浦东突破进展：沐曦集成电路在大数据领域发现新方法，获上海自然科学基金资助，效率提升AI+制造实施方案%

频道：上海技术前沿日期：2025-09-19 00:45:18 浏览：1

沐曦集成电路突破大数据技术瓶颈：上海自然科学基金助力AI+制造效率跃升新纪元

2025年9月19日，浦东张江科学城传来一则震动半导体与智能制造领域的消息：本土GPU芯片设计企业沐曦集成电路（上海）有限公司宣布，其团队在大数据处理领域研发的动态资源分配算法（Dynamic Resource Allocation Algorithm, DRAA）取得关键突破，成功获得上海市自然科学基金委员会（以下简称“上海基金”）1200万元专项资助，这一成果不仅为AI与制造业深度融合提供了全新技术路径，更被业界预测将推动“AI+制造”实施方案效率提升67%,成为上海打造全球科创中心的重要里程碑。

技术突破的背景：大数据处理与AI制造的“卡脖子”难题

在智能制造领域，数据是驱动生产优化的核心要素，传统大数据处理架构在面对工业场景时存在两大痛点：一是计算资源浪费——固定分配的计算单元难以适应生产数据的动态波动，导致高峰期拥堵、低谷期闲置；二是实时性不足——制造业对设备故障预测、工艺参数调整等决策的时延要求通常低于50毫秒,而现有架构的延迟普遍在200毫秒以上。

沐曦团队自2023年起聚焦这一问题，联合上海交通大学、华东理工大学等高校，针对工业大数据的多模态、高并发、低时延特性展开攻关，其核心突破在于：通过硬件与算法协同设计，将传统GPU中静态分配的计算单元（如CUDA核心、张量核心）改造为可动态重组的“计算簇”，并结合内存带宽的智能调度,实现资源利用率的最大化。

技术原理：从“固定车道”到“智能变道”

以汽车零部件制造场景为例，传统架构下，GPU的计算单元被预先划分为图像处理、数值计算等固定模块，如同高速公路上的“专用车道”，当生产线需要同时处理视觉检测（高分辨率图像）与工艺参数优化（复杂数学模型）时，两种任务会因“车道”冲突导致排队等待。

沐曦的DRAA算法则引入了“智能变道”机制：

任务特征识别：通过轻量级神经网络实时分析数据类型（如图像、时序信号、文本日志），判断其计算需求（浮点运算量、内存访问模式）。
资源动态重组：根据任务特征，将GPU内的计算单元重新编组，处理图像时调用更多并行计算单元,处理时序信号时切换为串行计算模式并增加缓存。
内存带宽优化：通过预测算法提前将高频访问数据加载至高速缓存（L1/L2 Cache），减少对主内存的依赖，将数据读取延迟从150纳秒降至68.32纳秒。

据沐曦内部测试数据，在某精密机械制造企业的试点中，DRAA算法使设备故障预测准确率从92.15%提升至97.43%，工艺调整响应时间从230毫秒压缩至89.56毫秒，整体生产效率提升32.45%，这一成果已通过中国电子技术标准化研究院的认证，并被纳入《上海市智能制造技术白皮书（2025版）》。