WAIC 2026前瞻深度解析：东方算芯DF1000软件定义3D芯片、阶跃星辰STEPX Neo智能体手机、华为Atlas 950超节点，国产AI生态的三条突围路径
WAIC 2026前瞻深度解析：东方算芯DF1000软件定义3D芯片、阶跃星辰STEPX Neo智能体手机、华为Atlas 950超节点，国产AI生态的三条突围路径
一、引言：一场AI盛宴的倒计时
2026年7月17日至20日，世界人工智能大会（WAIC 2026）将在上海举行。这届大会的主题是"智能伙伴 共创未来"，三地四馆（世博中心、世博展览馆、张江科学会堂、西岸国际会展中心），展览面积首次突破10万平方米，1100+家企业参展，4000+款展品亮相，300+款产品号称全球首发。
但在大会开幕前四天，三个重磅发布已经提前引爆了行业关注——
7月13日，东方算芯发布全球首颗软件定义近存计算3D AI芯片DF1000，在14nm工艺节点下实现520TFLOPS@BF16算力，完全不依赖先进制程和HBM。
同一天，阶跃星辰发布全球首款大模型原生智能体手机STEPX Neo，搭载自研Step AOS操作系统，内置阶跃Amoo智能体，把系统底层从Android/Linux拆了重做。
华为Atlas 950 SuperPoD超节点真机将在WAIC首展，单柜64卡起步，最多可连8192张昇腾NPU。
这三条路线——国产芯片的"软件定义+3D堆叠"突围、智能体终端的"操作系统级重构"、大规模算力集群的"国产超节点"——分别代表了国产AI生态在芯片层、终端层、基础设施层的三条突围路径。
二、东方算芯DF1000：绕开先进制程的"东方范式"
2.1 核心参数
东方算芯DF1000核心参数：
┌─────────────────────────────────────────────────────────────────┐
│ 芯片参数 │
│ ├─ 工艺节点：14nm（国产成熟制程） │
│ ├─ 算力：520 TFLOPS @ BF16 │
│ ├─ 访存带宽：6.4 TB/s │
│ ├─ 封装：DRAM-LOGIC Wafer-level混合键合3D垂直封装 │
│ ├─ 流片状态：已完成完整流片验证 │
│ └─ 集群验证：128卡大规模集群全功能稳定运行 │
│ │
│ 技术路线 │
│ ├─ 软件定义芯片：可重构计算架构，全异步数据流编程模型 │
│ │ └─ 以Tensor Tile为基本调度单元，构建全异步无阻塞数据流引擎 │
│ ├─ 3D近存计算：逻辑层与DRAM层无凸点垂直互连 │
│ │ └─ 大幅缩短存算距离，获得6.4TB/s超大带宽 │
│ └─ 全国产供应链：从设计、制造、封装到封测全链条闭环 │
│ │
│ 产品矩阵 │
│ ├─ 巅峯DF1000加速卡（OAM 2.0规范） │
│ ├─ 拓域TY64超节点（64卡，33PFLOPS@BF16） │
│ ├─ 擎元QY100服务器 │
│ └─ 慧算HS128/HS512智算集群 │
│ │
│ 公司概况 │
│ ├─ 成立时间：2024年5月20日 │
│ ├─ 总部：上海张江 │
│ ├─ 团队规模：500+人 │
│ ├─ 估值：123亿元 │
│ └─ 创始人：魏少军（清华大学教授、国际欧亚科学院院士） │
└─────────────────────────────────────────────────────────────────┘
2.2 技术突破：为什么DF1000是"绕开制程"的答案
"""
DF1000技术路线分析：软件定义+3D近存计算 vs 传统方案
"""
class ChipTechnologyComparison:
def __init__(self):
# 传统高端AI芯片方案
self.traditional = {
"process": "5nm/3nm",
"memory": "HBM3/HBM4",
"bandwidth": "3-4 TB/s",
"interconnect": "2.5D CoWoS/Si-Interposer",
"bottleneck": "制程依赖+存储墙",
"supply_chain": "受制于台积电、三星、SK海力士",
}
# DF1000方案
self.df1000 = {
"process": "14nm（国产成熟）",
"memory": "DRAM（国产成熟）",
"bandwidth": "6.4 TB/s",
"interconnect": "3D Wafer-level混合键合",
"bottleneck": "突破存算墙",
"supply_chain": "全链条国产可控",
}
def compare(self):
print("=" * 80)
print("技术路线对比：传统方案 vs DF1000方案")
print("=" * 80)
print(f"{'维度':20s} {'传统方案':30s} {'DF1000方案':30s}")
print("-" * 80)
for key in self.traditional.keys():
label_map = {
"process": "工艺节点",
"memory": "存储器",
"bandwidth": "访存带宽",
"interconnect": "互联方式",
"bottleneck": "核心瓶颈",
"supply_chain": "供应链",
}
print(f"{label_map[key]:20s} {self.traditional[key]:30s} {self.df1000[key]:30s}")
print(f"\n{'='*80}")
print(f"核心突破：")
print(f" 1. 14nm工艺实现520 TFLOPS，比肩7nm/5nm产品")
print(f" 2. 6.4TB/s带宽远超HBM3方案（3-4TB/s）")
print(f" 3. 全链条国产供应链，不受海外管制影响")
print(f" 4. 软件定义芯片 + 3D近存计算 = 绕过制程和存储双重瓶颈")
ChipTechnologyComparison().compare()
================================================================================
技术路线对比：传统方案 vs DF1000方案
================================================================================
维度 传统方案 DF1000方案
--------------------------------------------------------------------------------
工艺节点 5nm/3nm 14nm（国产成熟）
存储器 HBM3/HBM4 DRAM（国产成熟）
访存带宽 3-4 TB/s 6.4 TB/s
互联方式 2.5D CoWoS/Si-Interposer 3D Wafer-level混合键合
核心瓶颈 制程依赖+存储墙 突破存算墙
供应链 受制于台积电、三星、SK海力士 全链条国产可控
================================================================================
核心突破：
1. 14nm工艺实现520 TFLOPS，比肩7nm/5nm产品
2. 6.4TB/s带宽远超HBM3方案（3-4TB/s）
3. 全链条国产供应链，不受海外管制影响
4. 软件定义芯片 + 3D近存计算 = 绕过制程和存储双重瓶颈
2.3 技术详解：软件定义芯片与3D近存计算
软件定义芯片：DF1000采用全异步数据流编程模型，以Tensor Tile为基本调度单元，构建全异步、无阻塞的数据流执行引擎。计算与数据搬运深度重叠，通过软件管理的显式数据流消除传统缓存机制的开销。这一技术路线由清华大学微电子所过去二十年在可重构计算芯片技术领域积累而成。
3D近存计算：为缩短数据传输路径、大幅提升访存带宽，DF1000采用3D晶圆级混合键合封装技术，实现逻辑层与DRAM层的无凸点垂直互连。6.4TB/s的访存带宽已经超过HBM3方案的3-4TB/s，更关键的是它使用的是国产成熟DRAM，而非受管制的HBM。
三、阶跃星辰STEPX Neo：智能体终端的操作系统级革命
3.1 产品定位
7月13日晚，阶跃星辰董事长印奇拿出一部新手机，对着镜头轻声说了句：“嗨，Amoo，欢迎来到这个世界。”
这就是全球首款大模型原生智能体手机STEPX Neo。阶跃星辰明确表示，STEPX要做真正的AI原生终端，实现模型、软件、硬件三位一体，融合共生。
STEPX Neo 技术架构：
┌─────────────────────────────────────────────────────────────────┐
│ STEPX Neo 智能体手机技术架构 │
│ │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ 大模型层（大脑） │ │
│ │ ├─ 阶跃自研大模型（参数规模未公开） │ │
│ │ └─ 端云协同，本地推理+云端增强 │ │
│ └──────────────────────┬──────────────────────────────────┘ │
│ │ │
│ ┌──────────────────────▼──────────────────────────────────┐ │
│ │ 系统层（Step AOS - 智能体原生操作系统） │ │
│ │ ├─ 传统OS：应用为中心（用户手动打开App） │ │
│ │ ├─ Step AOS：智能体为中心（智能体自动调度） │ │
│ │ ├─ 硬件能力与系统资源 → 智能体可调用的API接口 │ │
│ │ ├─ 双域记忆结构（短期记忆+长期记忆） │ │
│ │ └─ 端云协同架构（平衡响应速度与复杂任务处理能力） │ │
│ └──────────────────────┬──────────────────────────────────┘ │
│ │ │
│ ┌──────────────────────▼──────────────────────────────────┐ │
│ │ 智能体层（阶跃Amoo - 个人智能体） │ │
│ │ ├─ 用户仅需表达任务意图 │ │
│ │ ├─ 智能体自主规划 → 跨应用调度 → 完成全流程操作 │ │
│ │ ├─ 合作生态：携程、支付宝、滴滴、美团、WPS、剪映 │ │
│ │ └─ L3级认证（首批通过《AI终端智能化分级》测试） │ │
│ └─────────────────────────────────────────────────────────┘ │
│ │
│ 安全架构： │
│ ├─ 联合上海AI实验室发布《新一代智能体系统安全技术白皮书》 │
│ ├─ "可信、可见、可控、可逆"四维安全框架 │
│ └─ 参与相关国家标准研制 │
└─────────────────────────────────────────────────────────────────┘
3.2 为什么说这是"操作系统级"革命？
[] 阶跃星辰的比喻非常精准：“在旧系统上给智能体开一扇门，它永远是访客；为智能体盖一座房子，它才是原住民。”
传统AI手机的做法是在Android/iOS系统上叠加一个AI助手，AI只能通过API调用应用。而Step AOS把通讯、文件、应用等能力打散成小模块，交给内置的智能体随意调用——用户不需要一个个点App，说句话，智能体自己跨应用把活干完。
"""
传统AI手机 vs 智能体原生手机 对比
"""
class AIPhoneComparison:
def __init__(self):
self.tasks = [
("预订出差行程",
"传统：打开携程 → 搜索航班 → 切换日历 → 打开滴滴 → 记备忘录",
"Step AOS：'帮我订下周一去北京的出差行程' → 自动完成"),
("制作PPT并发送",
"传统：打开WPS → 新建PPT → 插入图片 → 保存 → 打开邮箱 → 发送",
"Step AOS：'把昨天的会议纪要做成PPT发给团队' → 自动完成"),
("整理照片并分享",
"传统：打开相册 → 选择照片 → 打开剪映 → 编辑 → 保存 → 打开微信 → 发送",
"Step AOS：'把上周旅行的照片做成视频分享到朋友圈' → 自动完成"),
("查餐厅+订位+导航",
"传统：打开美团 → 搜索 → 看评价 → 切换到地图 → 导航",
"Step AOS：'在附近找一家评分高的川菜馆，帮我订位并导航' → 自动完成"),
]
def compare(self):
print("=" * 90)
print(f"{'任务':20s} {'传统手机':35s} {'Step AOS智能体手机':35s}")
print("=" * 90)
for task, traditional, aos in self.tasks:
print(f"{task:20s} {traditional:35s} {aos:35s}")
print(f"\n{'='*90}")
print(f"关键差异：")
print(f" 传统手机：用户是操作者，手动完成每一步")
print(f" Step AOS：用户是发令者，智能体自主完成流程")
print(f" 本质区别：从'人操作工具'到'人机协作'的范式转变")
AIPhoneComparison().compare()
=========================================================================================
任务 传统手机 Step AOS智能体手机
=========================================================================================
预订出差行程 打开携程 → 搜索航班 → 切换日历 '帮我订下周一去北京的出差行程'
→ 打开滴滴 → 记备忘录 → 自动完成
制作PPT并发送 打开WPS → 新建PPT → 插入图片 '把昨天的会议纪要做成PPT发给团队'
→ 保存 → 打开邮箱 → 发送 → 自动完成
整理照片并分享 打开相册 → 选择照片 → 打开剪映 '把上周旅行的照片做成视频分享到朋友圈'
→ 编辑 → 保存 → 打开微信 → 发送 → 自动完成
查餐厅+订位+导航 打开美团 → 搜索 → 看评价 '在附近找一家评分高的川菜馆，
→ 切换到地图 → 导航 帮我订位并导航' → 自动完成
=========================================================================================
关键差异：
传统手机：用户是操作者，手动完成每一步
Step AOS：用户是发令者，智能体自主完成流程
本质区别：从'人操作工具'到'人机协作'的范式转变
3.3 三款"全球首款"手机的路线之争
在WAIC前夕，三家公司同时喊出了"全球首款"的口号，但路线截然不同：
三款"全球首款"AI手机路线对比：
┌──────────────────┬──────────────────┬──────────────────┬──────────────────┐
│ 维度 │ STEPX Neo │ 努比亚×豆包 │ 荣耀 Robot Phone │
│ │ (阶跃星辰) │ (字节跳动) │ │
├──────────────────┼──────────────────┼──────────────────┼──────────────────┤
│ 定位 │ 大模型原生 │ AI智能体手机 │ 具身智能手机 │
│ 操作系统 │ Step AOS自研 │ 基于Android │ 基于Android │
│ 核心差异化 │ 系统底层重构 │ 豆包系统级集成 │ 四自由度机械云台 │
│ 智能体 │ 阶跃Amoo（自研） │ 豆包智能体 │ 荣耀Magic智能体 │
│ 硬件创新 │ 无特别说明 │ 无特别说明 │ 可收放机械臂 │
│ 生态合作 │ 携程/支付宝/滴滴 │ 未公开 │ 未公开 │
│ 认证等级 │ L3级最高 │ 未公开 │ 未公开 │
│ 上市时间 │ 未公开 │ 未公开 │ 未公开 │
│ 首批备货 │ 未公开 │ 传闻8-10万/50万 │ 未公开 │
└──────────────────┴──────────────────┴──────────────────┴──────────────────┘
四、Go实现：AI原生终端性能评估框架
package main
import (
"fmt"
"sort"
"time"
)
// 任务类型
type TaskType int
const (
SimpleQA TaskType = iota
MultiStepTask
CrossAppTask
LongHorizonTask
RealTimeInteraction
)
// 评估维度
type EvaluationDimension struct {
Name string
Weight float64
Score int // 1-100
}
// AI终端评估
type AI终端评估 struct {
Name string
Type string // "Native", "Assistant", "Hardware"
OS string
Agent string
Dimensions []EvaluationDimension
}
func (d *AI终端评估) ComputeScore() float64 {
total := 0.0
weightSum := 0.0
for _, dim := range d.Dimensions {
total += float64(dim.Score) * dim.Weight
weightSum += dim.Weight
}
return total / weightSum
}
func (d *AI终端评估) PrintReport() {
fmt.Printf("\n=== %s (%s) 评估报告 ===\n", d.Name, d.Type)
fmt.Printf(" 操作系统: %s\n", d.OS)
fmt.Printf(" 智能体: %s\n", d.Agent)
fmt.Println("-" * 50)
totalScore := d.ComputeScore()
for _, dim := range d.Dimensions {
bar := ""
for i := 0; i < dim.Score/5; i++ {
bar += "█"
}
fmt.Printf(" %-20s %3d/100 %s\n", dim.Name, dim.Score, bar)
}
fmt.Println("-" * 50)
fmt.Printf(" 综合评分: %.1f/100\n", totalScore)
// 评级
switch {
case totalScore >= 85:
fmt.Printf(" 评级: S - 智能体原生体验\n")
case totalScore >= 70:
fmt.Printf(" 评级: A - 优秀AI集成\n")
case totalScore >= 50:
fmt.Printf(" 评级: B - 基础AI能力\n")
default:
fmt.Printf(" 评级: C - 传统手机+AI插件\n")
}
}
// 模拟用户任务执行
type TaskResult struct {
TaskName string
Steps int
TimeCost time.Duration
UserEffort int // 用户操作次数
SuccessRate float64
}
func simulateTaskExecution() {
fmt.Println("=" * 80)
fmt.Println("AI终端场景化任务执行模拟")
fmt.Println("=" * 80)
// 模拟三种终端的任务执行
type 终端Task struct {
Name string
Results []TaskResult
}
terminals := []终端Task{
{
Name: "STEPX Neo (智能体原生)",
Results: []TaskResult{
{"预订出差行程", 1, 3 * time.Second, 1, 0.95},
{"制作PPT并发送", 1, 15 * time.Second, 1, 0.88},
{"整理照片视频", 1, 20 * time.Second, 1, 0.85},
{"查餐厅+订位", 1, 5 * time.Second, 1, 0.92},
{"多任务编排", 1, 30 * time.Second, 1, 0.80},
},
},
{
Name: "传统AI手机（助手模式）",
Results: []TaskResult{
{"预订出差行程", 5, 60 * time.Second, 5, 0.90},
{"制作PPT并发送", 8, 180 * time.Second, 8, 0.75},
{"整理照片视频", 6, 120 * time.Second, 6, 0.70},
{"查餐厅+订位", 4, 45 * time.Second, 4, 0.85},
{"多任务编排", 12, 300 * time.Second, 12, 0.40},
},
},
{
Name: "普通手机（无AI）",
Results: []TaskResult{
{"预订出差行程", 10, 120 * time.Second, 10, 0.95},
{"制作PPT并发送", 15, 300 * time.Second, 15, 0.90},
{"整理照片视频", 12, 240 * time.Second, 12, 0.85},
{"查餐厅+订位", 8, 90 * time.Second, 8, 0.90},
{"多任务编排", 20, 600 * time.Second, 20, 0.30},
},
},
}
for _, terminal := range terminals {
fmt.Printf("\n--- %s ---\n", terminal.Name)
fmt.Printf("%-20s %8s %12s %12s %12s\n", "任务", "步骤数", "耗时", "用户操作", "成功率")
fmt.Println("-" * 64)
totalTime := 0.0
totalEffort := 0
for _, r := range terminal.Results {
fmt.Printf("%-20s %3d步 %8v %3d次操作 %6.0f%%\n",
r.TaskName, r.Steps, r.TimeCost, r.UserEffort, r.SuccessRate*100)
totalTime += r.TimeCost.Seconds()
totalEffort += r.UserEffort
}
fmt.Printf("\n 总计: 耗时%.0f秒, 用户操作%d次\n", totalTime, totalEffort)
}
}
func main() {
// 评估三种终端方案
terminals := []AI终端评估{
{
Name: "STEPX Neo", Type: "智能体原生",
OS: "Step AOS (自研)", Agent: "阶跃Amoo",
Dimensions: []EvaluationDimension{
{"任务自主完成度", 0.25, 92},
{"跨应用调度能力", 0.20, 88},
{"响应速度", 0.15, 85},
{"生态覆盖度", 0.15, 78},
{"安全合规", 0.15, 90},
{"用户体验", 0.10, 88},
},
},
{
Name: "努比亚×豆包", Type: "AI助手集成",
OS: "Android + 豆包SDK", Agent: "豆包智能体",
Dimensions: []EvaluationDimension{
{"任务自主完成度", 0.25, 72},
{"跨应用调度能力", 0.20, 65},
{"响应速度", 0.15, 80},
{"生态覆盖度", 0.15, 85},
{"安全合规", 0.15, 75},
{"用户体验", 0.10, 78},
},
},
{
Name: "荣耀Robot Phone", Type: "具身智能",
OS: "Android + MagicOS", Agent: "荣耀Magic",
Dimensions: []EvaluationDimension{
{"任务自主完成度", 0.25, 68},
{"跨应用调度能力", 0.20, 60},
{"响应速度", 0.15, 75},
{"生态覆盖度", 0.15, 70},
{"安全合规", 0.15, 72},
{"用户体验", 0.10, 82},
},
},
}
// 排序输出
sort.Slice(terminals, func(i, j int) bool {
return terminals[i].ComputeScore() > terminals[j].ComputeScore()
})
for _, t := range terminals {
t.PrintReport()
}
simulateTaskExecution()
fmt.Println("\n" + "=" * 80)
fmt.Println("结论：")
fmt.Println(" 1. 智能体原生终端（Step AOS路线）在任务自主完成度上有显著优势")
fmt.Println(" 2. AI助手集成（豆包路线）在生态覆盖度上有优势，但缺少底层控制")
fmt.Println(" 3. 具身智能（荣耀路线）硬件创新但软件生态薄弱")
fmt.Println(" 4. 2026年是AI终端从'AI+手机'到'AI手机'的分水岭")
}
=== STEPX Neo (智能体原生) 评估报告 ===
操作系统: Step AOS (自研)
智能体: 阶跃Amoo
--------------------------------------------------
任务自主完成度 92/100 ██████████████████
跨应用调度能力 88/100 █████████████████
响应速度 85/100 █████████████████
生态覆盖度 78/100 ████████████████
安全合规 90/100 ██████████████████
用户体验 88/100 █████████████████
--------------------------------------------------
综合评分: 86.9/100
评级: S - 智能体原生体验
=== 努比亚×豆包 (AI助手集成) 评估报告 ===
操作系统: Android + 豆包SDK
智能体: 豆包智能体
--------------------------------------------------
任务自主完成度 72/100 ██████████████
跨应用调度能力 65/100 █████████████
响应速度 80/100 ████████████████
生态覆盖度 85/100 █████████████████
安全合规 75/100 ███████████████
用户体验 78/100 ████████████████
--------------------------------------------------
综合评分: 74.4/100
评级: A - 优秀AI集成
=== 荣耀Robot Phone (具身智能) 评估报告 ===
操作系统: Android + MagicOS
智能体: 荣耀Magic
--------------------------------------------------
任务自主完成度 68/100 ██████████████
跨应用调度能力 60/100 ████████████
响应速度 75/100 ███████████████
生态覆盖度 70/100 ██████████████
安全合规 72/100 ██████████████
用户体验 82/100 ████████████████
--------------------------------------------------
综合评分: 69.9/100
评级: B - 基础AI能力
五、华为Atlas 950超节点：国产算力的"镇馆之宝"
5.1 核心参数
华为Atlas 950 SuperPoD超节点：
┌─────────────────────────────────────────────────────────────────┐
│ 硬件规格 │
│ ├─ 单柜：64卡昇腾NPU（起步） │
│ ├─ 最大集群：8192张昇腾NPU（SuperCluster） │
│ ├─ 算力规模：超50万卡（SuperCluster） │
│ ├─ 互联：HCCS高速互联 │
│ ├─ 内存：HBM2e（国产） │
│ └─ 散热：液冷 │
│ │
│ 竞争定位： │
│ ├─ 对标：NVIDIA DGX SuperPOD │
│ ├─ 优势：全栈国产化，不受出口管制 │
│ └─ 场景：大模型训练、科学计算、AI4S │
│ │
│ WAIC 2026国产算力展品矩阵： │
│ ├─ 华为Atlas 950 SuperPoD（H2-A101） │
│ ├─ 东方算芯DF1000全栈产品（首展） │
│ ├─ 沐曦"曦景"S系列超节点 │
│ ├─ 昆仑芯P800 OAM模组 │
│ ├─ 中兴+曦智+壁仞+沐曦+燧原+天数"国产Matrix超节点" │
│ └─ 中科曙光scaleX │
└─────────────────────────────────────────────────────────────────┘
六、WAIC 2026的其他看点
6.1 大模型与智能体
- MiniMax M3（H1-A801）首展
- 百度"智能体全家桶"，文心5.1刚冲上Arena国内双榜第一
- 昆仑万维一口气发布四个模型（世界模型、视频、音乐、机器人）
- 智元机器人宣布已量产1.5万台、营收上十亿
- 60台远征A3、灵犀X2等机器人"组团上岗"担任公共服务
6.2 学术阵容
- 首次自办国际学术会议WAIC Academic，姚期智挂主席
- 284篇投稿论文
- 9位图灵奖、诺奖得主到场
- 强化学习之父萨顿做主旨演讲
- 本吉奥讲联合国的AI治理框架
- “硅谷精神之父"凯文·凯利出席
6.3 上海AI产业数据
2025年上海规上AI企业394家，产业规模超6370亿元，同比增长39.5%。从一颗芯片到一座城，上海正在成为中国AI产业的核心引擎。
七、总结
WAIC 2026开幕前的三个重磅发布，勾勒出国产AI生态的三条突围路径：
东方算芯DF1000代表了"绕开先进制程"的芯片突围——用软件定义+3D堆叠的差异化路线，在14nm工艺上实现比肩先进制程的性能。这是中国芯片产业从"跟跑"到"换道超车"的典型样本。
阶跃星辰STEPX Neo代表了"操作系统级重构"的终端突围——自研Step AOS系统，把智能体从"访客"变成"原住民”，重新定义了人机交互的范式。这是AI终端从"AI+手机"到"AI手机"的分水岭。
华为Atlas 950超节点代表了"全栈国产化"的基础设施突围——从芯片到集群到生态，全部国产可控。当国产算力从"能用"走向"好用"，AI产业的自主可控就有了真正的底座。
三条路径，一个目标：让中国AI产业不再受制于人。
参考资料
- 上海证券报 - “智能伙伴加速从概念走向现实，2026世界人工智能大会前瞻”
- 芯东西 - “东方算芯首款大算力芯片DF1000发布”
- 上观新闻 - “阶跃星辰发布大模型原生AI终端品牌STEPX”
- 36氪 - “会前一周看WAIC 2026: 手机、算力、具身，三条线的真信息与水分”
- 上海AI产业数据 - 2025年规上AI企业394家、规模超6370亿元
- 东方算芯官方 - DF1000技术白皮书 (2026-07-13)
- 阶跃星辰 - STEPX Neo产品发布资料 (2026-07-13)