深圳近日迎来一场聚焦AI算力发展的行业盛会，来自产学研投各领域的专家齐聚一堂，围绕算力技术突破、生态构建与商业落地展开深度探讨。与会者普遍认为，在算力基础设施化的趋势下，技术路径选择、生态系统建设与商业模式创新将成为决定产业格局的关键变量。
深圳理工大学算力微电子学院院长唐志敏在主题演讲中提出，软件生态是突破算力瓶颈的核心。他指出，传统芯片发展面临摩尔定律放缓与AI算力需求激增的双重挑战，异构计算虽成趋势，但编程复杂度与软件兼容性问题日益凸显。通过分析X86、ARM、RISC-V三大架构的生态竞争史，他强调中国需通过软件定义算力，在现有制程限制下实现效能最大化。这位亲历龙芯、海光CPU研发的专家特别提醒，GPGPU发展不能偏离图形渲染本质，系统厂商自研芯片需以提升产品溢价为目标。
鹏城实验室刘方明教授的报告聚焦大模型发展痛点。他观察到全球模型竞争正从"百模大战"转向"十模争锋"，但国产模型在能力差距、开源生态、工具链体系等方面仍存短板。实验室推出的2B参数模型实现全过程开源，涵盖数据配比、训练权重等核心环节。刘方明强调，模型优化需转向集约化路线，通过与气象、金融等行业的深度合作，推动大模型在典型场景中的示范应用。
燧原科技联合创始人李星宇用"淘汰赛"形容当前产业竞争态势。他披露，全球算力投资已超美国登月计划总投入，中国开源模型生成的Token量占全球总量过半。面对GPU生态竞争，李星宇提出三大破局路径：构建开放技术体系避免重复建设，绑定商业化场景打磨技术栈，从高校源头培养国产算力人才。据其透露，燧原产品已支撑多个国民级应用落地。
摩尔线程副总裁王华展示了万卡集群的实战经验。通过对比千卡与万卡集群的训练效率，他揭示集群规模对模型迭代速度的决定性作用。针对大模型训练中的稳定性难题，摩尔线程构建了覆盖训练全周期的智能工具链，包括资源规划、异常检测、自动恢复等模块。王华特别提到，分布式Profiling系统可实现从实时洞察到深度分析的性能调优。
云天励飞技术副总裁罗忆预测2025年将成为AI芯片消费拐点，推理芯片需求将超越训练芯片。他提出"数据飞轮"发展模式：应用产生数据、数据训练算法、算法定义芯片、芯片反哺应用。针对万亿参数模型的成本困境，罗忆认为稀疏化、蒸馏化等技术可将百万Token成本降至1元以内。云天励飞已完成全流程国产工艺转型，构建起覆盖端边云的产品矩阵。
IO资本创始合伙人赵占祥从投资视角剖析技术突围路径。面对美国对华技术管制，他提出系统级创新方案：云端芯片通过超节点设计省去HBM，边缘芯片采用3D DRAM堆叠提升内存带宽，端侧芯片探索存算一体架构。赵占祥特别强调先进封装的重要性，认为光电合封技术将突破现有电气互联瓶颈，成为下一代算力基石。他指出，中国工程师红利与定制化方案能力，正在催生多元化的技术路线。
这场持续整日的论坛未给出"下一个寒武纪"的明确答案，却勾勒出清晰的产业演进图谱。从底层芯片架构创新到上层应用生态构建，从技术路径选择到商业模式验证，参会者在思想碰撞中达成共识：算力产业的竞争已进入深水区，唯有技术、生态、商业三重维度协同突破，方能在未来格局中占据主动。
