刚刚，全新国产LPU推理芯片首秀！

新智元报道

一颗权重，只有4 bit。

搬十亿次，让你和AI有了距离。

寒序科技决定，不搬了！

今天，寒序科技正式公布uHBM®与uLPU™推理计算架构。

寒序uHBM®与uLPU™产品路线图

如果最重要的数据，根本不用搬呢？

这件事在大模型Decode阶段尤其突出。

一次Token的生成，需要反复读取巨量模型权重；对于FFN/GEMV这类典型memory-bound workload，很多时候真正限制推理速度的，并不是乘法器不够多，而是权重必须一次又一次穿过存储接口，抵达计算单元。

一颗FP4权重只有4 bit。

一次搬运，几乎微不足道。

但是当几十亿颗权重，为每一个Token，一遍又一遍地移动时，它最终变成带宽、功耗、延迟和散热，最后变成一整排服务器、一整座机房，以及一张越来越大的电费账单。

这就是寒序做uHBM®的起点。

uHBM®未封装裸晶片颗粒

他们不想继续搬得更快。他们想让权重住在计算发生的地方。

uHBM®将Persistent MRAM与矩阵向量计算集成在同一颗Compute-Memory Die内。

权重长期驻留，矩阵向量计算在Die内完成，大规模权重不再为了每个Token反复跨越传统存储接口。

作为国内首家MRAM计算公司，寒序三年来持续推进超大带宽、Persistent MRAM、权重驻留和片内矩阵向量计算。

三年磨一剑。uHBM®与uLPU™今天首次完整亮相。

uLPU™-Chip爆炸结构图

Decode的代价，藏在权重搬运里

Prefill更像一次集中计算。Decode则不同：模型每生成一个Token，都要重新读取大批权重。

对于FFN/GEMV，一轮计算只输入一个激活向量，却要让整层权重再次上路。模型越大，搬运越接近推理成本的中心。

Hot Chips 2026上，三星公布LPDDR5X-PIM，把计算进一步推入DRAM。

三星PIM技术演进路线：从2021年HBM-PIM验证，到2026年LPDDR5X-PIM量产

NVIDIA则展示Groq 3 LPX与Vera Rubin的异构推理路径：GPU处理Attention、承载KV Cache，LPX将权重保留在片上SRAM中并执行FFN。

三星走DRAM-PIM，Groq走SRAM LPU，寒序选择Persistent MRAM。器件、工艺和系统形态完全不同，但三条路线都在追问同一件事：为什么每生成一个Token，权重都要重新搬一次？

过去十年，行业从DDR走到HBM3E，从PCIe走到NVLink，答案一直是把存储与计算之间的路修得更宽。寒序换了一个问法：如果权重根本不用反复上路呢？

问题最终可以压缩成一张图：传统GPU+HBM3E在每个Token的生成过程中，需要逐层经片外接口读取权重矩阵；uHBM®将权重留在片内，系统主要交换激活向量。

典型Decode数据路径

u，是Ultra的意思

uHBM®给出的答案，不是再造一条更宽的外部接口。

它在同一颗Compute-Memory Die内集成Persistent MRAM与矩阵向量计算：模型权重完成加载后长期驻留；每轮Decode只让激活向量流入，在Die内完成权重读取、矩阵向量乘和局部归约，再将结果输出。

权重留下，计算在旁边完成。这就是Weight-Resident Compute。

uHBM®名字里的u，取自Ultra。它不只意味着Ultra-High Bandwidth，更意味着高带宽发生位置的变化：从存储器与计算芯片之间，进一步进入权重所在的Die内。

uHBM®是寒序对Compute-Memory产品架构的命名，不对应JEDEC HBM的新一代DRAM标准。

它延续HBM以高带宽服务计算的产品逻辑，底层技术路径则转向MRAM计算存储。寒序把这项产品主张概括为一句话：

重新发明HBM。

24 TB/s，比数字更重要的是它发生在哪里

首代uHBM®架构给出的In-Die Read Bandwidth设计值是24 TB/s。

它描述的是Compute-Memory Die内部的权重读取能力；行业常见HBM指标描述的，则是存储Stack与GPU之间的外部接口带宽。

一个数字发生在路上，一个数字发生在权重所在的地方。

两者不是同一测试口径，不能直接写成性能倍数；24 TB/s真正重要的，是高带宽读取紧邻驻留权重，并可直接送入片内GEMV。这是架构设计值，仍待后续硅片实测。

HBM把路修宽，uHBM®让权重不上路。

uLPU™架构核心指标

当权重驻留与片内计算合为一体，uHBM®不再只是一颗「存储芯片」。再向前一步，它成为uLPU™。

从一颗Die，走向一座Rack

如果说uHBM®回答了权重应该住在哪里，uLPU™回答的，就是它如何成为一台完整的推理计算机。

一颗Die只是起点，寒序的产品路线由此展开：

uHBM® → uLPU™ → uLPU™-Tray → uLPU™-Rack

按当前规划，端侧形态uLPU™ Edge将四颗uHBM®与NPU集成。NPU负责Prefill、Attention、KV Cache、动态算子和系统控制；高带宽敏感的FFN/GEMV留在uHBM®内执行。

它不是用存内计算替代一切，而是把最需要带宽的部分放回权重身边。

云端形态uLPU™ Cloud将四颗uHBM®与uIO Die组合，通过UCIe完成Scale-Up，并面向112G / 224G SerDes构建Scale-Out互联。

按照当前规划，16个uLPU™进入一个2U Tray，多个Tray继续组成Rack-Scale Inference System。

同一条Weight-Resident Compute路线，由此从机器人端侧一路延伸到云端整座机柜。

从uHBM®、uLPU™到2U Tray与Rack的产品路线

机器人不会等下一个Token

对于Qwen-VLA这一类具身模型，寒序正在瞄准另一个方向的数字：

>2,000 Tokens/s。

Qwen-VLA建立在Qwen3.5-4B多模态骨干之上，并增加约1.15B参数的DiT动作解码器。

作为量级参照，NVIDIA公布的Jetson AGX Thor单并发测试中，Qwen2.5-VL 3B为71.7 Tokens/s。

两者并非同模型、同精度测试；>2,000 Tokens/s是寒序面向4B多模态主干Decode提出的工程目标，不等同于完整Qwen-VLA动作解码或机器人控制频率。

寒序的目标，是把「机器人能够实时思考」从几十Tokens/s，推到一个新的数量级。

对于聊天机器人，100 Tokens/s和1,000 Tokens/s可能只是「快一点」和「再快一点」。但对于一个正在伸手抓杯子、避开障碍物、观察人类动作并实时调整轨迹的机器人，延迟不是体验问题。

延迟就是动作本身。当推理进入Physical AI，AI不再拥有无限的时间等待下一个Token。世界不会暂停，机械臂不会暂停，人也不会暂停。

寒序端侧机器人、云端数据中心两类uLPU产品，以及3D堆叠uHBM产品

三年磨一剑

寒序成立于2023年8月。2024年初，北京市科委项目立项。

团队最初全面对标Groq LPU的超大带宽路线，却没有选择用更大面积的SRAM堆出带宽，而是押注Persistent MRAM、权重驻留和片内矩阵向量计算。

高带宽推理验证芯片SpinPU-ED01此后完成流片、回片和第三方检测。

样片集成120个MRAM Bank，实测片上访存带宽密度达到0.105 TB/(mm²·s)；公司同时完成端到端模型推理与连续24小时稳定运行。

2026年3月，寒序提交两项高带宽推理发明专利申请，并于6月陆续公开。相关方案从MRAM权重静态驻留、多Bank并行计算，延伸到Transformer Decode的系统分工和多芯片扩展。

先发优势不是一句标签，而是一条连续路径：从MRAM Bank到验证芯片，从已经公开的专利申请到uHBM®与uLPU™，再从端侧产品走向Tray和Rack。

作为国内首家MRAM计算公司，寒序已经率先把磁计算从器件推到了完整产品路线。

未来两年，走向工程实现与量产

首代完整工程产品目前处于流片前收敛阶段。架构已经亮相；工艺、容量、功耗、完整带宽和模型性能，最终要由硅片回答。

未来两年，寒序将把重心放在工程实现与量产：流片、回片、软件栈、系统研发、客户验证和量产准备。

验证芯片已经回答「这条路能不能走」；下一阶段要回答的，是它能不能成为真正的产品。具体节奏仍以硅片进展和客户验证为准。

从架构到产品，中间隔着最难的工程实现：先进封装、计算模块、供电、散热、系统集成、软件栈，以及真实客户负载。

完整参数，等硅片。

从uLPU™-Module到uLPU™-Tray

uLPU™-Rack

寒序启动全球核心研发人才招募

围绕uHBM®与uLPU™，寒序同步启动新一轮全球核心研发人才招募。

重点方向包括：

• SoC架构、数字设计、PPA优化与物理实现

• AI编译器、Runtime、算子优化与多芯片任务调度

• UCIe、SerDes、Scale-Up与Scale-Out互联

• 先进封装、芯片供电、信号完整性与热设计

• 服务器、2U Tray与Rack级系统研发

寒序也欢迎来自GPU、NPU、交换芯片、高性能计算、通信、航空航天和复杂电子系统领域的工程人员加入。

团队支持北京、上海、深圳、横琴多地协同。

Hot Chips 2026已经把权重搬运推到产业前台。

三星和NVIDIA，已经完成了第一轮市场教育。

寒序接下来把时间留给流片、回片、编译器和系统。

让权重留下。

让计算来到它身边。

重新发明HBM，从一颗4 bit权重开始。

三年前，寒序问：一颗只有4 bit的权重，为什么要反复搬？

一颗权重，只有4 bit。

它不应该重到，需要一座数据中心来搬。

编辑：摩西