做算力供給方和需求方的“橋梁”，讓國內(nèi)中小型企業(yè)都有算力可用。

作者｜甲小姐 小喇叭

過去幾個(gè)月，DeepSeek在全球AI生態(tài)掀起一股強(qiáng)勢的“鯰魚效應(yīng)”，大模型領(lǐng)域?yàn)槠趦赡甑拈_閉源之爭終于出現(xiàn)里程碑式轉(zhuǎn)折，開源路線第一次闖出了逼近閉源SOTA水平的模型，AI平權(quán)真正成為了可能。

隨之而來的，是包括應(yīng)用、AI Infra、算力中心，乃至底層芯片架構(gòu)在內(nèi)，整條AI產(chǎn)業(yè)鏈既有秩序的打破和重組。

過去一年，中國新建了200余座智算中心，但點(diǎn)亮率不足20%。DeepSeek的出現(xiàn)點(diǎn)亮了大批閑置算力中心，激活了大量需求，卻也讓國產(chǎn)算力生態(tài)的核心矛盾暴露在公眾面前——高性價(jià)比算力供不應(yīng)求。

矛盾來自中國算力生態(tài)的沉疴。模型基礎(chǔ)設(shè)施產(chǎn)業(yè)鏈的鏈條是“能源-建設(shè)-運(yùn)營”，其中，建設(shè)過熱，卻運(yùn)營不足，這不僅導(dǎo)致大量算力閑置，更使得整個(gè)算力產(chǎn)業(yè)鏈的利潤向建設(shè)方和能源方集中，運(yùn)營方持續(xù)虧損，進(jìn)而運(yùn)營越發(fā)不充分，最終形成惡性循環(huán)。

汪玉看到了這個(gè)核心矛盾背后的機(jī)遇。

汪玉是國際電氣與電子工程師協(xié)會會士，清華大學(xué)電子工程系長聘教授、系主任，清華大學(xué)信息科學(xué)技術(shù)學(xué)院副院長，也是無問芯穹的發(fā)起人。他曾聯(lián)合創(chuàng)立AI芯片公司深鑒科技，后被賽靈思收購，親歷軟硬協(xié)同優(yōu)化的技術(shù)攻堅(jiān)。

2023年5月，他發(fā)起無問芯穹。他將無問芯穹定位為“算力運(yùn)營商”，并立下一個(gè)樸實(shí)的目標(biāo)——做算力供給方和需求方的“橋梁”，讓國內(nèi)中小型企業(yè)都有算力可用。而要做到這一點(diǎn)，技術(shù)問題只是需要解決的所有問題的冰山一角。

在無問芯穹即將迎來2周年的時(shí)刻，甲小姐對話汪玉，聊聊國產(chǎn)算力生態(tài)的當(dāng)下和未來。

1.談態(tài)勢：“開源和閉源不需要分出勝負(fù)”

甲小姐：2023年到2024年，中國AI市場經(jīng)歷了爆發(fā)、混亂到收斂的過程，先是“百模大戰(zhàn)”，然后逐漸收斂至“大廠+六小虎”的格局，而這一格局在2025年初被DeepSeek打破了，產(chǎn)業(yè)秩序再次不確定起來。你近來的核心感受是什么？

汪玉：忙著寫各種報(bào)告，給各種人解釋DeepSeek為什么會引發(fā)這么大的關(guān)注。

甲小姐：你怎么解釋？

汪玉：主要有兩點(diǎn)：

一是開源體系使模型接近閉源模型的SOTA水平，推動(dòng)了模型平權(quán)。DeepSeek的出現(xiàn)有點(diǎn)像當(dāng)年蘋果的封閉系統(tǒng)對于安卓的感受。安卓出來后，更多人能參與這件事，這是個(gè)巨大的變化。我們開玩笑說，DeepSeek就像游戲里開放了裝備商店，所有人都能公平地獲取頂級“武器”。

二是資源受限反而激發(fā)了我們的創(chuàng)新精神。當(dāng)年AMD因資金不足選擇Chiplet（小芯片）路線，后來Chiplet成為共識?，F(xiàn)在歐美大廠也開始研究DeepSeek，這很有趣。

甲小姐：小米加步槍也能“鬧革命”。

汪玉：但即使是小米加步槍，總體資源也得comparable（相當(dāng)?shù)模?，否則想贏也很難。

甲小姐：去年5月你在甲子引力上提到“今年（2024）并沒有讓我覺得AI的能力有了顯著提升的感受”，這之后你的感受有變化嗎？AI的能力有本質(zhì)變化嗎？

汪玉：最初的語言模型是基于瞬間直覺反饋，去年o1推出后，模型的多層次推理能力增強(qiáng)，支持長時(shí)間思考，這是個(gè)重大變化。

但在軟硬件優(yōu)化方面，尚未看到本質(zhì)變化。當(dāng)然還是有變化發(fā)生，例如，月之暗面提出PD分離（Prefilling Decoding Disaggregation），下一步可能是計(jì)算分離。我覺得只在學(xué)校里做從0到1的突破不夠，后續(xù)的工程拓展還是需要與工業(yè)界有更多合作。

甲小姐：Deepseek發(fā)布后，閉源模型還有必要存在嗎？

汪玉：閉源會繼續(xù)存在，就像安卓出現(xiàn)后蘋果還在——垂直整合的路線會一直存在，開源和閉源不需要分出勝負(fù)。

甲小姐：DeepSeek有可能成為AI時(shí)代的安卓嗎？

汪玉：至少現(xiàn)在像。

甲小姐：很多人說DeepSeek像安卓是從開源角度做類比，如果從商業(yè)模式或生態(tài)版圖來看呢？

汪玉：現(xiàn)在AI的垂直整合優(yōu)化，從算法到軟件，到芯片，甚至到應(yīng)用，這幾層之間都是耦合的，但每一層都在波動(dòng)。目前我們沒有看到某一層在收斂。

甲小姐：是技術(shù)路線沒有收斂，還是什么沒有收斂？

汪玉：接口。傳統(tǒng)CPU定義了軟硬件接口，通過指令集明確分層，上層軟件、下層芯片。但在AI時(shí)代，不同應(yīng)用和模型對指令的需求各不相同，沒有明確分工。這也是為什么我們需要把所有人都召集起來。

甲小姐：收斂到最后的形態(tài)可能是什么？

汪玉：收斂到最后的形態(tài)不一定跟現(xiàn)在的操作系統(tǒng)類似，可能會出現(xiàn)新的東西。是操作系統(tǒng)，還是一個(gè)模型或者模型調(diào)度的一套agent機(jī)制？現(xiàn)在有這么多APP，是因?yàn)椴僮飨到y(tǒng)決定了上面的APP長這個(gè)樣子，但AI可能在未來就一個(gè)入口，你跟它交互就好了。

甲小姐：你看好阿里的AI超級框嗎？

汪玉：這都是路上的嘗試?？赡艿讓幽Ｐ瓦€得進(jìn)一步變得更厲害，還是挺難的。

甲小姐：在你眼中，DeepSeek對算力生態(tài)的影響，利好誰，利空誰？

汪玉：現(xiàn)在有兩個(gè)共識，一是DeepSeek把蛋糕做大了；二是模型訓(xùn)練需求將遠(yuǎn)小于推理需求。目前英偉達(dá)的芯片在訓(xùn)練方面表現(xiàn)最佳，但推理芯片的最佳選擇尚不確定。

甲小姐：DeepSeek自身強(qiáng)大的Infra能力是否會對AI Infra廠商帶來沖擊？

汪玉：這是利好。AI Infra人才稀缺，大模型廠商肯定會自己干，但眾多中小企業(yè)缺乏Infra能力，我們從day 1就看到了這一需求。

甲小姐：現(xiàn)在的時(shí)間點(diǎn)看，Scaling law還有效嗎？

汪玉：互聯(lián)網(wǎng)數(shù)據(jù)不足可能會影響語言模型的訓(xùn)練效果。但從多模態(tài)和與物理世界對齊的角度看，我們還有很多沒做好，還可以按照Scaling Law的邏輯繼續(xù)發(fā)展，因?yàn)槟壳昂脭?shù)據(jù)太少。數(shù)據(jù)的采集、生成和利用非常關(guān)鍵，否則很難有更好的模型。

2.談矛盾：“高性價(jià)比的算力供不應(yīng)求，一定要拉通算大賬

甲小姐：你曾說過大模型的基礎(chǔ)設(shè)施建設(shè)存在“過度炒作”。如何理解“過度炒作”？

汪玉：算力產(chǎn)業(yè)是一整條鏈，能源、建設(shè)、運(yùn)營，之后是小企業(yè)成長。

一定要拉通算大賬。理想情況是，每個(gè)環(huán)節(jié)都有利潤。能源、建設(shè)、運(yùn)營都得賺錢，小企業(yè)成長，資本方獲利。

但目前建設(shè)環(huán)節(jié)過熱，只注重建設(shè)而忽視運(yùn)營能力的補(bǔ)齊。大部分中小企業(yè)客戶沒有直接使用裸金屬的能力，導(dǎo)致很多空置的情況。

甲小姐：2025年中國算力供需的核心矛盾是什么？

汪玉：高性價(jià)比算力供不應(yīng)求。

先看芯片?；A(chǔ)設(shè)施軟件、芯片架構(gòu)的優(yōu)化程度和制造成本決定了芯片好不好用。如果性價(jià)比不足，用戶就不會優(yōu)先使用。

再算力中心的建設(shè)和使用。

CoreWeave（注：由英偉達(dá)支持的云服務(wù)初創(chuàng)公司）建了就能賣出去，短短幾年取得了高速增長，是因?yàn)楝F(xiàn)在英偉達(dá)芯片供不應(yīng)求，它優(yōu)化得好，就會有profit margin（利潤率）。美國雖然能源成本更高，但芯片性價(jià)比高，提升了整個(gè)算力中心的性價(jià)比。

但在中國，芯片本身的性價(jià)比還有待提高，而電力指標(biāo)、建設(shè)成本、運(yùn)營成本以及之后小企業(yè)的利潤空間均是單獨(dú)計(jì)算的。在沒有把所有項(xiàng)拉通算大帳的情況下，運(yùn)營肯定非常虧。

假設(shè)，建一個(gè)算力中心，要達(dá)到同樣的能力，買英偉達(dá)的卡需要1億，國產(chǎn)芯片需要1.5億，那差距的50%誰來買單？消費(fèi)者不會接受，只能由產(chǎn)業(yè)鏈分?jǐn)偂?/strong>加上國產(chǎn)芯片的生態(tài)不夠完善，對運(yùn)營平臺能力的要求其實(shí)更高，技術(shù)投入也更大。

在產(chǎn)業(yè)鏈上，建設(shè)方和能源方都能賺錢，資本方也能從小企業(yè)成長中獲利，但算力運(yùn)營環(huán)節(jié)的性價(jià)比卻算不過來。如果中國算力產(chǎn)業(yè)鏈沒有整體優(yōu)勢，就會出現(xiàn)供需錯(cuò)配。

在產(chǎn)業(yè)鏈上若想盈利，必須學(xué)會算大賬——將資本投入、綠色能源、建設(shè)規(guī)劃、平臺運(yùn)營、優(yōu)質(zhì)企業(yè)招引、本地經(jīng)濟(jì)增長、人才培養(yǎng)等通盤考慮，才能真正理解產(chǎn)業(yè)升級的價(jià)值。

甲小姐：拋開算賬問題，目前國內(nèi)芯片的性能表現(xiàn)如何？

汪玉：目前國內(nèi)芯片和國際先進(jìn)水平大概差1.5代。國內(nèi)大多數(shù)芯片性能已接近英偉達(dá)A系列，最新一代接近H系列，但能否達(dá)到B系列（尤其是B200）水平仍不確定。國內(nèi)主要受限于芯片制造供應(yīng)鏈，尤其是制程和帶寬。制程受限于代工能力，帶寬受限于封裝技術(shù)。如果國內(nèi)供應(yīng)鏈能突破瓶頸，吸收臺積電的先進(jìn)制程和CoWoS等先進(jìn)封裝技術(shù)，趕上英偉達(dá)是有可能的。

甲小姐：在整個(gè)算力價(jià)值鏈中，Infra的比重有多大？

汪玉：我沒有具體算過，但I(xiàn)nfra肯定有價(jià)值，機(jī)會在于把所有芯片用起來，這能產(chǎn)生巨大的社會價(jià)值。中國的問題是，各種異構(gòu)芯片分散在不同地方，歸不同人所有，中小B企業(yè)找不到合適算力。我們把“橋梁”搭起來，本身就很有價(jià)值。

甲小姐：算力之外，模型也在降本。比如DeepSeek模型一輪訓(xùn)練的成本僅560萬美元，把模型訓(xùn)練的成本打下來；阿里通義千問推出的推理模型QwQ-32B，消費(fèi)級顯卡也能部署，也大大降低了部署和應(yīng)用高性能模型的成本。這是否暫時(shí)緩解了中國對高性能GPU的燃眉之急？

汪玉：訓(xùn)練上看，Scaling Law還是有效的，基礎(chǔ)模型訓(xùn)練對高性能算力的需求不僅依然存在，還需要系統(tǒng)優(yōu)化能力進(jìn)一步提高硬件的利用效率。推理上看，推理時(shí)計(jì)算疊加應(yīng)用生態(tài)起來，市場上對推理算力還有百倍以上的市場需求。全盤來看，我們還是處于算力不足的大環(huán)境下。

3.談目標(biāo)：“繞過或重現(xiàn)CUDA都不是本質(zhì)”

甲小姐：有知情人士透露，2024年，中國新建成了200多個(gè)智算中心，點(diǎn)亮率卻不足20%。但DeepSeek點(diǎn)亮了很多智算中心。事實(shí)是這樣嗎？

汪玉：確實(shí)有一些智算中心開始運(yùn)營了，但肯定在虧損。歸根結(jié)底還是算賬問題。假設(shè)建設(shè)算力中心時(shí)花了7萬元購買了很多顯卡，但現(xiàn)在市場價(jià)已經(jīng)降至5-6萬元，那算力中心就是賣多少虧多少，不賣虧得更慘。對于性能要求不高的客戶可能會用這些算力，但目前這類客戶數(shù)量還不夠多。

甲小姐：整體上看國內(nèi)的算力需求大致有幾類，分別怎么解決？

汪玉：絕大多數(shù)中小B和所有C端需求都在用公有云，已上市的公有云廠商基本上股價(jià)都在漲。第二類是很多政府建的算力中心，主要問題在于沒有人做運(yùn)營，這是我們要做的事。

甲小姐：不少人都在debate，用性價(jià)比高的進(jìn)口卡能賺錢，用國產(chǎn)卡會虧，那該怎么辦？

汪玉：長遠(yuǎn)來看，我們希望建設(shè)“國產(chǎn)模型-國產(chǎn)芯片-國產(chǎn)系統(tǒng)”的全國產(chǎn)閉環(huán)。國家正在討論是否建立一個(gè)從應(yīng)用到算法、軟件系統(tǒng)和芯片的聯(lián)盟，讓企業(yè)充分利用現(xiàn)有芯片。只有用得越多，才能更快改進(jìn)，性價(jià)比才會提升。

甲小姐：繞過CUDA是國產(chǎn)算力生態(tài)的核心目標(biāo)嗎？

汪玉：現(xiàn)在有兩種路徑，一種是CUDA兼容，比如沐曦、摩爾線程；一種是重寫指令集，比如華為、寒武紀(jì)。其實(shí)CUDA只是一個(gè)program的一個(gè)model，繞不繞過它，或是否要重做CUDA并不是本質(zhì)問題。只要大家能夠約定好某些通用接口，例如在通信協(xié)議和底層重要算子上達(dá)成一致，能把芯片用起來，這就夠了。

甲小姐：會出現(xiàn)一個(gè)強(qiáng)勢企業(yè)主導(dǎo)這個(gè)約定嗎？

汪玉：現(xiàn)在好像沒有強(qiáng)勢大企業(yè)，這種割裂的格局可能還會持續(xù)一段時(shí)間。

甲小姐：目前各家大廠都在做生態(tài)，生態(tài)和生態(tài)之間會形成什么樣的關(guān)系？

汪玉：我們現(xiàn)在干的事情就是把不同生態(tài)間的壁壘抹掉，讓大家接入統(tǒng)一的訓(xùn)練和推理接口，因?yàn)榻^大多數(shù)人并不關(guān)心底層到底長什么樣，只要能調(diào)用就好了。

4.談模式：“我們在做各種‘盒子’，用戶不需要知道盒子里是什么”

甲小姐：無問芯穹的出發(fā)點(diǎn)是做AI Infra，但現(xiàn)在已經(jīng)涉足了算力租賃、大模型云平臺、一體機(jī)、芯片（如LPU）設(shè)計(jì)，以及端側(cè)模型優(yōu)化等，你們似乎什么都做？

汪玉：其實(shí)我們是在做不同規(guī)模的“盒子”——超大盒子、中等盒子和小盒子。

超大盒子是云上的訓(xùn)練或推理集群，中等盒子是邊緣側(cè)的比如一體機(jī)，小盒子是智能終端。用戶不需要感受到盒子內(nèi)部是什么，就能用上高性價(jià)比的算力。

大盒子本質(zhì)上是在異構(gòu)、異域、異屬硬件上搭建的云平臺。搭建這樣的云平臺非常復(fù)雜，需要涵蓋IaaS、PaaS以及一些上層工具，因此看起來我們在做很多事情。

甲小姐：你們內(nèi)部如何決定做什么，不做什么？

汪玉：明確要先做好大盒子，云還是很重要。

甲小姐：你們怎么定義“一朵云”？

汪玉：過往大家往往認(rèn)為云就是重資產(chǎn)投入，但我們看來云的核心能力其實(shí)在于平臺上的服務(wù)能力閉環(huán)，如何把建設(shè)的算力資源讓千行百業(yè)的客戶們用起來，這是我們的使命。

甲小姐：你們具體賺誰的錢？

汪玉：大盒子的商業(yè)模式主要就是通過算力運(yùn)營和提供技術(shù)服務(wù)來獲取商業(yè)利潤，客戶有標(biāo)準(zhǔn)化需求也要定制化能力，我們的核心優(yōu)勢就在于過硬的技術(shù)以及項(xiàng)目運(yùn)營交付的能力，解決不同需求時(shí)，對技術(shù)和功能的優(yōu)先級有不同要求。中等盒子和小盒子的輸入和輸出定義很明確，背后就是技術(shù)邏輯；大盒子的輸入輸出都不明確，每個(gè)人的訴求都不同，需要滿足很多功能化的要求。

甲小姐：DeepSeek一體機(jī)各家都在推，一體機(jī)是不是過熱了？

汪玉：還好。應(yīng)用爆發(fā)后，硬件要跟上，大家總得有能用的東西。許多企業(yè)因數(shù)據(jù)安全問題需要私有化部署，DeepSeek一體機(jī)肯定是要做的。只不過中國的競爭永遠(yuǎn)都相對更激烈。

部分企業(yè)推出的DeepSeek一體機(jī) 制圖：甲子光年

甲小姐：據(jù)甲子光年不完全統(tǒng)計(jì)，現(xiàn)在已經(jīng)有60多家公司推出一體機(jī)，大家有定義清楚一體機(jī)嗎？

汪玉：就像大家最開始建了很多算力中心一樣，好用不好用自己知道，過一段時(shí)間就會慢慢收斂了，收斂是需要時(shí)間的。

甲小姐：你們做的LPU現(xiàn)在是什么進(jìn)展？LPU最終會代替GPU嗎？

汪玉：已經(jīng)有FPGA的版本，芯片仿真也做了，效果很不錯(cuò)，但流片可能需要上億級投入。我們不知道未來機(jī)器人芯片的具體形態(tài)。目前大家普遍使用GPU是因?yàn)橥ㄓ眯詮?qiáng)，未來一旦需求收斂，可能會轉(zhuǎn)向更簡單直接的設(shè)計(jì)用于訓(xùn)練和推理。

甲小姐：你們自己囤卡嗎？

汪玉：我們買過一些，但很少。囤卡是重資產(chǎn)運(yùn)營邏輯，我們不希望這樣。很多人問我們和Coreweave的區(qū)別，我說Coreweave是自己own算力，我們是利用算力。

甲小姐：去年12月你們發(fā)布了一款全模態(tài)的端側(cè)理解模型。端側(cè)AI雖然大勢所趨，但當(dāng)模型參數(shù)量不斷增長，端側(cè)設(shè)備是否注定只能做“殘血版AI”？

汪玉：端模型被調(diào)侃成“殘血版AI”，主要還是從純算法視角去評價(jià)。但終端用戶的感知是個(gè)整體的事，它需要先結(jié)合底層硬件、中間的推理軟件，然后才是模型，最后還涉及產(chǎn)品定義、交互效果。端側(cè)AI關(guān)鍵在于如何更好地和云上AI配合使用。

甲小姐：今天無問芯穹的定位還是算力運(yùn)營商嗎？

汪玉：現(xiàn)階段肯定還是。云上還是第一步，一定要做扎實(shí)。

甲小姐：運(yùn)營商的壁壘是技術(shù)突破還是資源整合？

汪玉：都是壁壘。算力中心項(xiàng)目對政府而言類似招商引資，我們不僅要提供技術(shù)。部分企業(yè)對技術(shù)理解不足，不知道做一朵云有多難，政府也很難判斷，所以有時(shí)無問芯穹的角色很像一個(gè)國家算力網(wǎng)建設(shè)的智庫。

甲小姐：你們和地方政府具體的合作模式是什么？

汪玉：每個(gè)政府需求不同，國內(nèi)算力分布不均，大多集中在不發(fā)達(dá)地區(qū)，少數(shù)建在發(fā)達(dá)城市的算力可能用不起來。我們需要將這些算力聯(lián)網(wǎng)，幫政府搭建平臺，幫助政府更好的落實(shí)算力政策，支持當(dāng)?shù)禺a(chǎn)業(yè)升級。

甲小姐：你們現(xiàn)在的商業(yè)模式是什么？

汪玉：云服務(wù)本身就是很成熟的商業(yè)模式，我們的區(qū)別僅僅是不持有資產(chǎn)本身，但要提供的技術(shù)能力是一樣的。

甲小姐：未來各業(yè)務(wù)板塊在無問芯穹的比重如何？

汪玉：我們還是非常聚焦在如何把“一朵云”做好，同時(shí)憑借公有云經(jīng)驗(yàn)，在私有云部署上能提供更好的服務(wù)，積累更多客戶。端側(cè)是公司業(yè)務(wù)增長的第二曲線，做“盒子”的邏輯不會變。

5.談創(chuàng)業(yè)：“和上次很像，有一部分想得很清楚，有一部分需要實(shí)踐迭代”

甲小姐：你怎么向投資人解釋你的商業(yè)計(jì)劃？

汪玉：AI創(chuàng)業(yè)存在不確定性，但我們有確定的優(yōu)勢。我們的技術(shù)能力處于第一梯隊(duì)，資源整合能力在小公司中是最強(qiáng)的，資金儲備也足夠支撐短期發(fā)展。現(xiàn)在我們更關(guān)注能否整合中國算力，服務(wù)好重點(diǎn)區(qū)域，這已非常不容易了。

甲小姐：你的上一家公司深鑒科技最終以被收購為結(jié)局，你有設(shè)想過無問芯穹的結(jié)局嗎？

汪玉：我還是挺希望能獨(dú)立的，因?yàn)橐膊蝗卞X（笑）。賣掉公司的真正挑戰(zhàn)是團(tuán)隊(duì)方向可能改變，這關(guān)乎共同使命和愿景。我們希望讓企業(yè)都有算力可用。現(xiàn)在絕大多數(shù)人已經(jīng)能理解，如果基礎(chǔ)設(shè)施（Infra）做得好，不僅能節(jié)省成本，還能提升模型本身的能力。我希望我們能為這個(gè)目標(biāo)努力很久，別人做我怕堅(jiān)持不住，我會努力讓這個(gè)目標(biāo)堅(jiān)持下去。

甲小姐：CEO夏立雪曾對媒體表示，無問芯穹的目標(biāo)是讓大模型落地成本下降10000倍。這要如何實(shí)現(xiàn)？

汪玉：10000倍的下降肯定會是行業(yè)共同努力的結(jié)果，包括應(yīng)用、算法、軟件和芯片制造各個(gè)環(huán)節(jié)。我們在這些領(lǐng)域確實(shí)有技術(shù)貢獻(xiàn)，但不可能獨(dú)立完成。

甲小姐：通俗地講，成本下降的方法是什么？

汪玉：我最近開了門課，叫基礎(chǔ)人工智能軟硬件核心技術(shù)討論，有一個(gè)公式：

按照這個(gè)公式：計(jì)算量和參數(shù)量要降低，利用率要提升。

算法層干的是計(jì)算量、參數(shù)量和利用率；芯片層干的是算力和帶寬；能耗是能源建設(shè)的問題；硬件價(jià)格跟制造工藝相關(guān)——從這個(gè)公式就可以看到成本下降要多方面的努力。

甲小姐：無問芯穹今年的目標(biāo)是什么？

汪玉：要focus，用“一朵云”解決問題。當(dāng)然，過程中可能會遇到各種技術(shù)需求和工程化問題。

甲小姐：這次創(chuàng)業(yè)你的心態(tài)有什么變化嗎？

汪玉：這次平和一點(diǎn)。我喜歡做創(chuàng)新的事，這次和上次很像，有一部分想得很清楚，還有一部分需要實(shí)踐迭代。

6.談趨勢：“物理知識的參與必不可少”

甲小姐：今年具身智能、物理AI的概念很火，你怎么看這些熱度？

汪玉：這都是一種趨勢預(yù)判。我們預(yù)計(jì)AI服務(wù)將呈現(xiàn)兩種形態(tài)：純數(shù)字空間的形態(tài)和與物理世界互動(dòng)的形態(tài)。AI要與物理世界互動(dòng)，就需要物理知識作為支撐，目前尚未出現(xiàn)超越現(xiàn)有物理公式的AI能力。

甲小姐：有流派認(rèn)為，一個(gè)真正的超級大腦能自我學(xué)習(xí)，不需要依賴太多物理公式。你怎么看這一派？

汪玉：現(xiàn)在具身智能有的依賴現(xiàn)實(shí)數(shù)據(jù)，也依賴模擬數(shù)據(jù)。模擬數(shù)據(jù)就會把物理公式往里懟，相當(dāng)于生成一些數(shù)據(jù)來訓(xùn)練模型。目前來看，物理知識的參與是必不可少的，例如擰螺絲的力度這類細(xì)節(jié)，對模型訓(xùn)練來說是非常復(fù)雜且關(guān)鍵的。

甲小姐：物理AI的平臺最終會以什么形態(tài)出現(xiàn)？

汪玉：具身智能目前有VLA（Vision Language Action）這種形態(tài)，它描述了從感知到推理再到執(zhí)行的操作流程。不過，VLA可能還會繼續(xù)演進(jìn)，但無論如何，未來都會更注重與物理世界的交互，需要具備感知和執(zhí)行能力，這與傳統(tǒng)訓(xùn)練方式不同。因此，電子領(lǐng)域可能會在具身智能方面發(fā)揮更大作用。因?yàn)殡娮痈锢恚?jì)算機(jī)則偏數(shù)學(xué)。

甲小姐：你之前提到會重點(diǎn)關(guān)注醫(yī)療和機(jī)器人方向的數(shù)據(jù)應(yīng)用價(jià)值，為什么是這兩個(gè)領(lǐng)域？

汪玉：從電子系視角看，未來電子系將連接物理世界與數(shù)字世界，涵蓋感知、傳輸、計(jì)算和反饋。數(shù)字化是智能化的基礎(chǔ)，需要依托載體。我們正思考未來的核心載體，并從未來十年到二十年的情境倒推今天應(yīng)做什么。

從基礎(chǔ)設(shè)施角度看，通信基礎(chǔ)設(shè)施尤其是衛(wèi)星通信至關(guān)重要。我們系有人嘗試用八顆衛(wèi)星覆蓋全球，為海洋、低空等場景提供通信支持；同時(shí)，算力基礎(chǔ)設(shè)施也需要升級，未來醫(yī)療、能源、城市模擬等各領(lǐng)域都需要算力支持。

此外，無人化趨勢下，未來機(jī)器人的數(shù)量可能會達(dá)到上億量級，而目前機(jī)器人的產(chǎn)量還處于千、萬量級，彌補(bǔ)這4-5個(gè)數(shù)量級的差距需要技術(shù)推動(dòng)。

甲小姐：如果AI在未來出現(xiàn)了新的技術(shù)路線，進(jìn)入AI3.0時(shí)代，AI Infra的角色會受到挑戰(zhàn)嗎？你們的路線會受到影響嗎？

汪玉：我不清楚，如果AI3.0不需要那么多算力，那就不需要基礎(chǔ)設(shè)施了（笑）。但目前似乎有一種趨勢：從出現(xiàn)到成為產(chǎn)業(yè)引領(lǐng)者通常需要3到5年。這一波科技公司對學(xué)術(shù)前沿把控較積極，都在關(guān)注新變化，因?yàn)椴淮_定性是最大挑戰(zhàn)。所以大家都在寫論文，目的是交流，至少要清楚前沿在哪里。

甲小姐：現(xiàn)在人工智能出現(xiàn)了兩條路：AGI（通用人工智能），通過提升單體智能逼近甚至超越人類決策能力；MoA（多智能體協(xié)作），超級協(xié)調(diào)者指揮多個(gè)Agent協(xié)同作戰(zhàn)。哪個(gè)是人工智能的終局？還有其他可能嗎？

汪玉：現(xiàn)在MoA（多智能體協(xié)作）剛開始，趨勢可能向上；而MoE（混合專家模型）趨勢較平緩，所以MoA更受關(guān)注。

唐杰之前解讀OpenAI時(shí)，認(rèn)為OpenAI的成功在于組織能力，這是最高層次的能力。無論是人機(jī)共處還是機(jī)器間的協(xié)作，都離不開協(xié)同。從機(jī)器角度看，單體能力突破受限于物理限制，因此合作和協(xié)同大概率是必然趨勢。

甲小姐：我印象很深刻的是，去年你參與甲子引力，我最后一個(gè)問題是，如果有一個(gè)預(yù)言家可以告訴你們十年之后一個(gè)問題的正確答案，你最好奇的問題是什么？你的答案是：“人可以長生嗎？”為什么是這個(gè)問題？

汪玉：人活一輩子都希望能多做一些有趣的事，我們現(xiàn)在做算力和具身至少能為人衰老后的境遇提供支撐。

甲小姐：你覺得人可以長生嗎？

汪玉：很難，120歲是有可能的。

|甲小姐對話系列回顧|