吳軍 × 陳寧丨尋找 AI 芯片下一個浪潮

（來源：雲天勵飛）

9月6日下午，以「智匯全球·綠創未來」為主題的全球創新峰會（深圳）在深圳市南山區舉辦。

雲天勵飛董事長兼CEO陳寧博士受邀出席，並與硅谷知名計算機科學家、《浪潮之巔》作者吳軍博士展開創新巔峰對話。

吳軍博士與陳寧博士圍繞人工智能產業發展路徑、技術突破與全球競爭格局展開深度交流。

吳軍博士首先探討了人工智能在平臺、算力與應用三大層面的發展現狀及存在的瓶頸。

陳寧博士則從技術要素角度進行分析，指出中國在應用落地、系統集成以及部分數據資源方面已形成獨特優勢，尤其是大灣區在智能硬件與 AI 融合領域展現出明顯的競爭力。

陳寧博士強調，當前人工智能正從「訓練時代」邁向「推理時代」，低功耗、高能效的推理芯片需求正快速崛起，推動終端應用普及。

雙方均認為，不能簡單以單一技術指標衡量發展差距，而應結合具體應用場景、商業化成熟度及生態完善度進行綜合判斷，同時強調大規模應用推廣和全球化市場佈局對未來發展至關重要。

在觀眾互動環節，現場提問圍繞國內外技術對標、發展差距評估等現實問題展開。

陳寧博士迴應指出，行業對比需全面考慮技術性能、軟件生態、應用適配等多維因素，不能簡單以個別企業或產品作為對標對象；在差距評估方面，應區分技術迭代周期與應用落地階段，理性看待動態發展中的相對位置。

雙方均表示，中國在應用推廣和市場滲透方面進展顯著，未來有望通過AI規模化應用帶動技術升級，並通過全球化合作提升產業國際競爭力。

吳軍：陳總是直接從事人工智能產業的專家，所以剛纔想向您請教。如果簡單地把AI產業劃分爲平臺、算力和應用三個層面，您覺得目前在國內，哪些方面發展得比較好，哪些方面還相對薄弱？或者説，哪些領域還有更多機會吸引人才和企業加入？

陳寧：很高興能與吳博士交流。美國多年前曾發佈了一份報告，指出人工智能的幾個核心要素——芯片、算法、人才、數據、應用、系統集成，中國的優勢在於后三者。

有分析師認為，人才是流動的，算法是一套數學模型，可以通過交流快速追趕和獲取。唯獨芯片，它具備一定的壟斷屬性。從英偉達的芯片銷售，到光刻機設備的製造、工藝和材料，整個鏈條都在對中國的高性能芯片產業進行投資、人才和服務上的限制，試圖延緩中國在這一領域的追趕。

在這樣的大背景下，我個人有幾個觀點。

應用系統：中國肯定是全球領先的。

數據：中國有差異化的優勢，尤其是在中文語料和物聯網的傳感數據上。但在互聯網的人類知識數據方面，過去六年我們是有劣勢的。不過，最近幾年我們在快速追趕。可以説，在算法層面，到今年年初，我們與國際先進水平的差距已經縮小到12個月以內。在應用層面，中國也有自己獨特的優勢。

商業模式：但在中國，像SaaS（軟件即服務）或面向中小企業的AI服務收費模式，似乎發展得並不順利。在美國，OpenAI以及許多SaaS公司，包括Cursor，都能成功收費。但在中國，無論是做基礎大模型的公司，還是做AI Agent的應用公司，都很難實現商業閉環。所以，在應用層面，中美各有差異。

另外，在中國，AI與智能硬件的結合是一個巨大的機會，尤其是在粵港澳大灣區。粵港澳大灣區全球創新指數躍居全球第一，靠的就是機電一體化的優勢。大灣區幾乎是全球唯一一個能夠把智能硬件與AI結合得最好的區域。因此，中國的應用機會可能更多地體現在「AI+智能硬件」的結合上。而最大的挑戰，我認為就是芯片。

吳軍： 我先補充一點，然后再問您關於芯片的問題。其實大家今天瞭解比較多的美國企業是OpenAI，但它本身也未必能完全收回成本，基本上不怎麼賺錢。真正能賺大錢的是像Databricks這樣的公司，一上市就獲得了幾十億美元的估值。它的利潤也很高，因為它解決了企業級數據處理的痛點。

而且，美國是企業家在主導，他們非常懂得如何為價值付費。比如，一個企業級軟件的座位，每年可能收費150美元，這在美國是普遍現象。所以，像Oracle等公司都做得很好。中國非常遺憾的是，所有這些獨立的軟件公司加起來的總和，可能還不如美國一家公司。這是一個很遺憾的事。

講到芯片，當然現在基本上已經沒人再提英特爾了，因為它技術路線走錯了，基本退出了這個競爭。暫時我不覺得它能回來，主要是因為它太通用了，刷新效果不好。現在大家挑戰英偉達的方向，是去做更加專用的芯片。再做一個「英偉達」已經沒有意義了。未來的競爭會集中在更專用的方向。你越專用，應用場景可能小一些，但考慮到人工智能任何一個垂直領域打開，其市場潛力都很大。比如雲天勵飛，就是在差異化方面做得很好。如果我們選取2到3個最明顯的特徵，比如以單位能耗提供的算力來衡量，國產芯片有哪些特點和優勢？

陳寧：我想在回答這個「微觀」問題之前，先談談今年的一個宏觀層面的機遇。

2025年很多人都提到要「All in AI」，這意味着什麼？就是人工智能正在從2012年揭開的這波浪潮，無論是小模型還是大模型，經歷了一個叫做「AI訓練」的時代。無論是當時的顯卡，還是2016年之后的GPGPU，大模型的訓練，其實都是在用GPU把人類的知識「餵養」給CNN小模型或Transformer大模型，讓它們學會人類的知識。這使得大語言模型在語言知識上，甚至在視覺理解能力上，都出現了「涌現」現象。

但現在，發生了一個根本性的變化，就是AI應用的爆發。相信今年上半年，在座的各位對AI感興趣的人，都能感受到身邊最大的變化：每個人的手機上都多了一兩個大模型APP。大家有什麼問題都習慣性地去問問「豆包」、問問「文心一言」。搜索，不再只是用搜索引擎了。這是全球一個巨大的變化，説明人們從思想理念上已經開始擁抱AI，每天都在潛移默化地接受AI。

AI應用需要的，不完全是A100、H100系列的GPGPU，不再是幾萬美金一張的訓練顯卡，也不再是動輒十萬張卡互聯、數千億美元的投資。AI應用需要的是「端、邊、雲」無處不在的AI推理能力——在眼鏡里、在智能手機里、在蘋果的A系列NPU里。我們身邊的掃地機器人、汽車，甚至未來所有房間里的路由器，都會集成一個AI芯片。這將像電網和通信網絡一樣，形成一張無處不在的AI推理算力網絡。

就像我們雲天勵飛，2014年時，我和團隊從硅谷回到深圳，創立了中國最早一批專注AI芯片的公司之一。我們從最早的終端芯片，到邊緣芯片，再到今天的雲端大算力推理芯片，以及未來的機器人的推理芯片，完成了這樣的佈局。

為什麼説未來五年是GPNPU（通用神經網絡處理器）技術路線主導的AI推理芯片的時代？我們甚至認為，五年之后，AI推理芯片的全球需求量將超越訓練芯片，成為用量更大的芯片，因為它無處不在。

AI推理芯片對於消費者、企業，乃至頭部互聯網大廠，都提供了更高性價比的PPA（Performance per Power per Area，單位功耗和麪積的性能）。生產一個token，其背后的硬件成本和電費成本可以大幅降低，甚至只有訓練時代的十分之一、百分之一。只有這樣，才能讓AIGC大模型、智能機器人等顛覆性技術真正無處不在。每一次工業革命——無論是電力革命、蒸汽機，還是信息化、智能手機——都是因為大幅降低了硬件成本、提高了效率，才讓技術普及開來。

吳軍：我們把它分成幾個層級，最簡單的是終端。邊緣計算其實已經提了很多年，但真正落地的並不多，這涉及到很多方面，比如移動通信的機房。然后是雲端的數據中心。不同層級對計算的要求不同，最終使用的芯片也不同。

大家都很感興趣的一個話題是無人駕駛汽車。在您看來，假設一輛無人駕駛汽車有一個主要的處理器，它大概需要什麼樣的計算能力？比如，它的算力能達到H100的水平嗎？在H100的價格以內，能做到什麼程度，用户才能接受？

陳寧： 對於無人駕駛來説，它其實可以作為邊緣計算的一個典型場景，甚至已經演變成一個獨立的賽道。目前，無人駕駛所需的邊緣計算芯片，單芯片算力已經達到了幾百TOPS的量級，價格在幾百到上千美元之間，這是可以接受的。當然，目前中國電動車產業競爭非常激烈，一臺車的利潤可能也就一千多，所以成本控制壓力很大。

但還有一個非常有意思的邊緣場景：我們去年開始配合、今年年初立項的一個項目，是與中國頭部、全球領先的硬件大廠合作。我們正在與頭部硬件夥伴基於64TOPS自研芯片推進家庭計算主機產品。未來，當你回到家，説一句「幫我找找過去三年我帶兒子釣魚的照片」，它就能從你沉澱的幾十萬張照片中立刻檢索出來，並推送到你的手機。你再説一句「幫我編輯個視頻」，它就能自動完成，而且完全解決了個人隱私和數據安全的問題。未來的掃地機器人、家用電器都將連接到這個家庭計算主機，這其實就是典型的邊緣計算。

吳軍：我們現在芯片的發展，也涉及到中美之間的博弈。但全世界不只是這兩個國家。比如，假設歐洲也需要大量的AI芯片。你覺得國產芯片，除了滿足國內市場，未來向歐洲、日本等市場推廣的前景如何？我們剛纔講了出海是「大西瓜」，我們要站得高一點，看得遠一點，不要只盯着中國市場。您能給大家展示一下這個前景嗎？

陳寧：我覺得這個問題可以從幾個維度來看：

1. 當前挑戰：對中國國產芯片來説，最大的挑戰其實不是硬件本身，儘管工藝受限。最大的挑戰是生態。

2. 全球競爭：中國作為全球數一數二的人工智能國家，未來5到10年，中美競爭的焦點，將不再是誰能訓練出最聰明的大模型，而是全球有多少國家、多少人口在使用中國的模型和算力，還是美國的模型和算力。這涉及到「主權模型」和「主權算力」的問題。

3. 文明維度：再往大了説，到2030年之前，中國能否解決自己的芯片技術攻關問題，甚至實現芯片的全球化市場佈局，這將決定中國有沒有機會藉助第四次工業革命的拐點，讓中華文明再次崛起。我個人有個觀點：過去幾千年，中國靠四大發明在全球科技上相對領先。但三四百年前，第一臺蒸汽機在英國出現，改變了歷史。歐美憑藉蒸汽機、電力、計算機這三次工業革命，引領了全球科技和文明的發展。第四次工業革命，有可能讓這兩條發展曲線再次交叉。而交叉的核心，恰恰在於算力芯片。如果我們能在這一要素上實現自主可控並形成生態，不僅能託舉起中國的AI產業，更可能在全球範圍內輸出「中國標準」和「中國算力」，進而贏得這場關乎未來百年的文明競爭。