10月18-19日，全球财富管理论坛·2025上海苏河湾大会在上海市静安区顺利召开。无问芯穹联合创始人、CEO夏立雪出席并发表演讲。
夏立雪表示，资本市场为人工智能从科学研发到技术转化再到产业应用的全过程提供强大助力，是人工智能得以迅速发展最为关键的条件。人工智能发展由算法、数据和算力三大要素共同驱动，表面看是算法能力，但背后是巨量数据作为“燃料”以及庞大算力系统作为“引擎”。
无问芯穹的成立初衷是解决人工智能发展所带来的底层资源协调问题，通过打造无穹AI云、无界智算平台以及无垠终端智能，为人工智能的发展以及人工智能在千行百业的落地提供了更好的基石。
从人工智能近百年的发展历史来看，前两次浪潮已经打下科学理论基础，包括为大模型奠基的反向传播学习方法和神经网络等。但为什么当年没能实现今天这么大的突破？因为人工智能发展主要由三个要素驱动：算法、数据和算力。前两次浪潮中还没有可支持大规模计算的通用加速芯片，无法做到今天这么大规模的模型探索。今天，我们所看到人工智能只是冰山一角，浮在水面上的是算法能力，但背后是巨量数据作为“燃料”，以及庞大的算力系统作为“引擎”，共同驱动整个闭环的增长。
图1：AI发展历程由三要素穿插驱动
从2017年Transformer模型问世，到2022年大众感知和资本投入视角中 ChatGPT 发布后大模型的“出圈”。在这一过程中，OpenAI一直在烧钱做更大的集群，从而做更大规模的训练。随着模型参数量和训练量的增大，模型涌现出强大的算法性能和通用能力。第三次人工智能的浪潮证明，底层算力是大模型非常重要的基础。当前各大科技巨头仍在打造更大规模的集群，尝试推动智能性向下一代跃迁。如果人工智能的终极理想是制造真正像人一样的思考者和行动者，那么当前模型距这一理想大概还需要两代以上的跃升。
图2：随着训练量增大，模型涌现出强大的算法性能和通用能力
OpenAI 有一个行业内公认的分类，将人工智能分为五个层次。类似于培养优秀专家所需的阶段——首先要学习专业知识；其次要接受本科生和研究生教育；然后成为实习生或助理，逐步接受有挑战性的工作；接着开始在业内进行创作；最终做管理和协同。
图3：AI 不断向更高阶智能演进
当前人工智能技术发展水平大致在L3，AI Agent 具备了一些独立完成任务的能力，且已经在部分场景中实现产业化，可以作为现实生产力创造更多价值。
不可忽视的是，AI Agent 的自主决策、多工具调用特性导致token消耗远超传统生成式AI。10倍以上的优化能力才有望让大模型在产业链里真正做到成本控制，实现闭环。
成本优化不能仅从模型角度思考，必须打通软硬件间多个层次。从学术研究角度，能效约等于工作量（算力乘以利用率）除以所使用的资源（计算量乘以功耗）。但我们也不能机械地将公式逻辑直接代入产业逻辑，因为会产生一些其他现实问题，比如算力资源的多样性意味着平台还要解决异构算力的连接问题。再比如，供需平衡需要打通资源和信息，这样才能降低开发门槛，提高更好的服务。
所以当人工智能技术走向产业时，还有诸多问题需要解决。这也是无问芯穹的成立初衷——解决人工智能发展所带来的底层资源协调问题。我们的工作主要在以下层次上开展：
一是构建全球首个高兼容性异构AI云平台——无穹AI云，尝试将世界最大范围内所有能用的算力资源利用起来，打通国内外不同品牌的芯片和不同规模的算力资源，让大模型时代所有算力资源以标准化的形式走入千行百业。目前无穹AI云已在全国完成超过25,000P算力部署，覆盖20余个城市，并通过共建公共算力服务平台有效助力地方产业升级。
二是为开发者打造最便捷的一站式服务平台——无界智算平台。提供更好的工具链，让开发者在平台上专注于AI创意，更好地部署工作流，而无需在使用算力上浪费时间。
三是开发无垠终端智能，通过软硬协同全栈优化，打破智能终端能效、空间与智能不可能三角。
目前，大型语言模型已经达到了可产业化的水平，而具身智能同样令人充满期待。终端硬件作为人机交互接口，未来有非常大的发展空间，但同时也面临巨大挑战。因为终端硬件不可能为了使用人工智能而装备蓄电池。因此智能终端需要在有限的资源下极致地优化性价比。目前无垠终端智能已经取得一定成效，通过“端模型+端软件+端IP”智能终端一体化解决方案，在更加苛刻的硬件资源限制下，深度协同了应用场景，实现了10倍以上的推理吞吐和能效提升及算法模型、推理引擎、系统调度、芯片架构的全链路优化闭环和实现。
我们这一代AI研究者十分有幸能看到人工智能的大繁荣时代，也深刻体会到人工智能必须切实为生产和生活带来深刻变化才能实现技术的价值。我们希望用我们积累了十几年的技术为人工智能的发展以及人工智能在千行百业的落地提供更好的基石。
责任编辑：杜岳