自研、投资，字节芯片仍待突破。
文丨刘伊伦
编辑丨赵磊
《晚点 LatePost》独家获悉，字节跳动 AI 芯片与 DPU 团队负责人施云峰已提交离职申请，目前正处于离职交接期。施云峰毕业于北京大学信息科学技术学院，曾任职于联发科、美满电子及华芯通， 2018 年加入字节跳动，向字节跳动副总裁、火山引擎业务负责人杨震原汇报。
从成立之初，字节 AI 芯片团队就选择对标谷歌 TPU 的专用芯片路线，采用纯 ASIC 架构。2026 年，相关芯片已完成流片，但实际性能未达预期，团队目前正推进下一代芯片的研发。
一位接近字节芯片团队的人士评价施云峰：“他是典型的理工男形象，对硬件的理解没问题，但这个事情确实很有挑战性。”
《晚点 LatePost》了解到，字节 AI 芯片团队成立于 2019 年年中，最初隶属于 AI Lab 旗下的机器学习系统（MLSys）部门。该部门由郭传雄负责，下设三个小组：朱亦博负责分布式系统，罗腊勇负责 FPGA 智能网卡，施云峰负责 AI 芯片，三人均向郭传雄汇报。
2020 年，字节 AI Lab 从前沿研究院调整为业务中台，负责人马维英从张一鸣改为向张楠汇报。同年年中，马维英离职。组织架构调整后，MLSys 其他团队成员也陆续离开。2022 年，郭传雄离职，次年与罗腊勇共同创立比特智陆。
同在 2022 年，芯片团队被划归 Data。Data 是字节跳动内部的技术中台，负责集团旗下产品的技术平台及基础设施建设。彼时，芯片团队由 Data-系统部技术总监王剑负责，施云峰向王剑汇报。
2026 年 2 月，有报道称，王剑不再分管芯片业务。施云峰负责的 AI 芯片与 DPU 团队，以及余红斌负责的 CPU 团队，均改为直接向杨震原汇报。
经过数年的发展，字节芯片团队已经推进了多个 AI 芯片项目。据知情人士透露，面向豆包的 Ada 和面向 Seedance 的 SeedChip 均在推进算子适配，但目前进展有限。
一位知情人士告诉《晚点 LatePost》，字节 AI 芯片团队从成立之初就选择了类似 Google TPU 的专用芯片（ASIC）路线。ASIC 芯片围绕特定计算任务设计，能够针对目标负载优化计算效率和能耗，更深度地适配字节自身的业务需求。
但 ASIC 天然不支持直接接入成熟的 CUDA 软件生态，芯片造出来之后，还要逐一适配模型、计算框架和底层软件。对业务团队而言，这意味着额外的迁移成本。
Google、阿里和百度，在推动自研芯片内部落地的过程中，都有高层的支持。以 Google 为例，其为 TPU 配备了庞大的工程团队，持续建设配套的软件栈、编译器和开发工具，这是 ASIC 能够在业务中跑起来的重要前提。
字节芯片回片时正值 AI 行业快速发展，业务部门最关心的是如何获得更多算力、提高推理效率，很难腾出人手陪一款尚不成熟的芯片反复调试。
业务对芯片效果的反馈，最直观地体现在使用规模上。字节自研芯片尚未在内部业务中大规模部署，而昆仑芯已经服务于内外部的客户。2025 年，百度基于昆仑芯 P800 点亮了 3.2 万卡智算集群。IDC 咨询数据显示，昆仑芯 2026 年上半年的出货量已达到 8.5 万颗，并且还拿到了头部互联网厂商的采购订单。
另外，字节最初负责芯片业务的郭传雄并非芯片研发出身，其长期从事机器学习系统、分布式计算和数据中心网络领域的研究。相比之下，摩尔线程核心团队来自英伟达，沐曦创始团队则来自 AMD，字节早期团队缺少类似研发背景。“当时选择自研也是为了增加与外部供应商谈判时的筹码。” 一位接近字节芯片团队的人士评价。
采购成熟 GPU，比从零设计芯片更容易满足业务需求。但随着豆包等产品的推理需求快速增长，字节开始希望自研芯片真正承担一部分算力负载。
除了组建内部团队自研芯片，字节也在通过投资和外部合作拓展芯片布局。过去几年，字节投资了存储芯片公司昕原半导体，并通过源码资本持股的方式，深化与知存科技的合作。
字节尝试将外部技术能力纳入自身芯片体系，探索在 AI 场景中的更多应用。据多位知情人士透露，字节曾计划将一个投资的芯片项目并入自研芯片团队 Picoheart，内部一度将这项整合视为已经确定的安排。但交易迟迟没有正式落地，据称双方谈判尚未进入最后阶段。
字节与昕原的合作，则指向另一条技术路线。昕原成立于 2019 年，主要研发 ReRAM（阻变存储器），一种通过电阻变化存储数据的新型存储技术。2024 年 3 月，字节入股昕原半导体，持股 9.5%，成为第三大股东。当时字节对外表示，投资是为了将昕原的存储技术应用于 Pico 头显。
双方的合作后来延伸到了 AI 芯片。2026 年 5 月，有报道称，字节正在与昕原合作，将其 ReRAM 技术整合进一款新型 AI 推理芯片。
据一位了解项目的人士透露，昕原最新样片采用多芯粒集成设计，其追求大规模计算集成的方向与 Cerebras 有相似之处，但制造成本和良率是个挑战。按照目前的设计，一片 12 英寸晶圆产出的有效 Die，最终只能满足约 4 张计算卡的制造需求。
题图来源：《大空头》
热门跟贴