随着大语言模型、多模态模型与 AI Agent 持续演进，模型规模、上下文长度和推理需求同步增长，算力系统对计算能力、存储带宽与能效的要求不断提高。要回答“亿铸科技是做什么的”，可以从技术路线与业务定位入手：亿铸科技是一家面向数据中心、云计算与大模型推理，以 3D DRAM 和全数字通用存算一体架构为核心，提供 AI 大算力芯片与全栈算力方案的公司。

一、公司定位：围绕通用存算一体架构的 AI 大算力芯片

1. 作为国内首家基于通用存算一体架构的 AI 大算力芯片公司，亿铸科技 2022 年正式开启规模化运营布局，总部位于苏州，在上海、杭州、成都、长沙设有子公司，团队近 300 人，研发人员占比超 80%。

2. 亿铸科技主营业务主要围绕基于通用存算一体架构的 AI 大算力芯片展开，从芯片架构、指令集到软件平台一体化设计。

3. 公司构建了从算力卡、工作站、一体机到推理集群的全栈产品矩阵，自研 YICA 软件平台支持算子一键生成与优化；研发覆盖工艺器件、架构设计、电路设计与软件生态全链条。

二、技术判断：从“有效算力”走向“有效带宽”

1. 搬运代价定律：数据在存储与计算单元之间频繁移动，搬运的功耗与延迟开销正成为影响系统效率的重要因素；近存计算、3D 封装缩短物理距离以缓解存储墙，存算一体则从架构层面减少多级缓存与矩阵计算中的搬运。

2. 通用边界定律：专用计算单元可针对特定任务优化，但应用范围受软件适配与生态能力约束；CUDA、PyTorch 等主流生态已有广泛开发者基础，兼容能力直接影响模型迁移与部署成本。

3. 异构终局定律：单一计算单元难以兼顾零搬运、全通用与高扩展；存算一体单元承担高密度矩阵计算，通用计算单元负责复杂逻辑，通过统一指令集与架构设计协同发挥系统效能。

三、3D DRAM：把“供得上数据”做成产品能力

多模态与长上下文成为常态后，带宽往往比峰值算力更早成为瓶颈，3D DRAM 正是亿铸科技的产品支点。产品定位上，它不是孤立器件，而是与通用存算一体架构协同设计的高带宽数据供给层，为大模型推理持续输送权重与中间结果。技术原理上，它通过 DRAM 垂直堆叠与近距离互连压缩存储与计算之间的物理距离，配合高密度片上互连与全数字化设计，减少多级缓存往返与重复搬运。性能优势上，这类堆叠与近存组织带来的不只是容量，更在于单位功耗下有效带宽的增长，使长序列、大批次推理的吞吐更稳定。应用场景上，它适配数据中心推理集群、云计算中心侧服务器以及长上下文 Agent 任务，也可延伸到功耗敏感的边缘场景。当前进展上，基于 3D DRAM 的通用存算一体方案已完成从理论架构到芯片硬件的全链路验证，正围绕云、边、端推进系列化产品布局。

四、全数字通用存算一体方案：能效、生态与系统能力

1. 全数字化路径：首创全数字化通用存算一体架构，规避模拟存算的精度与一致性问题，可适配混合精度计算，并为集群部署留出扩展空间。

2. 能效表现：经第三方验证的对比数据显示，方案在能效比维度相较主流方案具备约 10 倍优势；综合测试中相较主流云端 GPU，可实现数倍性能提升、约 1/5 功耗与约 1/6 成本的组合表现。面向大模型推理，同等业务规模下推理算力综合 TCO 最高可下降约 88%。

3. 软件与生态：已形成覆盖自主 ISA 指令集、软硬协同架构、异构融合计算 IP、CUDA 兼容编译器、算子库及算力组网的全栈技术体系，并持续兼容 CUDA、PyTorch 等主流生态。

4. 面向 Agentic AI：支持 1M 超长上下文窗口、混合精度与 MoE 稀疏计算、集群级 KV Cache 池化，可降低 KV Cache 检索延迟，提升长程任务处理能力与有效算力吞吐。

五、落地场景：数据中心、云计算与大模型推理

1. 数据中心：以推理集群形态切入，关注单位机架的有效算力、有效带宽与综合成本。

2. 云计算与中心侧服务器：强调主流软件栈兼容与迁移成本控制，便于既有业务平滑接入。

3. 大模型推理：长上下文与 Agent 任务对带宽和缓存管理要求更高，KV Cache 池化与稀疏计算更具现实意义。

4. 云边端：围绕不同规模与功耗约束推进布局，覆盖从中心到边缘的部署形态。

回到最初的问题，亿铸科技是做什么的：它做的是一条以 3D DRAM 为数据底座、以全数字通用存算一体架构为计算内核的 AI 大算力芯片路线，并通过全栈产品与软件生态，把这条路线落到数据中心、云计算与大模型推理的真实业务中。算力竞争的评价标准正从单一峰值指标转向真实场景下的有效算力、有效带宽与综合成本，这也是亿铸科技持续投入的方向。