源模型百花齐放、性能持续迭代；另一方面，自主可控和国产化要求不断提升，为国产芯片企业开辟了广阔蓝海。产业生态正向下扎根，从芯片到模型、从架构协同到场景落地，全链路融合成为核心趋势。与此同时，行业竞争逻辑也在发生变化——从单点性能比拼，转向软硬协同、0成本迁移、推理性价比的系统级竞争。
因此，在S3回答了“推理算力如何更便宜”的问题后，锚定“极致推理GPU芯片”赛道的曦望，更与商汤科技、第四范式等生态伙伴探索推理云平台，则试图解决“推理算力如何更好用”。
集微网观察，通过GPU池化与弹性调度，曦望将底层算力整合为统一的推理算力池，同时以MaaS（Model as a Service）作为核心入口，使企业无需关注底层硬件配置与集群运维，即可按需调用大模型推理能力。这一体系也成为“百万Token一分钱”推理成本合作的重要技术基础。
“当前，曦望致力于做好3件事——让算力更便宜，让部署更简单，让生态更开放。在推理时代，曦望要做让算力变得便宜、稳定、随处可用的核心底座。”徐冰强调，推理时代的核心不是“把芯片卖出去”，而是能否持续、稳定地把算力转化为可交付的生产力。谁能持续降低推理成本，谁就掌握了AI产业的成本曲线。据悉，曦望2025年推理GPU芯片交付量已突破10000片，标志着其推理GPU路线完成从工程验证到规模化交付的关键跨越。
在国产GPU行业从“拼参数”走向“拼单位经济成本”的拐点上，曦望选择以推理为切口，尝试重构GPU的产品形态与算力交付方式，其坚定的All-in推理路径，正成为观察我国推理算力商业化进程的重要样本。
