0
| 本文作者： 楊依婷 | 2025-12-15 11:15 |
作者 | 楊依婷 劉伊倫
編輯 | 包永剛
2025年12月13日，GAIR 2025「AI 算力新十年」專(zhuān)場(chǎng)在深圳·博林天瑞喜來(lái)登酒店正式啟幕。
作為國(guó)內(nèi)前沿技術(shù)與產(chǎn)業(yè)變革的重要風(fēng)向標(biāo)，GAIR大會(huì)歷經(jīng)七屆積淀，見(jiàn)證并推動(dòng)了中國(guó) AI 產(chǎn)業(yè)從算法突破、硬件迭代，到商業(yè)落地的完整過(guò)程。本屆論壇直面智能體系的底層核心——算力，從架構(gòu)、生態(tài)、工具鏈到產(chǎn)業(yè)化落地，探尋未來(lái)十年的關(guān)鍵變量。
上午場(chǎng)以「誰(shuí)是下一個(gè)寒武紀(jì)」為主題，六位來(lái)自產(chǎn)、學(xué)、研、投等多個(gè)維度的嘉賓依次登臺(tái)，以不同視角揭示國(guó)產(chǎn)算力的現(xiàn)狀與未來(lái)——這不僅是在探尋一家明星企業(yè)，更是在追問(wèn)：
在算力成為基礎(chǔ)設(shè)施的時(shí)代，究竟什么樣的技術(shù)路徑、生態(tài)戰(zhàn)略和商業(yè)邏輯，能夠穿越周期，占據(jù)未來(lái)價(jià)值鏈的頂端？
從最底層的芯片架構(gòu)哲學(xué)，到最頂層的應(yīng)用落地挑戰(zhàn)，一幅更立體、更清晰、也更具方向感的圖景，正在這場(chǎng)大會(huì)中緩緩展開(kāi)。
首位登場(chǎng)演講的嘉賓是深圳理工大學(xué)算力微電子學(xué)院院長(zhǎng)，龍芯 CPU、海光 CPU 創(chuàng)始人唐志敏。深耕微電子與算力領(lǐng)域三十余載，唐志敏院長(zhǎng)親歷了中國(guó)自主芯片從無(wú)到有、從弱到強(qiáng)的攻堅(jiān)歷程，更在算力芯片（XPU）的體系結(jié)構(gòu)、軟件生態(tài)與產(chǎn)業(yè)發(fā)展領(lǐng)域有著深厚積淀，對(duì)于算力時(shí)代下芯片技術(shù)突破瓶頸、產(chǎn)業(yè)生態(tài)構(gòu)建難點(diǎn)，有著獨(dú)到且深刻的洞察。
唐志敏院長(zhǎng)在大會(huì)上帶來(lái)了關(guān)于《XPU的未來(lái)——軟件定義成敗》的主題演講，從算力時(shí)代XPU發(fā)展的核心痛點(diǎn)切入，系統(tǒng)剖析軟件生態(tài)對(duì)算力芯片產(chǎn)業(yè)的決定性作用。
“我們不僅創(chuàng)造了‘算力’，還為它賦予了國(guó)際表達(dá)——computility?！碧浦久糸_(kāi)篇點(diǎn)明，算力正在向“水、電般的公共事業(yè)”進(jìn)化。他進(jìn)一步延伸，隨著生成式AI的爆發(fā)，算力衍生出“訓(xùn)力”（快速訓(xùn)練大模型的能力）與“推力”（基于大模型輸出結(jié)果的能力），甚至幽默展望：“未來(lái)會(huì)不會(huì)出現(xiàn)‘演力’，直接把金庸小說(shuō)變成電視?。俊边@些鮮活的概念，既是技術(shù)趨勢(shì)的提煉，更傳遞出中國(guó)科技界對(duì)定義未來(lái)的主動(dòng)思考。
“當(dāng)前算力芯片的發(fā)展，像在爬一座越來(lái)越陡峭的山，技術(shù)迭代速度卻越來(lái)越慢?！碧浦久粢孕蜗蟮谋扔髦赋龊诵拿埽阂环矫妫柖煞啪弻?dǎo)致CPU等傳統(tǒng)處理器發(fā)展受限；另一方面，生成式AI對(duì)算力的需求呈指數(shù)級(jí)增長(zhǎng)。
為應(yīng)對(duì)這一矛盾，學(xué)術(shù)界與工業(yè)界正推動(dòng)“異構(gòu)計(jì)算”（CPU+XPU），但新問(wèn)題隨之而來(lái)——“我們有了很多種樂(lè)器，卻沒(méi)有統(tǒng)一的樂(lè)譜”，編程復(fù)雜度激增、軟件兼容性差成為新瓶頸。
“生態(tài)是繞不開(kāi)的命題?！碧浦久粢詳?shù)據(jù)佐證：X86架構(gòu)歷經(jīng)四五十年沉淀，其軟件生態(tài)壁壘極高，ARM雖在手機(jī)領(lǐng)域稱(chēng)雄，卻在服務(wù)器市場(chǎng)屢屢碰壁；RISC-V雖被視為“破局者”，但商業(yè)化之路同樣艱難。
他特別強(qiáng)調(diào)指令系統(tǒng)的重要性：“英特爾持續(xù)向X86架構(gòu)中添加新指令，正是生態(tài)競(jìng)爭(zhēng)的關(guān)鍵動(dòng)作?！闭劶白灾鲃?chuàng)新案例，他舉例：“我們?cè)谘邪l(fā)海光CPU時(shí)，阿里云為何優(yōu)先選擇英特爾？因?yàn)檐浖?yōu)化的積累，才是用戶(hù)選擇的核心?！?/p>
唐志敏強(qiáng)調(diào)，當(dāng)前算力性能突破需跨學(xué)科交叉與軟件深度優(yōu)化雙輪驅(qū)動(dòng)。他以Linpack測(cè)試為例，指出應(yīng)用軟件性能提升難度遠(yuǎn)超硬件迭代，通過(guò)軟硬件協(xié)同優(yōu)化，在現(xiàn)有制程限制下實(shí)現(xiàn)算力效能最大化。“中國(guó)半導(dǎo)體受全球趨勢(shì)及制程限制，必須通過(guò)軟件定義算力，打破傳統(tǒng)軟硬件隔閡?！?/p>
針對(duì)GPGPU發(fā)展現(xiàn)狀，唐志敏警示部分產(chǎn)品已偏離GPU本質(zhì)功能。他以生成式AI場(chǎng)景為例，說(shuō)明圖形渲染、著色等基礎(chǔ)能力的重要性："將小說(shuō)轉(zhuǎn)化為電視劇，既需要GPT的內(nèi)容生成，也依賴(lài)GPU的視覺(jué)呈現(xiàn)。" 同時(shí)，他分析系統(tǒng)廠商自研芯片浪潮時(shí)指出，蘋(píng)果的成功在于通過(guò)自研CPU實(shí)現(xiàn)產(chǎn)品增值與全棧軟件掌控，而"未能提升產(chǎn)品溢價(jià)的自研芯片終將面臨市場(chǎng)挑戰(zhàn)"。
在架構(gòu)創(chuàng)新層面，唐志敏明確反對(duì)指令系統(tǒng)碎片化："現(xiàn)有指令系統(tǒng)足以支撐架構(gòu)創(chuàng)新，RISC-V應(yīng)成為產(chǎn)業(yè)統(tǒng)一標(biāo)準(zhǔn)。"他認(rèn)為，計(jì)算芯片產(chǎn)業(yè)正呈現(xiàn)螺旋式發(fā)展，未來(lái)將回歸融合異構(gòu)特性的CPU中心化架構(gòu)，而RISC-V的包容性可有效整合CPU、GPU及AI處理器特性，通過(guò)開(kāi)源體系突破生態(tài)壁壘。
“套用三國(guó)定律來(lái)理解芯片生態(tài)，就是分久必合、合久必分，以前是以CPU為中心，現(xiàn)在就是去中心化的異構(gòu)計(jì)算，CPU和XPU聯(lián)合起來(lái)，但也會(huì)面臨很多問(wèn)題，我們希望在將來(lái)回歸到以CPU為中心的大一統(tǒng)，總體就說(shuō)一個(gè)否定之否定的過(guò)程?！碧浦久粼洪L(zhǎng)最后總結(jié)稱(chēng)。
面向AI大模型和智能體興起的機(jī)遇和挑戰(zhàn)，第二位演講嘉賓劉方明教授作了題為《國(guó)產(chǎn)算力驅(qū)動(dòng)的大模型體系化挑戰(zhàn)：全生命周期工具鏈與示范應(yīng)用》的主題報(bào)告。
首先，劉方明教授分析了當(dāng)前大模型的發(fā)展趨勢(shì)。他指出，當(dāng)前算力中心和芯片等AI Infrastructure需要智算應(yīng)用驅(qū)動(dòng)，全球范圍內(nèi)大模型數(shù)量和智能體應(yīng)用已呈爆發(fā)式增長(zhǎng)。
但他同時(shí)觀察到一種新動(dòng)向：“隨著DeepSeek的推出，全球模型有從‘百模大戰(zhàn)’向‘十模爭(zhēng)鋒’的收斂趨勢(shì)。”
針對(duì)國(guó)內(nèi)大模型發(fā)展生態(tài)，他指出當(dāng)前仍面臨“野蠻生長(zhǎng)”帶來(lái)的多重挑戰(zhàn)：國(guó)產(chǎn)模型能力存在差距、開(kāi)源率低、工具鏈缺乏體系化、評(píng)測(cè)標(biāo)準(zhǔn)不統(tǒng)一以及價(jià)值對(duì)齊合規(guī)安全仍需技術(shù)保障。
他進(jìn)一步介紹了鵬城實(shí)驗(yàn)室作為國(guó)家實(shí)驗(yàn)室的獨(dú)特定位——“保底線”，致力于在極端情況下保障國(guó)產(chǎn)算力主權(quán)和模型的自主可控。
“現(xiàn)在模型正逐漸走向集約化路線，不是只比誰(shuí)規(guī)模大、暴力出奇跡了，而是看誰(shuí)能用最少的數(shù)據(jù)、最少的算力、最少的能耗做出好用的模型?！眲⒎矫饔绕鋸?qiáng)調(diào)了范式的轉(zhuǎn)變。
鵬城實(shí)驗(yàn)室在發(fā)布了2000億參數(shù)的大語(yǔ)言模型后，又推出了33B和2B參數(shù)的中小尺寸模型，并將2B參數(shù)模型全過(guò)程開(kāi)源，包括所有數(shù)據(jù)和數(shù)據(jù)配比、權(quán)重和訓(xùn)練環(huán)節(jié)，方便用戶(hù)復(fù)現(xiàn)和使用。
最后，他重申了“用以致善”的理念：“好的模型、算力、芯片、硬件是靠用出來(lái)的?！蹦壳?，鵬城實(shí)驗(yàn)室正與氣象、金融、文博、生態(tài)環(huán)境、智能制造等行業(yè)合作，推動(dòng)大模型在典型場(chǎng)景中的示范應(yīng)用，以實(shí)踐驅(qū)動(dòng)國(guó)產(chǎn)算力與大模型全生命周期體系的成熟。
燧原科技聯(lián)合創(chuàng)始人兼首席生態(tài)官、芯片行業(yè)資深專(zhuān)家李星宇，在大會(huì)上帶來(lái)題為《時(shí)不我待，破局國(guó)產(chǎn)AI算力技術(shù)生態(tài)》的主題演講。
作為國(guó)產(chǎn)AI算力領(lǐng)域的深耕者與實(shí)踐者，李星宇親歷了國(guó)產(chǎn)算力芯片從技術(shù)攻堅(jiān)到商業(yè)化落地的全歷程，在算力硬件創(chuàng)新、軟件生態(tài)構(gòu)建與產(chǎn)業(yè)場(chǎng)景融合等領(lǐng)域有著豐富經(jīng)驗(yàn)。
李星宇拋出一組關(guān)鍵數(shù)據(jù)：“今年全球算力投資資本支出預(yù)計(jì)將超過(guò)4600億美金，超過(guò)美國(guó)登月計(jì)劃的總投入。”他解釋?zhuān)?dāng)前全球頂級(jí)互聯(lián)網(wǎng)公司在AI領(lǐng)域的大部分資本支出（CapEx）用于算力采購(gòu)，中國(guó)市場(chǎng)同樣如此，BAT等互聯(lián)網(wǎng)大廠占據(jù)了68%以上的份額。
從商業(yè)化應(yīng)用看，AI正加速滲透至AI編程、數(shù)字IP內(nèi)容領(lǐng)域。李星宇提到，“AIGC在數(shù)字人、游戲、影視行業(yè)今年國(guó)內(nèi)產(chǎn)值預(yù)計(jì)超1000億，全球數(shù)字內(nèi)容生成市場(chǎng)規(guī)模已近500億美金，加上AI編程領(lǐng)域、虛擬交互這三大場(chǎng)景構(gòu)成了當(dāng)前AI商業(yè)化的主戰(zhàn)場(chǎng)。”
而在這三大主戰(zhàn)場(chǎng)背后，GPU作為核心算力載體，其競(jìng)爭(zhēng)的勝負(fù)手早已超出硬件性能本身，延伸至生態(tài)層面?！败浖鷳B(tài)是GPU硬件行業(yè)的勝負(fù)手。”
而中國(guó)的表現(xiàn)令全球矚目。李星宇強(qiáng)調(diào)，“中國(guó)已成為大模型領(lǐng)域的開(kāi)源生態(tài)領(lǐng)導(dǎo)者。HuggingFace Top10模型中，9個(gè)來(lái)自中國(guó)公司。更關(guān)鍵的是，在實(shí)際商業(yè)化場(chǎng)景中，中國(guó)開(kāi)源模型生成的Token量已超過(guò)全球其他開(kāi)源模型總和。
談及技術(shù)演進(jìn)，李星宇指出，軟硬結(jié)合，AI算法需求驅(qū)動(dòng)計(jì)算架構(gòu)持續(xù)創(chuàng)新，數(shù)據(jù)格式的創(chuàng)新和優(yōu)化帶來(lái)了算力性能的提升，從FP32到FP16再到FP8和FP4，每一次迭代都需要硬件架構(gòu)的支持和軟件生態(tài)的集成優(yōu)化。
硬件層面，技術(shù)棧的范圍從單芯片加速向超大規(guī)模系統(tǒng)工程演進(jìn)，在單芯片架構(gòu)層面，需要CPU和XPU整個(gè)異構(gòu)系統(tǒng)的軟硬件協(xié)同優(yōu)化，綜合標(biāo)量、向量和張量計(jì)算，更高效率支持算法的工程創(chuàng)新，如PD分離、MLA、MTP等。軟件層面，更需要深度擁抱開(kāi)源軟件生態(tài)，如DeepSeek，Qwen，ChatGLM3等，借助生態(tài)的力量充分釋放硬件的算力。集群層面，要解決超高速互聯(lián)技術(shù)、系統(tǒng)分級(jí)存儲(chǔ)、以及液冷等挑戰(zhàn)。
“國(guó)產(chǎn)算力行業(yè)將迎來(lái)淘汰賽?！崩钚怯钪毖裕捎谙到y(tǒng)級(jí)產(chǎn)品研發(fā)需海量資金投入，今年國(guó)內(nèi)算力企業(yè)正全力沖擊資本市場(chǎng)，預(yù)計(jì)未來(lái)一年A股和港股至少6家公司沖刺上市。資金和技術(shù)儲(chǔ)備不足、生態(tài)布局薄弱的企業(yè)或?qū)⒓铀俪鼍?。得益于豐富的商業(yè)化應(yīng)用場(chǎng)景，燧原的產(chǎn)品迭代獲得了堅(jiān)實(shí)支撐，國(guó)民級(jí)爆款應(yīng)用已經(jīng)用到了燧原的算力。
“破局國(guó)產(chǎn)算力技術(shù)生態(tài)，是一場(chǎng)技術(shù)、商業(yè)與人才的長(zhǎng)跑”，李星宇最后總結(jié)道，擁抱開(kāi)源，構(gòu)建開(kāi)放、統(tǒng)一的技術(shù)體系，避免“煙囪式”發(fā)展、凝聚生態(tài)合力；綁定場(chǎng)景，與“AI+場(chǎng)景”深度綁定，以商業(yè)化場(chǎng)景打磨技術(shù)棧；培育人才，從社區(qū)和高校源頭入手，將國(guó)產(chǎn)AI算力技術(shù)棧融入人才培養(yǎng)體系。
隨后，摩爾線程副總裁王華作了題為《基于國(guó)產(chǎn)GPU集群的大規(guī)模訓(xùn)練實(shí)踐》的主題演講，系統(tǒng)介紹了大模型訓(xùn)練當(dāng)前面臨的挑戰(zhàn)、摩爾線程的軟件棧指出以及提升訓(xùn)練效率的關(guān)鍵技術(shù)與工具。
王華開(kāi)宗明義地介紹了萬(wàn)卡甚至更大規(guī)模的集群的必要性。他以Kimi、GPT-5、Grok等模型為例，揭示其計(jì)算量已超過(guò)了的102? FLOPs量級(jí)。在此背景下，集群規(guī)模成為壓縮訓(xùn)練時(shí)間的核心變量。
一組對(duì)比數(shù)據(jù)直觀而震撼：對(duì)于某個(gè)特定大模型，千卡集群需耗時(shí)173天，而在萬(wàn)卡集群上，即便模型浮點(diǎn)運(yùn)算利用率（MFU）會(huì)從40%降至30%，訓(xùn)練時(shí)間也能被大幅壓縮至23天。
“對(duì)于大模型來(lái)說(shuō)，訓(xùn)練非常關(guān)鍵?，F(xiàn)在模型的競(jìng)爭(zhēng)非常激烈，一些算法實(shí)驗(yàn)希望快速驗(yàn)證效果，而完成訓(xùn)練的時(shí)間越短越好，最好不要超過(guò)1個(gè)月?！蓖跞A強(qiáng)調(diào)道。
那么，如何系統(tǒng)性地駕馭這個(gè)龐大而復(fù)雜的生命周期？王華隨后分享了摩爾線程的“全棧應(yīng)對(duì)之道”。
在軟件生態(tài)上，摩爾線程提供了從Model Studio一站式平臺(tái)、深度融合的MT-MegatronLM與DeepSpeed框架、適配國(guó)產(chǎn)GPU的Torch-MUSA與MT-TransformerEngine，到底層MUSA計(jì)算庫(kù)及KuaE集群平臺(tái)的全棧支持。
此外，摩爾線程還構(gòu)建了一套貫穿訓(xùn)練前、中、后期的智能工具體系，旨在將不可控的風(fēng)險(xiǎn)轉(zhuǎn)化為可管理、可自動(dòng)恢復(fù)的常規(guī)操作。
在訓(xùn)練啟動(dòng)前，SimuMax 支持訓(xùn)練資源規(guī)劃與時(shí)間估算，并可驗(yàn)證優(yōu)化效果；起飛檢查對(duì)計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)及軟件環(huán)境進(jìn)行全面診斷，保障集群健康。
訓(xùn)練過(guò)程中，慢節(jié)點(diǎn)檢測(cè)系統(tǒng)實(shí)時(shí)定位硬件或通信異常；針對(duì)隱蔽的靜默數(shù)據(jù)錯(cuò)誤，通過(guò)硬件監(jiān)控與重運(yùn)行（Re-Run）等措施防范；Hang問(wèn)題可通過(guò)定位源頭節(jié)點(diǎn)并自動(dòng)重啟恢復(fù)；面對(duì) Inf/NaN 異常，系統(tǒng)可自動(dòng)檢測(cè)并通過(guò)重運(yùn)行或更換節(jié)點(diǎn)處置。
同時(shí)，分布式 Profiling 系統(tǒng)提供從輕量級(jí)實(shí)時(shí)洞察到全鏈路深度分析的能力，支撐持續(xù)性能調(diào)優(yōu)。
展望未來(lái)，摩爾線程以“為美好世界加速”為愿景，正致力于通過(guò)全功能GPU與全棧軟件能力的深度融合，為這場(chǎng)AI算力的極限挑戰(zhàn)提供堅(jiān)實(shí)、高效且智能的基礎(chǔ)設(shè)施。
云天勵(lì)飛技術(shù)副總裁羅憶，在大會(huì)上帶來(lái)題為《芯智AI筑基，普惠點(diǎn)亮未來(lái)》的主題演講。
作為深耕AI芯片與智能生態(tài)領(lǐng)域的資深從業(yè)者，羅憶見(jiàn)證了人工智能從技術(shù)突破到規(guī)?；瘧?yīng)用的演進(jìn)歷程，在算力芯片架構(gòu)創(chuàng)新、AI推理技術(shù)路線探索與產(chǎn)業(yè)生態(tài)落地等方面有著深厚積累。
羅憶指出，AI產(chǎn)業(yè)正從“模型訓(xùn)練”向“推理應(yīng)用”加速切換。2025年，AI芯片消耗將迎來(lái)重要轉(zhuǎn)折，推理芯片消耗量或?qū)⒊^(guò)訓(xùn)練芯片。這一判斷源于企業(yè)端推理需求的爆發(fā)：谷歌日調(diào)用量已達(dá)43萬(wàn)億Token，字節(jié)跳動(dòng)近期或突破40萬(wàn)億，云廠商如谷歌、亞馬遜等已加速自研推理芯片以應(yīng)對(duì)需求。
針對(duì)大模型應(yīng)用的“經(jīng)濟(jì)學(xué)困境”，羅憶強(qiáng)調(diào)成本優(yōu)化是關(guān)鍵。當(dāng)前萬(wàn)億參數(shù)模型面臨算力、帶寬等成本的“幾何級(jí)增長(zhǎng)”，需通過(guò)稀疏化、蒸餾化、量化優(yōu)化等技術(shù)降低門(mén)檻，推動(dòng)AI從“高成本探索”走向“規(guī)?；栈荨?。
談及中國(guó)AI發(fā)展路徑，羅憶總結(jié)為“數(shù)據(jù)飛輪”模式： 應(yīng)用生產(chǎn)數(shù)據(jù)-數(shù)據(jù)訓(xùn)練算法-算法定義芯片-芯片賦能規(guī)?；瘧?yīng)用 。區(qū)別于美國(guó)通過(guò)政策強(qiáng)推技術(shù)突破的路徑，中國(guó)以“人工智能+”計(jì)劃為核心，依托千行百業(yè)的場(chǎng)景落地反哺技術(shù)迭代，逐步縮短與美國(guó)在AI產(chǎn)業(yè)鏈上的差距。
在國(guó)產(chǎn)AI推理芯片方面，羅憶提出三個(gè)發(fā)展方向：軟件生態(tài)兼容，以平衡算法迭代與算力利用率；突破存儲(chǔ)技術(shù)瓶頸，支持3D memory技術(shù)；異構(gòu)計(jì)算與優(yōu)化性?xún)r(jià)比，目標(biāo)在未來(lái)三到五年內(nèi)讓百萬(wàn)Token成本降至1元以?xún)?nèi)。
云天勵(lì)飛作為國(guó)產(chǎn)AI芯片代表，已完成芯片架構(gòu)升級(jí)，實(shí)現(xiàn)全流程國(guó)產(chǎn)工藝轉(zhuǎn)型，構(gòu)建起覆蓋端邊云的產(chǎn)品矩陣。
論壇的最后一位嘉賓，是來(lái)自IO資本的創(chuàng)始合伙人趙占祥，他專(zhuān)注于硬科技與半導(dǎo)體領(lǐng)域的早期及成長(zhǎng)期投資，會(huì)上發(fā)表了題為《大模型時(shí)代，國(guó)產(chǎn)AI芯片破局的幾種新技術(shù)路線》 的演講。
趙占祥在演講伊始，就將話題聚焦于當(dāng)前的核心制約——在美國(guó)對(duì)華出口管制不斷升級(jí)，瞄準(zhǔn)先進(jìn)計(jì)算與先進(jìn)制造產(chǎn)業(yè)鏈的背景下，未來(lái)我們?cè)鯓釉诠に囀芟薜那闆r下超過(guò)英偉達(dá)？
“只能靠新的技術(shù)路徑?！壁w占祥給出了他的答案。
面對(duì)從先進(jìn)制程、HBM到先進(jìn)封裝的全面限制，國(guó)內(nèi)已涌現(xiàn)出一批從架構(gòu)革新、工藝融合、系統(tǒng)優(yōu)化入手的創(chuàng)新企業(yè)，其路徑呈現(xiàn)出多元化特征。趙占祥從云端AI芯片、邊緣AI芯片、端側(cè)AI芯片、loT末端AI芯片以及先進(jìn)封裝等不同方向，分享了不同企業(yè)的創(chuàng)新路線。
在數(shù)據(jù)中心的AI芯片，部分企業(yè)摒棄了對(duì)單卡算力的盲目追求，轉(zhuǎn)而構(gòu)建更高效的系統(tǒng)。例如，TPU路線通過(guò)打造大規(guī)模超節(jié)點(diǎn)、省去交換機(jī)和HBM，在集群層面追求更高性?xún)r(jià)比；以太網(wǎng)互聯(lián)網(wǎng)方案可以做到百萬(wàn)卡的分布式集群，允許丟包，可擴(kuò)展性更高。
在邊緣AI芯片方向，隨著桌面級(jí)AI應(yīng)用（如AI NAS、AI攝像頭）的井噴，專(zhuān)為這些場(chǎng)景設(shè)計(jì)的LPU架構(gòu)等應(yīng)運(yùn)而生，它們通過(guò)3D DRAM堆疊等技術(shù)，在有限功耗和成本下實(shí)現(xiàn)驚人的內(nèi)存帶寬。
在端側(cè)AI芯片方向，主要針對(duì)手機(jī)以及各種智算終端，存算一體與近存計(jì)算成為關(guān)鍵。無(wú)論是將計(jì)算單元嵌入存儲(chǔ)芯片的3D-CIM架構(gòu)，還是在LPDDR內(nèi)存中集成處理能力的PIM方案，目標(biāo)都是在手機(jī)有限的面積和功耗預(yù)算內(nèi)，流暢運(yùn)行數(shù)10億參數(shù)的大模型。
“3D DRAM，要靠先進(jìn)封裝”。趙占祥強(qiáng)調(diào)，大算力芯片正在向三維架構(gòu)變革，這使得先進(jìn)封裝及其檢測(cè)設(shè)備不再是配角，而是決定性能和良率的核心。
更進(jìn)一步，趙占祥直言：“光電合封，是下一代AI算力的基石。”能以數(shù)量級(jí)優(yōu)勢(shì)提升集成度、降低功耗，是突破現(xiàn)有電氣互聯(lián)瓶頸的關(guān)鍵方向。
“中國(guó)真正強(qiáng)的是，我們可以把應(yīng)用做好，有工程師紅利，我們?cè)诟鱾€(gè)領(lǐng)域都有不同的定制化方案和創(chuàng)新的解決路線?！壁w占祥的洞察揭示了此次芯片創(chuàng)新浪潮的驅(qū)動(dòng)力——不是單一技術(shù)的顛覆，而是在廣泛的應(yīng)用需求牽引下，通過(guò)多條技術(shù)路徑的并進(jìn)，系統(tǒng)性構(gòu)建自主的AI算力生態(tài)。
“誰(shuí)是下一個(gè)寒武紀(jì)？”——這場(chǎng)思辨在討論中暫告段落，答案并未指向某個(gè)具體名字，卻清晰揭示出：追問(wèn)本身，遠(yuǎn)比答案更重要。
本次論壇的意義，正在于將這一具體追問(wèn)，拓展為對(duì)產(chǎn)業(yè)未來(lái)的系統(tǒng)性審思——從技術(shù)路徑的抉擇、生態(tài)模式的構(gòu)建，到商業(yè)邏輯的沉淀。
尋找的過(guò)程，即是建構(gòu)的過(guò)程。
我們或許尚未見(jiàn)到最終的引領(lǐng)者，卻已在思辨中凝聚了共識(shí)，辨明了前行的方向與必須夯實(shí)的基石。
這份對(duì)前沿的探索與對(duì)創(chuàng)新的篤行，正是驅(qū)動(dòng)產(chǎn)業(yè)持續(xù)進(jìn)化的根本動(dòng)力。
我們期待，以此論壇為新的起點(diǎn)，產(chǎn)學(xué)研投各界能凝聚更廣泛的共識(shí)，形成更強(qiáng)大的合力。
智算新時(shí)代的帷幕已然拉開(kāi)，關(guān)于技術(shù)路徑、產(chǎn)業(yè)格局與未來(lái)定義的探討仍將延續(xù)，讓我們懷抱這份期待，在未來(lái)征程中，再次相聚，共見(jiàn)分曉。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
