證券時報網
梅雙
2025-12-03 23:49
在大模型步入深水區的當下，AI的下一個臨界點究竟在哪里？在2025 GIS全球創新峰會現場，深度學習奠基人、“AI教父”杰弗里·辛頓（Geoffrey Hinton）與云天勵飛董事長兼CEO陳寧，圍繞算力效率、AI向善與普惠未來展開了一場高密度對話。
活動現場（陳霞昌 攝）
一位代表全球人工智能基礎理論的最前沿，一位深耕專用算力與產業落地，卻在關鍵方向上形成高度共識：AI的未來，不再只是“更聰明”的競賽，而是“更高效、更安全、更普惠”的系統性競爭。
AI瓶頸正從“算法”轉向“算力效率”
在算力成本急劇攀升的今天，AI的真正瓶頸在哪里？
辛頓認為，現有計算體系在能耗和效率上面臨越來越大的壓力，未來需要在新的計算形態上進行更多探索。他提到，模擬計算、類腦芯片以及基于類器官的計算等方向，在理論上有望在功耗和通信能力上展現出明顯優勢。不過，他也明確表示，目前基于腦細胞類器官的計算研究仍處于非常早期的階段，還不足以承擔大規模AI負載，這條路仍然需要時間和長期投入來驗證。
陳寧則從工程一線給出呼應。他指出，GPU在深度學習早期扮演了重要角色，但本質仍是通用計算架構，并非為神經網絡量身定制。
“進入大模型和智能體時代，我們要回答的問題不再是‘能不能訓出來’，而是‘在多大能耗和成本下，讓多少人用得起’。”
圍繞這一判斷，云天勵飛以NPU為核心，將推出GPNPU架構，走“推理優先架構”路線，在矩陣/向量單元、存儲層級和帶寬利用上深度優化，目標是將100萬個token的生成成本，從約1美元壓到1美分，實現百倍級效率提升。
在這一點上，辛頓從新型計算范式的角度強調能效約束，陳寧從專用芯片與架構創新的角度回應同一問題，形成了對“算力效率將成為下一階段關鍵瓶頸”的共同判斷。
AI向善，既要可控也要可負擔
談到AI的長遠影響，辛頓明確表示，如果可以回到2012年，他仍會推動相關研究，但會更早、更大聲地提醒世界：AI風險是真實且需要前置應對的。
在他看來，“更強的AI”與“更安全的AI”不是兩條彼此對立的路線，而是必須同步推進的雙軌工程——一方面持續推動算法與能力上限，另一方面盡快建立清晰的安全邊界、技術治理機制和社會共識。
陳寧則從“誰真正受益”的角度，為“AI向善”加上了另一半定義。
他指出，如果AI只停留在少數科技巨頭的數據中心，只服務少部分機構和高凈值人群，再完美的技術也難言“向善”。真正有意義的AI，必須讓更多人用得起、用得上——當 AI 的使用成本被拉低到接近水電氣這種基礎設施的水平時，偏遠地區的學生、基層醫院和中小企業才有可能在教育、醫療、農業與生產中真正獲得增益。
在這一點上，辛頓關注“風險可控”，陳寧強調“成本可負擔”，兩條路徑指向同一底線：AI 向善，不只是“不作惡”，更要“有益且可及”。
下一場競爭，是“誰能讓更多人用得起AI”
而當討論話題轉向全球競爭格局，兩人不約而同地把“普惠能力”視作下一階段競爭的核心指標。
辛頓結合對長三角和粵港澳大灣區的觀察指出，前者在算法與軟件開發方面優勢明顯，后者在硬件制造與應用落地上更具活力。如果只做基礎研究、不落地應用，會變成新的“象牙塔”；如果只追逐短期應用、不推動底層架構與理念演進，則會透支未來競爭力。真正具備全球影響力的AI 生態，必然是“基礎理論 + 專用算力 + 大規模場景”相互強化的結果。
陳寧則給出了更具體的產業刻畫：他判斷，到2030年，全球AI芯片產業規模有望達到約5萬億美元，其中訓練芯片約占1萬億美元，而面向終端與行業側的推理/處理芯片有望達到4萬億美元，占比約80%。隨著智能體能力持續下沉，AI處理芯片將被廣泛嵌入眼鏡、耳機、手機、筆記本、家電以及各類企業設備之中，“像水、電、燃氣一樣，無處不在、按需取用”。
為了讓這張“算力底座”真正服務全球，陳寧介紹，云天勵飛已向國際相關機構提出建議，希望推動建立統一的AI處理芯片與推理網絡標準，讓不同國家和地區都能在同一張互聯互通的推理網絡上共享能力，尤其在醫療與教育等關乎民生的領域真正實現“AI for All”。
從“更聰明”到“更高效”，從“能不能做到”到“能不能讓更多人用得起、用得好”，這場對話讓外界看到了基礎理論與產業實踐在關鍵方向上的高度同頻：AI 的關鍵瓶頸正在轉向算力效率；AI 的價值，需要在安全與普惠之間找到平衡；下一階段的主戰場，是誰能把AI變成像水電氣一樣的基礎能力。
