初创公司Positron发布Asimov架构，宣称能效比达英伟达Rubin架构5倍
核心摘要
在2026年2月5日，初创芯片公司Positron正式发布了其专为大型模型推理设计的新型AI芯片——Asimov。该公司宣称，该芯片在能效（每瓦特产生的token数）和成本效益（每美元产生的token数）上，有望达到英伟达下一代Rubin架构的五倍。这一大胆声明引发了业界的广泛关注。
技术细节与创新点
1. 架构“减法”逻辑
Positron的核心创新在于对传统GPU架构进行“减法”重构：
- 摒弃冗余设计：Asimov芯片摒弃了传统计算卡中复杂的控制电路。
- 专注张量处理：采用更纯粹的张量处理架构，旨在最小化非计算阶段的能量损耗。
- 双重效益：此设计不仅降低了运行同规模模型时的功耗，也显著减少了芯片的制造和封装成本。
2. 针对大模型推理的深度优化
- 目标明确：硬件设计针对当前主流的Transformer架构进行了深度优化。
- 解决痛点：旨在解决部署万亿参数模型时面临的功耗瓶颈和高昂运营成本问题。
市场挑战与前景
面临的挑战
尽管理论数据亮眼，但挑战英伟达的市场地位并非易事。Positron目前正致力于：
- 构建配套的编译器和开发生态系统。
- 确保开发者能够将现有的PyTorch或TensorFlow模型无缝迁移至Asimov平台。
行业意义
分析认为，Positron的入局代表了AI芯片领域从“通用算力”向“专用推理”转型的趋势。如果Asimov能兑现其五倍性能的承诺，或将彻底重塑大模型推理市场的成本格局。
关键要点总结
- 能效挑战：Asimov芯片宣称其每瓦特/每美元的token效率是英伟达未来Rubin架构的五倍，聚焦极致性价比。
- 架构创新：通过舍弃通用计算的冗余设计，采用专注于张量计算的专用架构，显著降低推理过程中的能量损耗和硬件成本。
- 目标市场：针对大规模模型推理场景，旨在破解万亿参数模型部署的功率与成本瓶颈。
注：本文信息整理自2026年2月5日的公开报道。
