海光深算三号

是什么

深算三号是海光推出的深度计算处理器，采用 GPGPU 架构——这是多数 AI 加速芯片沿用的设计思路，即用软件驱动大量运算单元并行工作。它不用于图形渲染，而是用来跑神经网络背后的矩阵运算和科学计算。海光把这一系列称为 DCU（deep computing unit，深度计算单元），第三代产品于 2025 年上市^[2]。

海光并不把 DCU 作为单独的板卡来卖，而是与自家的 x86 兼容 CPU 一起，组成 CPU 加 DCU 的整机平台销售，这样一套系统里的两类处理器可以来自同一家厂商^[1][2]。

芯片规格

这颗芯片采用 7 纳米制程，并使用芯粒（chiplet）封装，也就是说硅片由多块较小的裸片组合而成，而不是一整块大芯片^[1]。它的 HBM 带宽为 1.8 TB/s^[1]。对这类芯片而言，带宽和算力同样关键：大模型运行时大量时间花在把权重和激活值在内存与计算单元之间搬运上，通向高带宽存储的通路越快，运算单元就越不容易空等。

深算三号覆盖 FP64、FP32、FP16、TF32、BF16 和 INT8 等精度^[1]。同时支持这些格式，意味着一颗芯片可以承担两类相当不同的工作。FP64 这类高精度格式是传统科学与工程仿真所需要的，那里舍入误差足以毁掉结果；BF16、INT8 等低精度格式则用于训练和运行神经网络，数字越短，每秒能完成的运算越多，内存搬运量也越小。

软件生态

处理器只有能被编程才有用，而 GPGPU 硬件主流的编程方式是英伟达的 CUDA 模型。海光通过 DTK 工具链保留了类 CUDA 的编程模型，并表示大部分已有的 GPGPU 代码只需少量修改即可编译通过^[1]。这是一个有意的取舍：手上已有 CUDA 风格内核的开发者可以有限度地改写后迁移过来，而不必从头另写一套。

海光称这颗芯片的算子覆盖率超过 99%，并称其支持万亿参数模型的训练^[1]。所谓算子覆盖率，指的是深度学习框架所依赖的那些标准积木——矩阵乘、卷积、归一化、激活函数等——在硬件上已有优化实现的比例。缺一个就得手写或放到别处运行，因此覆盖率接近齐全，才是这颗芯片能用于通用模型开发、而不只是少数固定任务的前提。

所处位置

DCU 并不是一款还在寻找第一批用户的硬件。截至 2025 年底，海光的 DCU 已在 20 多个行业、300 多个应用场景中部署^[3]，这说明第三代产品是站在已有装机基础之上，而不是从零开始。海光在 2025 年年报中表示，深算三号已上市销售，深算四号的研发进展顺利^[2]。

把这些规格放在一起看，深算三号面向的是 AI 加速中偏通用的那一端：较宽的精度支持让科学计算仍在射程之内，类 CUDA 的工具链降低了迁移既有代码的成本，CPU 加 DCU 的组合则让海光卖出的是一套完整的计算平台，而不只是一颗器件。