編輯部 整理自 MEET2026
量子位 | 公眾號(hào) QbitAI

隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對(duì)于算力的需求與日俱增，這已經(jīng)成為廣泛共識(shí)。

與此同時(shí)，算法本身的規(guī)模和復(fù)雜度也在成倍增長(zhǎng)，讓整個(gè)行業(yè)正式邁入一個(gè)更高強(qiáng)度的算力周期，對(duì)此太初元碁聯(lián)合創(chuàng)始人兼首席運(yùn)營(yíng)官喬梁表示：

• 當(dāng)下行業(yè)應(yīng)用對(duì)于算力的需求與日俱增，AI需要算法實(shí)現(xiàn)毫秒級(jí)精確度，而這恰好帶動(dòng)算力需求呈指數(shù)級(jí)增長(zhǎng)。

這意味著，在未來(lái)的技術(shù)演進(jìn)中，高性能計(jì)算將貫穿生產(chǎn)制造、科學(xué)研究到AI落地的全鏈路，成為各類計(jì)算場(chǎng)景的底層支撐力量。

在本次量子位MEET2026智能未來(lái)大會(huì)上，喬梁圍繞超智融合、異構(gòu)融合等關(guān)鍵詞分享了自己對(duì)國(guó)產(chǎn)算力生態(tài)建設(shè)的看法：

目前，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來(lái)支撐，在這一背景下，“超智融合發(fā)展”已成為行業(yè)共識(shí)。

無(wú)論是AI算法的迭代，還是傳統(tǒng)科學(xué)計(jì)算的發(fā)展，未來(lái)的趨勢(shì)都會(huì)指向同一件事：在通用計(jì)算的場(chǎng)景下，通過(guò)硬件架構(gòu)的設(shè)計(jì)來(lái)實(shí)現(xiàn)異構(gòu)融合。

為了完整體現(xiàn)喬梁的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來(lái)更多啟發(fā)。

MEET2026智能未來(lái)大會(huì)是由量子位主辦的行業(yè)峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾1000+，線上直播觀眾320萬(wàn)+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• AI技術(shù)的成熟改變了傳統(tǒng)科學(xué)計(jì)算模式，高性能計(jì)算技術(shù)在傳統(tǒng)生產(chǎn)制造、科學(xué)研究和AI落地場(chǎng)景中貫穿始終。未來(lái)，硬件廠商和軟件開(kāi)發(fā)者都將面臨更大市場(chǎng)機(jī)會(huì)和發(fā)展前景。
• 超智融合是大勢(shì)所趨，將面向更多計(jì)算領(lǐng)域場(chǎng)景，需要綜合算力基礎(chǔ)設(shè)施提供智算底座。
• 單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計(jì)PC link，實(shí)現(xiàn)128卡芯片間高速互聯(lián)，為AI算法增長(zhǎng)提供硬件基礎(chǔ)。
• 接下來(lái)需要大規(guī)模擴(kuò)展和互聯(lián)系統(tǒng)，為AI算法提供硬件基礎(chǔ)。
• 國(guó)內(nèi)發(fā)展人工智能產(chǎn)業(yè)離不開(kāi)開(kāi)源生態(tài)，行業(yè)需要企業(yè)共同組建開(kāi)源平臺(tái)。

以下為喬梁演講全文：

算力時(shí)代的演進(jìn)：從傳統(tǒng)科學(xué)計(jì)算到“超智融合”

隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對(duì)于算力的需求與日俱增，這已經(jīng)成為廣泛共識(shí)，AI需要算法實(shí)現(xiàn)毫秒級(jí)精確度，而這恰好帶動(dòng)算力需求呈指數(shù)級(jí)增長(zhǎng)。

在過(guò)往，談?wù)摰接?jì)算，大家腦海中或許想到的是傳統(tǒng)科學(xué)領(lǐng)域的計(jì)算需求，在那個(gè)階段，我們說(shuō)算力不夠，需要建設(shè)超算中心作為算力支撐，這些是服務(wù)于科學(xué)計(jì)算領(lǐng)域?qū)Υ罅扛呔葦?shù)據(jù)以及復(fù)雜算法處理的需求。

目光轉(zhuǎn)移至當(dāng)下，AI爆發(fā)后，我們更多需要以AI算法的泛化性來(lái)看待算力需求問(wèn)題。

換言之，如今AI對(duì)于算力龐大的需求，是泛化性所帶來(lái)的，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來(lái)支撐。

在這一背景下，超智融合發(fā)展成為共識(shí)。

作為一家聚焦高性能計(jì)算的國(guó)產(chǎn)AI芯片企業(yè)，今天我們給大家分享太初元碁是如何推動(dòng)高性能計(jì)算加人工智能（HPC+AI）落地，以及一些行業(yè)發(fā)展思考。

早些年可以看到，國(guó)內(nèi)的超算中心多聚焦氣候氣象、流體力學(xué)等領(lǐng)域的科學(xué)計(jì)算分析，數(shù)智時(shí)代的到來(lái)，伴隨著AI技術(shù)日趨成熟，科學(xué)計(jì)算的關(guān)注點(diǎn)與計(jì)算模式也正在被改變。

面向未來(lái)，我們認(rèn)為高性能計(jì)算都將貫穿從傳統(tǒng)科學(xué)研究到生產(chǎn)制造，甚至AI+的落地應(yīng)用的各類場(chǎng)景，其重要性不言而喻。

基于此，對(duì)于硬件廠商、軟件開(kāi)發(fā)者而言，機(jī)會(huì)和前景都是無(wú)限的，市場(chǎng)潛力也是無(wú)限的，AI推動(dòng)產(chǎn)業(yè)完成時(shí)代進(jìn)化是不可阻擋的。

異構(gòu)眾核、開(kāi)源生態(tài)與算力系統(tǒng)：太初元碁的技術(shù)路線

最近一段時(shí)間AI for science大家關(guān)注度也很高，太初元碁自身基于高性能計(jì)算領(lǐng)域的深耕優(yōu)勢(shì)，我們也嘗試在很多科學(xué)計(jì)算領(lǐng)域去提速賦能。

2016年神威·太湖之光采用了有別于ASIC或DSA等的異構(gòu)眾核通用計(jì)算架構(gòu)，實(shí)現(xiàn)了純國(guó)產(chǎn)自主可控的硬件架構(gòu)和生態(tài)體系。

在這之后，放眼全球，日本、美國(guó)等國(guó)家的超算中心也在探索異構(gòu)眾核計(jì)算系統(tǒng)技術(shù)路線。

我們認(rèn)為，不管AI算法迭代還是傳統(tǒng)科學(xué)計(jì)算領(lǐng)域過(guò)程的發(fā)展，未來(lái)是一個(gè)在通用計(jì)算場(chǎng)景下，通過(guò)硬件架構(gòu)的設(shè)計(jì)實(shí)現(xiàn)異構(gòu)融合的過(guò)程。

目前不管是頭部企業(yè)還是知名廠商，為了更好支持各類計(jì)算場(chǎng)景，我們都能看到大家在不同維度上嘗試了把異構(gòu)眾核進(jìn)行融合。

太初元碁一直也是異構(gòu)眾核架構(gòu)技術(shù)路線的支持者，無(wú)論是早期參與神威·太湖之光的建設(shè)，還是后續(xù)我們推出的AI芯片，我們發(fā)現(xiàn)AI算法逐漸向低精度轉(zhuǎn)化。

因此我們也采用了一些細(xì)粒度的并行優(yōu)化技術(shù)，在硬件層面上保證基于通用計(jì)算場(chǎng)景的前提下，更好支持AI場(chǎng)景的落地。

目前，單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計(jì)的TC link，可以實(shí)現(xiàn)128卡間的scale up高速互聯(lián)拓展，為AI算法增長(zhǎng)提供硬件基礎(chǔ)。未來(lái)也需要集成度更高的高性能計(jì)算系統(tǒng)，為AI算法提供硬件基礎(chǔ)。

太初元碁主要優(yōu)勢(shì)之一在于算力中心建設(shè)上，服務(wù)于大模型訓(xùn)練包括大型應(yīng)用場(chǎng)景。

同時(shí)，我們也聚焦垂直行業(yè)的應(yīng)用落地，例如，我們與龍芯中科推出AI工作站，基于國(guó)產(chǎn)CPU+GPU模式打造針對(duì)具體行業(yè)的AI硬件。

AI在千行百業(yè)落地離不開(kāi)開(kāi)源生態(tài)，我們認(rèn)為行業(yè)需要企業(yè)共同組建開(kāi)源平臺(tái)來(lái)推動(dòng)未來(lái)發(fā)展，我們也希望進(jìn)一步把我們底層硬件、軟件進(jìn)行開(kāi)源，吸引大家一起把整個(gè)AI產(chǎn)業(yè)生態(tài)建立起來(lái)。

HPC+AI在科研、能源、低空經(jīng)濟(jì)的落地實(shí)踐

回到具體的應(yīng)用落地層面，太初元碁基于技術(shù)視角服務(wù)科研計(jì)算行業(yè)，比如參與國(guó)內(nèi)多地公共算力基礎(chǔ)設(shè)施建設(shè)、與高校和科研機(jī)構(gòu)開(kāi)展聯(lián)合課題攻關(guān)等等。

同時(shí)，我們也希望借助我們?cè)诟咝阅苡?jì)算領(lǐng)域里的經(jīng)驗(yàn)和優(yōu)勢(shì)，能為教科研領(lǐng)域的用戶進(jìn)行深度賦能。

舉個(gè)例子，最近大家可能在關(guān)注AI Agent出來(lái)后，更多的編程任務(wù)是不是可以借助AI來(lái)進(jìn)行代碼開(kāi)發(fā)，通過(guò)AI加速實(shí)現(xiàn)代碼開(kāi)發(fā)高效化，這也是未來(lái)AI產(chǎn)業(yè)生態(tài)發(fā)展的一大機(jī)遇。

我們深度參與了百度飛槳社群的建設(shè)，太初元碁跟百度的團(tuán)隊(duì)也開(kāi)展了很多合作，去年，我們一起完成了AlphaFold3蛋白預(yù)測(cè)模型的國(guó)產(chǎn)平臺(tái)復(fù)現(xiàn)。

同時(shí)我們也在科研領(lǐng)域通過(guò)利用HPC計(jì)算集群生成很多大量、高精度的數(shù)值模擬數(shù)據(jù)，優(yōu)化AI模型的參數(shù)，從而加速實(shí)現(xiàn)科研上的突破，例如我們與湖南大學(xué)在生物醫(yī)藥科研領(lǐng)域也開(kāi)展了一些合作，取得了一定階段性成果。

針對(duì)氣候氣象領(lǐng)域，大家都比較了解，氣候氣象是高性能計(jì)算最為擅長(zhǎng)的領(lǐng)域，現(xiàn)在我們發(fā)現(xiàn)，隨著算力的發(fā)展，新能源相關(guān)的需求也越來(lái)越大。

AI產(chǎn)業(yè)的發(fā)展，除了硬件作為底層支撐外，能源供應(yīng)也扮演重要角色，換言之，能源利用或成為影響AI發(fā)展的主要限制因素。

對(duì)此，我們通過(guò)HPC算法對(duì)氣候氣象領(lǐng)域進(jìn)行數(shù)據(jù)分析，再結(jié)合AI算法實(shí)現(xiàn)能源利用效率的提升，在全國(guó)發(fā)電站、發(fā)電場(chǎng)景里用AI替代一部分預(yù)測(cè)預(yù)判的算法，更好支撐全國(guó)各地建設(shè)或者支持算力基礎(chǔ)設(shè)施的發(fā)展。

最后是低空經(jīng)濟(jì)領(lǐng)域，這也是熱度比較高的領(lǐng)域，這塊也是非常經(jīng)典的HPC+AI的場(chǎng)景。

我們通過(guò)HPC高精度的建模實(shí)現(xiàn)一定區(qū)域內(nèi)氣象數(shù)據(jù)的分析，通過(guò)這些模型建立之后再導(dǎo)入到AI模型里，快速更好的支撐低空領(lǐng)域下AI Agent的發(fā)展。