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」專場在深圳·博林天瑞喜來登酒店正式啟幕。
作為國內前沿技術與產(chǎn)業(yè)變革的重要風向標，GAIR大會歷經(jīng)七屆積淀，見證并推動了中國 AI 產(chǎn)業(yè)從算法突破、硬件迭代，到商業(yè)落地的完整過程。本屆論壇直面智能體系的底層核心——算力，從架構、生態(tài)、工具鏈到產(chǎn)業(yè)化落地，探尋未來十年的關鍵變量。
上午場以「誰是下一個寒武紀」為主題，六位來自產(chǎn)、學、研、投等多個維度的嘉賓依次登臺，以不同視角揭示國產(chǎn)算力的現(xiàn)狀與未來——這不僅是在探尋一家明星企業(yè)，更是在追問：
在算力成為基礎設施的時代，究竟什么樣的技術路徑、生態(tài)戰(zhàn)略和商業(yè)邏輯，能夠穿越周期，占據(jù)未來價值鏈的頂端？
從最底層的芯片架構哲學，到最頂層的應用落地挑戰(zhàn)，一幅更立體、更清晰、也更具方向感的圖景，正在這場大會中緩緩展開。
首位登場演講的嘉賓是深圳理工大學算力微電子學院院長，龍芯 CPU、海光 CPU 創(chuàng)始人唐志敏。深耕微電子與算力領域三十余載，唐志敏院長親歷了中國自主芯片從無到有、從弱到強的攻堅歷程，更在算力芯片（XPU）的體系結構、軟件生態(tài)與產(chǎn)業(yè)發(fā)展領域有著深厚積淀，對于算力時代下芯片技術突破瓶頸、產(chǎn)業(yè)生態(tài)構建難點，有著獨到且深刻的洞察。
唐志敏院長在大會上帶來了關于《XPU的未來——軟件定義成敗》的主題演講，從算力時代XPU發(fā)展的核心痛點切入，系統(tǒng)剖析軟件生態(tài)對算力芯片產(chǎn)業(yè)的決定性作用。
“我們不僅創(chuàng)造了‘算力’，還為它賦予了國際表達——computility?！碧浦久糸_篇點明，算力正在向“水、電般的公共事業(yè)”進化。他進一步延伸，隨著生成式AI的爆發(fā)，算力衍生出“訓力”（快速訓練大模型的能力）與“推力”（基于大模型輸出結果的能力），甚至幽默展望：“未來會不會出現(xiàn)‘演力’，直接把金庸小說變成電視??？”這些鮮活的概念，既是技術趨勢的提煉，更傳遞出中國科技界對定義未來的主動思考。
“當前算力芯片的發(fā)展，像在爬一座越來越陡峭的山，技術迭代速度卻越來越慢?！碧浦久粢孕蜗蟮谋扔髦赋龊诵拿埽阂环矫妫柖煞啪弻е翪PU等傳統(tǒng)處理器發(fā)展受限；另一方面，生成式AI對算力的需求呈指數(shù)級增長。
為應對這一矛盾，學術界與工業(yè)界正推動“異構計算”（CPU+XPU），但新問題隨之而來——“我們有了很多種樂器，卻沒有統(tǒng)一的樂譜”，編程復雜度激增、軟件兼容性差成為新瓶頸。
“生態(tài)是繞不開的命題?！碧浦久粢詳?shù)據(jù)佐證：X86架構歷經(jīng)四五十年沉淀，其軟件生態(tài)壁壘極高，ARM雖在手機領域稱雄，卻在服務器市場屢屢碰壁；RISC-V雖被視為“破局者”，但商業(yè)化之路同樣艱難。
他特別強調指令系統(tǒng)的重要性：“英特爾持續(xù)向X86架構中添加新指令，正是生態(tài)競爭的關鍵動作。”談及自主創(chuàng)新案例，他舉例：“我們在研發(fā)海光CPU時，阿里云為何優(yōu)先選擇英特爾？因為軟件優(yōu)化的積累，才是用戶選擇的核心。”
唐志敏強調，當前算力性能突破需跨學科交叉與軟件深度優(yōu)化雙輪驅動。他以Linpack測試為例，指出應用軟件性能提升難度遠超硬件迭代，通過軟硬件協(xié)同優(yōu)化，在現(xiàn)有制程限制下實現(xiàn)算力效能最大化。“中國半導體受全球趨勢及制程限制，必須通過軟件定義算力，打破傳統(tǒng)軟硬件隔閡?！?/p>
針對GPGPU發(fā)展現(xiàn)狀，唐志敏警示部分產(chǎn)品已偏離GPU本質功能。他以生成式AI場景為例，說明圖形渲染、著色等基礎能力的重要性："將小說轉化為電視劇，既需要GPT的內容生成，也依賴GPU的視覺呈現(xiàn)。" 同時，他分析系統(tǒng)廠商自研芯片浪潮時指出，蘋果的成功在于通過自研CPU實現(xiàn)產(chǎn)品增值與全棧軟件掌控，而"未能提升產(chǎn)品溢價的自研芯片終將面臨市場挑戰(zhàn)"。
在架構創(chuàng)新層面，唐志敏明確反對指令系統(tǒng)碎片化："現(xiàn)有指令系統(tǒng)足以支撐架構創(chuàng)新，RISC-V應成為產(chǎn)業(yè)統(tǒng)一標準。"他認為，計算芯片產(chǎn)業(yè)正呈現(xiàn)螺旋式發(fā)展，未來將回歸融合異構特性的CPU中心化架構，而RISC-V的包容性可有效整合CPU、GPU及AI處理器特性，通過開源體系突破生態(tài)壁壘。
“套用三國定律來理解芯片生態(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計算，CPU和XPU聯(lián)合起來，但也會面臨很多問題，我們希望在將來回歸到以CPU為中心的大一統(tǒng)，總體就說一個否定之否定的過程?！碧浦久粼洪L最后總結稱。
面向AI大模型和智能體興起的機遇和挑戰(zhàn)，第二位演講嘉賓劉方明教授作了題為《國產(chǎn)算力驅動的大模型體系化挑戰(zhàn)：全生命周期工具鏈與示范應用》的主題報告。
首先，劉方明教授分析了當前大模型的發(fā)展趨勢。他指出，當前算力中心和芯片等AI Infrastructure需要智算應用驅動，全球范圍內大模型數(shù)量和智能體應用已呈爆發(fā)式增長。
但他同時觀察到一種新動向：“隨著DeepSeek的推出，全球模型有從‘百模大戰(zhàn)’向‘十模爭鋒’的收斂趨勢?！?/p>
針對國內大模型發(fā)展生態(tài)，他指出當前仍面臨“野蠻生長”帶來的多重挑戰(zhàn)：國產(chǎn)模型能力存在差距、開源率低、工具鏈缺乏體系化、評測標準不統(tǒng)一以及價值對齊合規(guī)安全仍需技術保障。
他進一步介紹了鵬城實驗室作為國家實驗室的獨特定位——“保底線”，致力于在極端情況下保障國產(chǎn)算力主權和模型的自主可控。
“現(xiàn)在模型正逐漸走向集約化路線，不是只比誰規(guī)模大、暴力出奇跡了，而是看誰能用最少的數(shù)據(jù)、最少的算力、最少的能耗做出好用的模型。”劉方明尤其強調了范式的轉變。
鵬城實驗室在發(fā)布了2000億參數(shù)的大語言模型后，又推出了33B和2B參數(shù)的中小尺寸模型，并將2B參數(shù)模型全過程開源，包括所有數(shù)據(jù)和數(shù)據(jù)配比、權重和訓練環(huán)節(jié)，方便用戶復現(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、硬件是靠用出來的。”目前，鵬城實驗室正與氣象、金融、文博、生態(tài)環(huán)境、智能制造等行業(yè)合作，推動大模型在典型場景中的示范應用，以實踐驅動國產(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)資深專家李星宇，在大會上帶來題為《時不我待，破局國產(chǎn)AI算力技術生態(tài)》的主題演講。
作為國產(chǎn)AI算力領域的深耕者與實踐者，李星宇親歷了國產(chǎn)算力芯片從技術攻堅到商業(yè)化落地的全歷程，在算力硬件創(chuàng)新、軟件生態(tài)構建與產(chǎn)業(yè)場景融合等領域有著豐富經(jīng)驗。
李星宇拋出一組關鍵數(shù)據(jù)：“今年全球算力投資資本支出預計將超過4600億美金，超過美國登月計劃的總投入。”他解釋，當前全球頂級互聯(lián)網(wǎng)公司在AI領域的大部分資本支出（CapEx）用于算力采購，中國市場同樣如此，BAT等互聯(lián)網(wǎng)大廠占據(jù)了68%以上的份額。
從商業(yè)化應用看，AI正加速滲透至AI編程、數(shù)字IP內容領域。李星宇提到，“AIGC在數(shù)字人、游戲、影視行業(yè)今年國內產(chǎn)值預計超1000億，全球數(shù)字內容生成市場規(guī)模已近500億美金，加上AI編程領域、虛擬交互這三大場景構成了當前AI商業(yè)化的主戰(zhàn)場?！?/p>
而在這三大主戰(zhàn)場背后，GPU作為核心算力載體，其競爭的勝負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)的勝負手?！?/p>
而中國的表現(xiàn)令全球矚目。李星宇強調，“中國已成為大模型領域的開源生態(tài)領導者。HuggingFace Top10模型中，9個來自中國公司。更關鍵的是，在實際商業(yè)化場景中，中國開源模型生成的Token量已超過全球其他開源模型總和。
談及技術演進，李星宇指出，軟硬結合，AI算法需求驅動計算架構持續(xù)創(chuàng)新，數(shù)據(jù)格式的創(chuàng)新和優(yōu)化帶來了算力性能的提升，從FP32到FP16再到FP8和FP4，每一次迭代都需要硬件架構的支持和軟件生態(tài)的集成優(yōu)化。
硬件層面，技術棧的范圍從單芯片加速向超大規(guī)模系統(tǒng)工程演進，在單芯片架構層面，需要CPU和XPU整個異構系統(tǒng)的軟硬件協(xié)同優(yōu)化，綜合標量、向量和張量計算，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、系統(tǒng)分級存儲、以及液冷等挑戰(zhàn)。
“國產(chǎn)算力行業(yè)將迎來淘汰賽?！崩钚怯钪毖?，由于系統(tǒng)級產(chǎn)品研發(fā)需海量資金投入，今年國內算力企業(yè)正全力沖擊資本市場，預計未來一年A股和港股至少6家公司沖刺上市。資金和技術儲備不足、生態(tài)布局薄弱的企業(yè)或將加速出局。得益于豐富的商業(yè)化應用場景，燧原的產(chǎn)品迭代獲得了堅實支撐，國民級爆款應用已經(jīng)用到了燧原的算力。
“破局國產(chǎn)算力技術生態(tài)，是一場技術、商業(yè)與人才的長跑”，李星宇最后總結道，擁抱開源，構建開放、統(tǒng)一的技術體系，避免“煙囪式”發(fā)展、凝聚生態(tài)合力；綁定場景，與“AI+場景”深度綁定，以商業(yè)化場景打磨技術棧；培育人才，從社區(qū)和高校源頭入手，將國產(chǎn)AI算力技術棧融入人才培養(yǎng)體系。
隨后，摩爾線程副總裁王華作了題為《基于國產(chǎn)GPU集群的大規(guī)模訓練實踐》的主題演講，系統(tǒng)介紹了大模型訓練當前面臨的挑戰(zhàn)、摩爾線程的軟件棧指出以及提升訓練效率的關鍵技術與工具。
王華開宗明義地介紹了萬卡甚至更大規(guī)模的集群的必要性。他以Kimi、GPT-5、Grok等模型為例，揭示其計算量已超過了的102? FLOPs量級。在此背景下，集群規(guī)模成為壓縮訓練時間的核心變量。
一組對比數(shù)據(jù)直觀而震撼：對于某個特定大模型，千卡集群需耗時173天，而在萬卡集群上，即便模型浮點運算利用率（MFU）會從40%降至30%，訓練時間也能被大幅壓縮至23天。
“對于大模型來說，訓練非常關鍵?，F(xiàn)在模型的競爭非常激烈，一些算法實驗希望快速驗證效果，而完成訓練的時間越短越好，最好不要超過1個月?！蓖跞A強調道。
那么，如何系統(tǒng)性地駕馭這個龐大而復雜的生命周期？王華隨后分享了摩爾線程的“全棧應對之道”。
在軟件生態(tài)上，摩爾線程提供了從Model Studio一站式平臺、深度融合的MT-MegatronLM與DeepSpeed框架、適配國產(chǎn)GPU的Torch-MUSA與MT-TransformerEngine，到底層MUSA計算庫及KuaE集群平臺的全棧支持。
此外，摩爾線程還構建了一套貫穿訓練前、中、后期的智能工具體系，旨在將不可控的風險轉化為可管理、可自動恢復的常規(guī)操作。
在訓練啟動前，SimuMax 支持訓練資源規(guī)劃與時間估算，并可驗證優(yōu)化效果；起飛檢查對計算、網(wǎng)絡、存儲及軟件環(huán)境進行全面診斷，保障集群健康。
訓練過程中，慢節(jié)點檢測系統(tǒng)實時定位硬件或通信異常；針對隱蔽的靜默數(shù)據(jù)錯誤，通過硬件監(jiān)控與重運行（Re-Run）等措施防范；Hang問題可通過定位源頭節(jié)點并自動重啟恢復；面對 Inf/NaN 異常，系統(tǒng)可自動檢測并通過重運行或更換節(jié)點處置。
同時，分布式 Profiling 系統(tǒng)提供從輕量級實時洞察到全鏈路深度分析的能力，支撐持續(xù)性能調優(yōu)。
展望未來，摩爾線程以“為美好世界加速”為愿景，正致力于通過全功能GPU與全棧軟件能力的深度融合，為這場AI算力的極限挑戰(zhàn)提供堅實、高效且智能的基礎設施。
云天勵飛技術副總裁羅憶，在大會上帶來題為《芯智AI筑基，普惠點亮未來》的主題演講。
作為深耕AI芯片與智能生態(tài)領域的資深從業(yè)者，羅憶見證了人工智能從技術突破到規(guī)?；瘧玫难葸M歷程，在算力芯片架構創(chuàng)新、AI推理技術路線探索與產(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“模型訓練”向“推理應用”加速切換。2025年，AI芯片消耗將迎來重要轉折，推理芯片消耗量或將超過訓練芯片。這一判斷源于企業(yè)端推理需求的爆發(fā)：谷歌日調用量已達43萬億Token，字節(jié)跳動近期或突破40萬億，云廠商如谷歌、亞馬遜等已加速自研推理芯片以應對需求。
針對大模型應用的“經(jīng)濟學困境”，羅憶強調成本優(yōu)化是關鍵。當前萬億參數(shù)模型面臨算力、帶寬等成本的“幾何級增長”，需通過稀疏化、蒸餾化、量化優(yōu)化等技術降低門檻，推動AI從“高成本探索”走向“規(guī)?；栈荨薄?/p>
談及中國AI發(fā)展路徑，羅憶總結為“數(shù)據(jù)飛輪”模式： 應用生產(chǎn)數(shù)據(jù)-數(shù)據(jù)訓練算法-算法定義芯片-芯片賦能規(guī)?；瘧?。區(qū)別于美國通過政策強推技術突破的路徑，中國以“人工智能+”計劃為核心，依托千行百業(yè)的場景落地反哺技術迭代，逐步縮短與美國在AI產(chǎn)業(yè)鏈上的差距。
在國產(chǎn)AI推理芯片方面，羅憶提出三個發(fā)展方向：軟件生態(tài)兼容，以平衡算法迭代與算力利用率；突破存儲技術瓶頸，支持3D memory技術；異構計算與優(yōu)化性價比，目標在未來三到五年內讓百萬Token成本降至1元以內。
云天勵飛作為國產(chǎn)AI芯片代表，已完成芯片架構升級，實現(xiàn)全流程國產(chǎn)工藝轉型，構建起覆蓋端邊云的產(chǎn)品矩陣。
論壇的最后一位嘉賓，是來自IO資本的創(chuàng)始合伙人趙占祥，他專注于硬科技與半導體領域的早期及成長期投資，會上發(fā)表了題為《大模型時代，國產(chǎn)AI芯片破局的幾種新技術路線》 的演講。
趙占祥在演講伊始，就將話題聚焦于當前的核心制約——在美國對華出口管制不斷升級，瞄準先進計算與先進制造產(chǎn)業(yè)鏈的背景下，未來我們怎樣在工藝受限的情況下超過英偉達？
“只能靠新的技術路徑?！壁w占祥給出了他的答案。
面對從先進制程、HBM到先進封裝的全面限制，國內已涌現(xiàn)出一批從架構革新、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AI芯片、loT末端AI芯片以及先進封裝等不同方向，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)摒棄了對單卡算力的盲目追求，轉而構建更高效的系統(tǒng)。例如，TPU路線通過打造大規(guī)模超節(jié)點、省去交換機和HBM，在集群層面追求更高性價比；以太網(wǎng)互聯(lián)網(wǎng)方案可以做到百萬卡的分布式集群，允許丟包，可擴展性更高。
在邊緣AI芯片方向，隨著桌面級AI應用（如AI NAS、AI攝像頭）的井噴，專為這些場景設計的LPU架構等應運而生，它們通過3D DRAM堆疊等技術，在有限功耗和成本下實現(xiàn)驚人的內存帶寬。
在端側AI芯片方向，主要針對手機以及各種智算終端，存算一體與近存計算成為關鍵。無論是將計算單元嵌入存儲芯片的3D-CIM架構，還是在LPDDR內存中集成處理能力的PIM方案，目標都是在手機有限的面積和功耗預算內，流暢運行數(shù)10億參數(shù)的大模型。
“3D DRAM，要靠先進封裝”。趙占祥強調，大算力芯片正在向三維架構變革，這使得先進封裝及其檢測設備不再是配角，而是決定性能和良率的核心。
更進一步，趙占祥直言：“光電合封，是下一代AI算力的基石?！蹦芤詳?shù)量級優(yōu)勢提升集成度、降低功耗，是突破現(xiàn)有電氣互聯(lián)瓶頸的關鍵方向。
“中國真正強的是，我們可以把應用做好，有工程師紅利，我們在各個領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)新浪潮的驅動力——不是單一技術的顛覆，而是在廣泛的應用需求牽引下，通過多條技術路徑的并進，系統(tǒng)性構建自主的AI算力生態(tài)。
“誰是下一個寒武紀？”——這場思辨在討論中暫告段落，答案并未指向某個具體名字，卻清晰揭示出：追問本身，遠比答案更重要。
本次論壇的意義，正在于將這一具體追問，拓展為對產(chǎn)業(yè)未來的系統(tǒng)性審思——從技術路徑的抉擇、生態(tài)模式的構建，到商業(yè)邏輯的沉淀。
尋找的過程，即是建構的過程。
我們或許尚未見到最終的引領者，卻已在思辨中凝聚了共識，辨明了前行的方向與必須夯實的基石。
這份對前沿的探索與對創(chuàng)新的篤行，正是驅動產(chǎn)業(yè)持續(xù)進化的根本動力。
我們期待，以此論壇為新的起點，產(chǎn)學研投各界能凝聚更廣泛的共識，形成更強大的合力。
智算新時代的帷幕已然拉開，關于技術路徑、產(chǎn)業(yè)格局與未來定義的探討仍將延續(xù)，讓我們懷抱這份期待，在未來征程中，再次相聚，共見分曉。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
