速顯微以 TUCA 與 TH1100，從端側圖形跨入具身智慧

速顯微正從物聯網與車載顯示處理器，跨入具身智慧硬體。公司在天津的發布重點，是 TUCA 統一異質運算架構，以及天衡 TH1100——其定位為首款用於邊緣 AI 推論的 GPGPU SoC。

這次發布的核心意義，現階段更在於產品路線圖與平台策略，而不是已被第三方完整驗證的性能領先。關於實際效能的獨立基準測試資料，仍相當有限。4

從端側顯示晶片走向 AI 運算

速顯微過去的產品，說明了這次轉向的起點。公司表示，GC9002 與 GC9005 已於 2023 年完成產品功能驗證，分別面向低功耗與較高效能的物聯網顯示應用。根據公司資料，GC9005 整合雙 32 位元 RISC-V 核心、圖形核心、NPU，並支援最高 3840×2160 的顯示輸出。7

合作夥伴的資料則將 GC9005 描述為針對圖形顯示打造的 MPU：整合記憶體、2.5D 圖形加速、多媒體功能與深度學習加速單元，可用於本地語音辨識、人臉偵測等邊緣任務。16

這也是速顯微如今的出發點：AI 加速不必是完全另起爐灶的業務；公司希望從圖形、視覺互動與端側系統整合能力向外延伸。

「先渲染、後 AI」究竟是什麼？

速顯微將策略概括為「先渲染、後 AI」。其邏輯是，機器人、智慧車輛與工業邊緣設備這類實體 AI 產品，除了模型推論，也需要即時視覺運算與反應迅速的異質系統。

在公司的論述中，圖形運算提供可程式化平行運算與開發工具的基礎，再逐步納入 AI 工作負載；這一路徑被拿來類比 NVIDIA 從圖形處理走向通用 GPU 運算及 AI 的發展過程。4

這不代表「渲染」本身足以解決具身智慧問題，而是一種產品定位：實體系統需要的是涵蓋感知、視覺化、控制、模型部署與裝置整合的可用技術堆疊，而非只看單一的峰值運算數字。

速顯微主打的三項技術

公司在實體 AI 的布局中，提出三項彼此相連的技術。不過，在更完整文件與可重複測試結果出現前，其效益仍應視為供應商主張。

全棧 GPU IP

速顯微描述其技術堆疊涵蓋 GPU IP、系統軟體與開發工具。既有官網已提供 GC9000 系列的選型資訊、SDK、晶片支援套件、資料手冊與開發工具，顯示軟體支援原本就是其產品策略的一部分。3

對新 AI 平台而言，公司宣稱的目標是協調硬體、編譯器、執行期軟體、驅動程式、作業系統支援、演算法與場景解決方案。潛在優勢在於，客戶建置同時涉及圖形、視覺與推論的系統時，可降低整合與移植工作量。4

晶片內算存融合

公司也提出「晶片內算存融合」，目標是減少運算單元與外部記憶體之間的資料搬移。對邊緣推論而言，記憶體資料流量會直接影響延遲、能耗與整體系統設計；速顯微表示，這種作法能提高儲存與運算之間的資料區域性。4

AI ROM

AI ROM 被定位為將部分模型參數或權重置於晶片內非揮發性儲存空間的方式。速顯微稱，這可降低儲存成本與耗電，並提升 token 輸出表現。4

相應的取捨也很明確：固定在晶片內儲存空間的權重，可能適合需求明確的部署情境，但彈性通常不如完全置於外部、可輕易更換記憶體中的模型。目前公司尚未公開足夠技術細節，讓外界獨立評估容量、更新機制、支援的模型格式或實際性能增益。

TUCA：連接硬體與開發者的軟體層

TUCA 全名為 Thorsianway Unified Computing Architecture，是速顯微提出、用於 GPGPU、AI 加速器與異質運算硬體的共同運算層。公司稱，它涵蓋從應用開發、算子編譯，到執行期排程與硬體執行的完整鏈路。4

實際目標是讓開發者能以較統一的方式部署模型與運算工作，而不必為每一種加速器各自拼湊底層工具鏈。這對工業客戶尤其重要：許多客戶具備領域知識，卻未必擁有編譯器、執行期、模型最佳化或異質系統整合的內部專長。

公司也將 TUCA Playground 定位為面向開發者的操作環境，預定支援應用與模型導入、編譯及部署、執行觀測與資源管理。4

TH1100：已公布與尚未公布的資訊

天衡 TH1100 是新產品線的首款晶片，定位於具身智慧應用的邊緣 AI 推論。發布資訊中最醒目的規格為 100 TOPS AI 運算力；速顯微也將其與 FP16 支援、晶片內算存融合，以及部署 35B-A3B 稀疏混合專家模型（MoE）連結在一起。4

35B-A3B 一般可理解為模型總參數約 350 億、每個 token 約啟用 30 億參數。相較於同等總參數量的稠密模型，這種架構可減少實際啟用的運算量；但它本身不能直接證明某個裝置的吞吐量、延遲、記憶體需求或功耗。4

更值得注意的是尚未公開的資訊。現有發布報導並未提供 TH1100 完整且可靠的規格表，包括核心數、FP16 吞吐量、記憶體容量與頻寬、功耗範圍、量化方式、上下文長度、批次大小，以及實測每秒 token 數等。因此，在速顯微釋出詳細資料表與可重現的測試配置前，不能把 100 TOPS 直接當作與其他加速器真實工作負載表現相比的依據。4

TH1800、TH24K0：路線圖不等於已驗證性能

速顯微規劃於 2027 年底推出 TH1800、2028 年推出 TH24K0，兩者均瞄準更高階的具身智慧與語言模型運算級距。公司將其描述為邁向高階 GPU 競爭與大型實體 AI 系統的後續步驟。4

這些資訊反映的是企圖心，而非已交付硬體的成績。評估此路線圖時，應清楚區分未來競爭目標與經獨立測量的量產產品表現。

天津布局與「全棧交付」為何重要？

天津總部的發布，不只是更換公司地址。速顯微的論點是，商業化需要貼近製造、汽車、機器人、研究與部署夥伴；北京—天津—河北區域的產業資源，可能有利於將晶片真正導入機器人、車輛與工業邊緣設備。4

因此，該公司的商業主張不只是在賣一顆處理器，而是強調晶片硬體、演算法、工具、參考設計與特定場景交付。對缺乏深厚 AI 系統經驗的客戶來說，這種整合式方案的價值可能高於單一晶片規格。公司同時也將自主技術與供應，定位為因應進口晶片可得性與供應鏈不確定性的做法。4

結論：策略已成形，關鍵仍待實測

速顯微眼下最明顯的差異化，還不是一項已有完整文檔佐證的性能優勢，而是嘗試把端側圖形經驗、異質軟體、記憶體感知設計與部署服務整合成實體 AI 平台。

TH1100 的 100 TOPS 宣稱與 TUCA 的推出，讓這項策略有了具體載體；天衡後續產品路線圖，則顯示公司想前往的方向。不過，真正左右市場判斷的問題——實際推論速度、記憶體配置、能效、模型相容性、開發工具成熟度與量產供應狀況——仍有待產品文件與獨立測試回答。4