12月2日，在香港舉行的2025 GIS大會(huì)開(kāi)幕式暨全球創(chuàng)新領(lǐng)袖峰會(huì)上，一場(chǎng)匯聚AI領(lǐng)域“全明星陣容”的巔峰對(duì)話引發(fā)關(guān)注。

對(duì)話雙方為諾貝爾物理學(xué)獎(jiǎng)獲得者、“AI教父”杰弗里?辛頓，深圳云天勵(lì)飛技術(shù)股份有限公司董事長(zhǎng)兼CEO 陳寧，同時(shí)由硅谷著名計(jì)算機(jī)科學(xué)家 、硅谷高創(chuàng)會(huì)大會(huì)主席吳軍擔(dān)任主持人，展開(kāi)了一場(chǎng)關(guān)于AI過(guò)去、現(xiàn)在與未來(lái)的深刻對(duì)話。

從神經(jīng)網(wǎng)絡(luò)的堅(jiān)守到芯片成本的百倍壓縮，從模擬人腦的幻想到大灣區(qū)與長(zhǎng)三角的產(chǎn)業(yè)競(jìng)合，這場(chǎng)對(duì)話揭示了AI浪潮中最為核心的技術(shù)演進(jìn)邏輯與未來(lái)商業(yè)藍(lán)圖。

辛頓的初心：始于好奇，成于堅(jiān)守

在談及自己為何能穿越AI研究的多次“寒冬”時(shí)，“AI教父”杰弗里·辛頓的答案簡(jiǎn)單而純粹：一切源于對(duì)大腦工作原理的癡迷。

“我最開(kāi)始完全不懂計(jì)算機(jī)科學(xué)……我自己學(xué)的是心理學(xué)、生理學(xué)，后來(lái)學(xué)了人工智能和神經(jīng)科學(xué)。”辛頓坦言，自己解決問(wèn)題的動(dòng)力，是跨學(xué)科的思維方式。“當(dāng)我們想解決一個(gè)真正棘手的問(wèn)題時(shí)，有跨學(xué)科的知識(shí)就可以更好地解決它。”

主持人吳軍博士追問(wèn)，在上世紀(jì)90年代末的“AI冬天”，許多研究者紛紛離去，是什么讓他堅(jiān)信自己走在正確的道路上？辛頓的回答再次回歸本源：“最關(guān)鍵的不是我到底要做出什么樣的技術(shù)，最關(guān)鍵的是我想要了解大腦是如何學(xué)習(xí)的。”他回憶，即便在當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)的表現(xiàn)不如支持向量機(jī)（SBM），他也未曾動(dòng)搖，因?yàn)樗嘈拍鞘歉咏竽X的路徑。“一旦有了海量數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)的價(jià)值就展現(xiàn)出來(lái)了。”正是這份對(duì)基本原理的執(zhí)著，為今天的深度學(xué)習(xí)革命埋下了種子。

核心交鋒：如何將AI訓(xùn)練成本從“數(shù)十億”降至“一美分”？

當(dāng)對(duì)話轉(zhuǎn)向當(dāng)今動(dòng)輒消耗數(shù)十億美元訓(xùn)練大模型的現(xiàn)實(shí)困境時(shí)，吳軍將問(wèn)題拋給了在場(chǎng)的實(shí)踐者——云天勵(lì)飛董事長(zhǎng)兼CEO陳寧博士。

陳寧介紹，其公司成立11年來(lái)的使命，就是設(shè)計(jì)更高效的AI芯片。他給出了一組極具沖擊力的數(shù)據(jù)對(duì)比：過(guò)去訓(xùn)練AI使用GPU，花費(fèi)高達(dá)數(shù)十億美元；而在即將到來(lái)的“AI推理時(shí)代”，生成100萬(wàn)個(gè)token（文本單元）的成本，目標(biāo)是從目前的約1美元降至1美分，實(shí)現(xiàn)100倍的降低。

“我們需要更高效、成本更低的AI，這些都非常重要。”陳寧強(qiáng)調(diào)，成本與能耗的降低，是AI真正賦能千行百業(yè)、觸及更廣泛人群（如農(nóng)業(yè)、醫(yī)療、教育）的前提。他預(yù)測(cè)，到2027年，AI應(yīng)用和智能體的普及率將超過(guò)70%，未來(lái)這一比例將超過(guò)90%。

為實(shí)現(xiàn)這一目標(biāo)，陳寧指出了與英偉達(dá)GPU不同的技術(shù)路徑：NPU（神經(jīng)網(wǎng)絡(luò)處理器） 和谷歌的TPU。他解釋?zhuān)珿PU最初是為圖形處理設(shè)計(jì)，而非AI計(jì)算。而NPU/TPU是專(zhuān)為神經(jīng)網(wǎng)絡(luò)的核心數(shù)學(xué)運(yùn)算（向量矩陣計(jì)算）而生，因此在能效比上具有先天優(yōu)勢(shì)。“與GPU相比，在這方面可能有30倍的改善，至少有10倍的改善。”陳寧表示，他們的目標(biāo)是實(shí)現(xiàn)百倍以上的效率提升。

在媒體采訪環(huán)節(jié)，陳寧還特別對(duì)全球半導(dǎo)體觀察表示，除了架構(gòu)設(shè)計(jì)的革新，實(shí)現(xiàn)這一愿景還必須充分結(jié)合國(guó)產(chǎn)工藝，尤其是在先進(jìn)封裝領(lǐng)域的獨(dú)特優(yōu)勢(shì)，例如Chiplet（芯粒）這種“算力積木”的架構(gòu)。

陳寧接受全球半導(dǎo)體觀察采訪

陳寧直言，即便是目前被視為標(biāo)桿的英偉達(dá)GPGPU，在進(jìn)行大模型推理時(shí)也面臨著巨大的挑戰(zhàn)——帶寬瓶頸?，F(xiàn)有的HBM往往難以滿(mǎn)足大模型推理對(duì)高帶寬的極致渴求。對(duì)此，他認(rèn)為中國(guó)正在積極探索的3D Memory會(huì)是更優(yōu)解，“通過(guò)3d memory技術(shù)，理論上可以提供十倍于HBM的片內(nèi)帶寬，并且還是更低的成本。所以我們結(jié)合GPGPU、NPU和3d memory Chiplet的這三個(gè)國(guó)產(chǎn)工藝的優(yōu)勢(shì)，去設(shè)計(jì)更高性?xún)r(jià)比的面向推理芯片。”

他進(jìn)一步分析道，推理市場(chǎng)的未來(lái)趨勢(shì)將不再是單一的計(jì)算范式，而是混合模型。以目前行業(yè)關(guān)注的“PD分離”（Prefill/Decode，即預(yù)填充與解碼分離）為例，不同階段對(duì)算力和帶寬的需求截然不同，有的側(cè)重算力，有的側(cè)重帶寬。

“未來(lái)的GPNPU架構(gòu)將展現(xiàn)出天然優(yōu)勢(shì)，它可以靈活地平衡并配比算力、帶寬和存儲(chǔ)，以適應(yīng)日益復(fù)雜的異構(gòu)計(jì)算場(chǎng)景。”陳寧展望道，最終通過(guò)這種方式構(gòu)建的Super Pod（超節(jié)點(diǎn)）和推理計(jì)算集群，將為邊緣計(jì)算、云端數(shù)據(jù)中心，乃至具身智能機(jī)器人的“大腦”芯片，提供最優(yōu)選的通用推理方案。

未來(lái)暢想：模擬計(jì)算、類(lèi)器官與區(qū)域競(jìng)爭(zhēng)

對(duì)于更前沿的探索，吳軍提到了辛頓曾提及的“模擬計(jì)算”，即研制更接近人腦工作方式的模擬芯片，甚至培育“類(lèi)腦器官”進(jìn)行計(jì)算，以節(jié)省海量能源。

對(duì)此，辛頓與陳寧展現(xiàn)了科學(xué)家與工程師的不同視角。辛頓承認(rèn)模擬計(jì)算在功耗和傳輸上的理論優(yōu)勢(shì)，并提及了類(lèi)器官研究的新進(jìn)展，但他謹(jǐn)慎地表示：“現(xiàn)在還沒(méi)有真正的實(shí)現(xiàn)腦細(xì)胞這種類(lèi)器官的計(jì)算……真的想做生物計(jì)算的話，還有更多的路要走。”

陳寧則從工程實(shí)現(xiàn)角度補(bǔ)充：“在類(lèi)器官找到算法之前，是沒(méi)有辦法創(chuàng)造這樣的價(jià)值。”他認(rèn)為，底層學(xué)習(xí)算法的突破，才是提高能效的關(guān)鍵，而不僅僅是硬件的生物化模擬。

關(guān)于中國(guó)AI產(chǎn)業(yè)的發(fā)展重心，陳寧提出了一個(gè)敏銳的問(wèn)題：基礎(chǔ)研究見(jiàn)長(zhǎng)的長(zhǎng)三角與應(yīng)用創(chuàng)新活躍的粵港澳大灣區(qū)，誰(shuí)將在AI時(shí)代更具優(yōu)勢(shì)？

辛頓給出了一個(gè)平衡的見(jiàn)解：“基礎(chǔ)研發(fā)與應(yīng)用都非常重要。”他分析，如果只關(guān)注應(yīng)用而忽視底層創(chuàng)新是“大錯(cuò)”，反之亦然。他委婉指出，長(zhǎng)三角可能更多聚焦AI開(kāi)發(fā)，而大灣區(qū)可能更關(guān)注AI應(yīng)用，兩者互補(bǔ)才能推動(dòng)整體進(jìn)步。

未來(lái)市場(chǎng)：一個(gè)“水電氣”般的AI芯片網(wǎng)絡(luò)

面對(duì)未來(lái)，陳寧做出了大膽預(yù)測(cè)。他預(yù)計(jì)，到2030年，AI芯片產(chǎn)業(yè)規(guī)模將達(dá)到約5萬(wàn)億美元的市場(chǎng)收入。其中，關(guān)鍵的轉(zhuǎn)折點(diǎn)將在2025年——AI將從“訓(xùn)練時(shí)代”全面轉(zhuǎn)向“推理時(shí)代”。
“未來(lái)5年，AI將重新定義所有數(shù)字應(yīng)用，所有的硬件和電子設(shè)備。”陳寧描繪，從眼鏡、手機(jī)到所有家電，AI處理芯片將無(wú)處不在。他預(yù)測(cè)，未來(lái)推理芯片的規(guī)模將遠(yuǎn)超訓(xùn)練芯片，占到整個(gè)AI芯片市場(chǎng)的80%。

他甚至倡議，應(yīng)像建立水電網(wǎng)絡(luò)標(biāo)準(zhǔn)一樣，建立全球性的AI處理芯片互聯(lián)標(biāo)準(zhǔn)，讓AI的價(jià)值能像公共服務(wù)一樣，低能耗、低成本地普惠全球。

辛頓的反思：如果重來(lái)，會(huì)更早關(guān)注AI風(fēng)險(xiǎn)

在對(duì)話的最后，吳軍提出了一個(gè)充滿(mǎn)假設(shè)的問(wèn)題：如果乘坐時(shí)光機(jī)回到2012年，還會(huì)發(fā)表那篇點(diǎn)燃深度學(xué)習(xí)革命的AlexNet論文嗎？

辛頓的回答出人意料，他沒(méi)有沉浸于技術(shù)成就，而是表達(dá)了深切的關(guān)懷與憂慮：“我覺(jué)得該發(fā)生的還是會(huì)發(fā)生……但是我那個(gè)時(shí)候如果真的能夠回到那個(gè)時(shí)候，我可能想做的就是從那個(gè)時(shí)候開(kāi)始擔(dān)心人工智能帶來(lái)的一系列的風(fēng)險(xiǎn)。”

這位引領(lǐng)了技術(shù)浪潮的科學(xué)家，在歷史的想象中，最想改變的不是技術(shù)進(jìn)程的速度，而是人類(lèi)對(duì)其潛在風(fēng)險(xiǎn)的認(rèn)知與準(zhǔn)備。