◎記者 劉怡鶴 鄭維漢

　　9月17日，大模動(dòng)算在2025全球AI芯片峰會(huì )上，型驅I芯新機來(lái)自學(xué)術(shù)界、力革產(chǎn)業(yè)界及創(chuàng )投界的片迎破局代表齊聚一堂，共話(huà)AI芯片產(chǎn)業(yè)發(fā)展前景與落地之道。大模動(dòng)算

　　與會(huì )人士認為，型驅I芯新機隨著(zhù)大模型進(jìn)入爆發(fā)期，力革企業(yè)在軟件應用層和芯片底層技術(shù)快速發(fā)展，片迎破局國產(chǎn)大模型與芯片適配盤(pán)活存量資產(chǎn)，大模動(dòng)算政策推動(dòng)技術(shù)普及。型驅I芯新機多重利好因素催化下，力革我國芯片市場(chǎng)正進(jìn)一步打開(kāi)。片迎破局

　　“在我看來(lái)，大模動(dòng)算算力芯片是型驅I芯新機一個(gè)無(wú)窮大的賽道，因為人類(lèi)對算力的力革需求尚且看不到頭?！逼杖A資本管理合伙人蔣純表示，在這樣一條無(wú)窮大的賽道中，國內市場(chǎng)未被巨頭壟斷，為各類(lèi)企業(yè)和技術(shù)路線(xiàn)提供了發(fā)展窗口。

　　云天勵飛董事長(cháng)陳寧亦認為，在“政策+需求”的雙重驅動(dòng)下，國產(chǎn)AI推理芯片迎來(lái)絕佳發(fā)展機遇。從需求來(lái)看，一方面，從手機、平板、耳機、智能眼鏡等隨身產(chǎn)品，到家用電器、無(wú)人駕駛汽車(chē)和人形機器人等智能終端，未來(lái)都將具備語(yǔ)言交互能力，成為各類(lèi)場(chǎng)景下的超級個(gè)人助手。AI推理芯片將從端、邊、云多層次賦能AI軟件。另一方面，基于A(yíng)I推理芯片的推理算力網(wǎng)絡(luò )，將如同今天的電網(wǎng)和無(wú)線(xiàn)通信網(wǎng)絡(luò )一樣，成為第四次工業(yè)革命的重要基礎設施，無(wú)處不在。算力網(wǎng)絡(luò )將包含國家級大型算力中心、城市級超低時(shí)延的算力中心、大型產(chǎn)業(yè)園區的邊緣AI算力中心，甚至每個(gè)家庭都將配置家庭計算主機，用于部署私有化大模型，確保個(gè)人數據和隱私安全。

　　政策方面，國務(wù)院近期印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》，其中明確提出，到2027年，率先實(shí)現人工智能與6大重點(diǎn)領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應用普及率超70%，智能經(jīng)濟核心產(chǎn)業(yè)規?？焖僭鲩L(cháng)，人工智能在公共治理中的作用明顯增強，人工智能開(kāi)放合作體系不斷完善。到2030年，我國人工智能全面賦能高質(zhì)量發(fā)展，新一代智能終端、智能體等應用普及率超90%，智能經(jīng)濟成為我國經(jīng)濟發(fā)展的重要增長(cháng)極，推動(dòng)技術(shù)普惠和成果共享。

　　在A(yíng)I芯片整體增長(cháng)的大勢下，如何把握具體的技術(shù)賽道并做出能夠落地的好產(chǎn)品？

　　在IO資本創(chuàng )始合伙人趙占祥看來(lái)，無(wú)論是在當前的技術(shù)路線(xiàn)上有適當提升的、可以馬上解決當下問(wèn)題的成熟項目，還是存算一體、光子計算等更加前沿創(chuàng )新的技術(shù)路線(xiàn)，均值得關(guān)注。

　　想要進(jìn)一步做出好的AI芯片產(chǎn)品，則需要從AI算法或模型驅動(dòng)的角度進(jìn)行芯片設計。BV百度風(fēng)投董事總經(jīng)理劉水認為，投資人更希望看到真正的AI芯片，而非“芯片for AI”。這意味著(zhù)，按照原有的半導體思路設計芯片，使其能夠匹配AI場(chǎng)景，可能無(wú)法創(chuàng )造出一個(gè)好的AI芯片產(chǎn)品。

　　中山大學(xué)集成電路學(xué)院院長(cháng)王中風(fēng)認為，AI芯片目前面臨三大挑戰：一是深度神經(jīng)網(wǎng)絡(luò )模型訓練計算量與硬件摩爾定律之間存在“剪刀差”，模型規模呈現“超摩爾”增長(cháng)；二是GPU的算力與內存帶寬增長(cháng)之間呈現“剪刀差”，超過(guò)60%甚至80%的能耗和時(shí)間花在數據搬運上，而非計算；三是AI芯片設計從通用走向專(zhuān)用，從單一走向多元。

　　“破局之路在于‘打破范式，跨界融合’?！蓖踔酗L(fēng)說(shuō)，模型驅動(dòng)的高效芯片設計、應用驅動(dòng)的AI芯片創(chuàng )新，以及基于存算一體的芯片設計均是破局方向。軟件、算法與硬件將協(xié)同進(jìn)化，先進(jìn)的軟件棧（如MLIR、TVM）可促進(jìn)硬件更好發(fā)揮效能，神經(jīng)架構搜索（NAS）和壓縮量化技術(shù)可擴大硬件的有效算力。

　　圍繞共建智能時(shí)代的基礎設施，王中風(fēng)建議：一是開(kāi)放標準，推動(dòng)接口、互聯(lián)、指令集等的開(kāi)放，降低創(chuàng )新門(mén)檻；二是加強產(chǎn)學(xué)研深度合作，共同攻克存算一體、量智融合、新材料、新器件、新工藝等領(lǐng)域的技術(shù)難題；三是強化人才培養，培養兼具算法、架構、底層電路及軟件開(kāi)發(fā)等技能的交叉型人才。