8月24日，小米在玄戒芯片技术沟通会上正式发布大模型专用AI加速芯片玄戒O100。这颗芯片采用6nm 3D晶圆级堆叠方案，带宽达到1.22TB/s，并采用近存AI计算架构，配合玄戒高带宽矩阵总线支持多核并行计算，运行Xiaomi MiMo 3B模型可实现330Tokens/s的推理速度，官方将其定位为面向端侧与云端大模型推理的专用加速方案。
大模型应用大规模进入生产环境后，推理侧算力正在成为比训练侧更拥挤的战场。端侧要解决功耗与成本的平衡，云端要面对推理吞吐与延迟的双重要求，芯片设计思路也随之分化——专用AI加速芯片、近存计算与异构堆叠成为各厂商争夺的焦点。
玄戒O100的推出，延续了近存计算与3D堆叠在AI推理芯片上的技术主线。把计算单元与存储单元更紧密地绑定，可以显著缓解大模型推理中的带宽瓶颈，这与业内头部方案殊途同归。对国产AI芯片而言，这标志着继云端训练芯片之后，端云协同的推理芯片矩阵正在成型。
但芯片硬件只是算力供给的一环。国产AI芯片普遍面临软件栈成熟度、开发者生态与多框架适配的考验，企业即便拿到芯片，也未必能立刻把训练与推理任务顺畅地跑起来。硬件降价、算力供给增加，与最终落地之间，还隔着工程化适配这一层。
这正是多元算力选型平台的价值所在。星战科技聚焦GPU算力平台与算力调度能力，帮助企业把训练与推理任务统一管理、弹性调度，让包括国产芯片在内的多元算力底座都能被按需接入，为智能体业务提供更灵活、更低成本的算力选型空间。
从产业节奏看，端侧芯片的成熟会推动AI应用从云端下沉，也让智能体在手机、终端设备上获得本地推理能力；而云端一侧，多元芯片并存将缓解单一供应链的依赖，增强算力供给的韧性。对企业而言，算力采购不再是非此即彼的选择，而是组合与调度的艺术。
小米入局大模型AI加速芯片，说明推理算力已成为各终端厂商必须自建的能力。国产芯片的持续补位，正在把算力成本从供给侧的稀缺，逐步推向工程化的日常问题——谁的平台能把多元算力调度好，谁就更接近大模型与智能体的规模化落地。