編輯部 整理自 MEET2026
量子位 | 公眾號 QbitAI

隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對于算力的需求與日俱增，這已經(jīng)成為廣泛共識。

與此同時，算法本身的規(guī)模和復(fù)雜度也在成倍增長，讓整個行業(yè)正式邁入一個更高強度的算力周期，對此太初元碁聯(lián)合創(chuàng)始人兼首席運營官喬梁表示：

• 當下行業(yè)應(yīng)用對于算力的需求與日俱增，AI需要算法實現(xiàn)毫秒級精確度，而這恰好帶動算力需求呈指數(shù)級增長。

這意味著，在未來的技術(shù)演進中，高性能計算將貫穿生產(chǎn)制造、科學(xué)研究到AI落地的全鏈路，成為各類計算場景的底層支撐力量。

在本次量子位MEET2026智能未來大會上，喬梁圍繞超智融合、異構(gòu)融合等關(guān)鍵詞分享了自己對國產(chǎn)算力生態(tài)建設(shè)的看法：

目前，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來支撐，在這一背景下，“超智融合發(fā)展”已成為行業(yè)共識。

無論是AI算法的迭代，還是傳統(tǒng)科學(xué)計算的發(fā)展，未來的趨勢都會指向同一件事：在通用計算的場景下，通過硬件架構(gòu)的設(shè)計來實現(xiàn)異構(gòu)融合。

為了完整體現(xiàn)喬梁的思考，在不改變原意的基礎(chǔ)上，量子位對演講內(nèi)容進行了編輯整理，希望能給你帶來更多啟發(fā)。

MEET2026智能未來大會是由量子位主辦的行業(yè)峰會，20余位產(chǎn)業(yè)代表與會討論。線下參會觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關(guān)注與報道。

核心觀點梳理

• AI技術(shù)的成熟改變了傳統(tǒng)科學(xué)計算模式，高性能計算技術(shù)在傳統(tǒng)生產(chǎn)制造、科學(xué)研究和AI落地場景中貫穿始終。未來，硬件廠商和軟件開發(fā)者都將面臨更大市場機會和發(fā)展前景。
• 超智融合是大勢所趨，將面向更多計算領(lǐng)域場景，需要綜合算力基礎(chǔ)設(shè)施提供智算底座。
• 單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計PC link，實現(xiàn)128卡芯片間高速互聯(lián)，為AI算法增長提供硬件基礎(chǔ)。
• 接下來需要大規(guī)模擴展和互聯(lián)系統(tǒng)，為AI算法提供硬件基礎(chǔ)。
• 國內(nèi)發(fā)展人工智能產(chǎn)業(yè)離不開開源生態(tài)，行業(yè)需要企業(yè)共同組建開源平臺。

以下為喬梁演講全文：

算力時代的演進：從傳統(tǒng)科學(xué)計算到“超智融合”

隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對于算力的需求與日俱增，這已經(jīng)成為廣泛共識，AI需要算法實現(xiàn)毫秒級精確度，而這恰好帶動算力需求呈指數(shù)級增長。

在過往，談?wù)摰接嬎?，大家腦海中或許想到的是傳統(tǒng)科學(xué)領(lǐng)域的計算需求，在那個階段，我們說算力不夠，需要建設(shè)超算中心作為算力支撐，這些是服務(wù)于科學(xué)計算領(lǐng)域?qū)Υ罅扛呔葦?shù)據(jù)以及復(fù)雜算法處理的需求。

目光轉(zhuǎn)移至當下，AI爆發(fā)后，我們更多需要以AI算法的泛化性來看待算力需求問題。

換言之，如今AI對于算力龐大的需求，是泛化性所帶來的，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來支撐。

在這一背景下，超智融合發(fā)展成為共識。

作為一家聚焦高性能計算的國產(chǎn)AI芯片企業(yè)，今天我們給大家分享太初元碁是如何推動高性能計算加人工智能（HPC+AI）落地，以及一些行業(yè)發(fā)展思考。

早些年可以看到，國內(nèi)的超算中心多聚焦氣候氣象、流體力學(xué)等領(lǐng)域的科學(xué)計算分析，數(shù)智時代的到來，伴隨著AI技術(shù)日趨成熟，科學(xué)計算的關(guān)注點與計算模式也正在被改變。

面向未來，我們認為高性能計算都將貫穿從傳統(tǒng)科學(xué)研究到生產(chǎn)制造，甚至AI+的落地應(yīng)用的各類場景，其重要性不言而喻。

基于此，對于硬件廠商、軟件開發(fā)者而言，機會和前景都是無限的，市場潛力也是無限的，AI推動產(chǎn)業(yè)完成時代進化是不可阻擋的。

異構(gòu)眾核、開源生態(tài)與算力系統(tǒng)：太初元碁的技術(shù)路線

最近一段時間AI for science大家關(guān)注度也很高，太初元碁自身基于高性能計算領(lǐng)域的深耕優(yōu)勢，我們也嘗試在很多科學(xué)計算領(lǐng)域去提速賦能。

2016年神威·太湖之光采用了有別于ASIC或DSA等的異構(gòu)眾核通用計算架構(gòu)，實現(xiàn)了純國產(chǎn)自主可控的硬件架構(gòu)和生態(tài)體系。

在這之后，放眼全球，日本、美國等國家的超算中心也在探索異構(gòu)眾核計算系統(tǒng)技術(shù)路線。

我們認為，不管AI算法迭代還是傳統(tǒng)科學(xué)計算領(lǐng)域過程的發(fā)展，未來是一個在通用計算場景下，通過硬件架構(gòu)的設(shè)計實現(xiàn)異構(gòu)融合的過程。

目前不管是頭部企業(yè)還是知名廠商，為了更好支持各類計算場景，我們都能看到大家在不同維度上嘗試了把異構(gòu)眾核進行融合。

太初元碁一直也是異構(gòu)眾核架構(gòu)技術(shù)路線的支持者，無論是早期參與神威·太湖之光的建設(shè)，還是后續(xù)我們推出的AI芯片，我們發(fā)現(xiàn)AI算法逐漸向低精度轉(zhuǎn)化。

因此我們也采用了一些細粒度的并行優(yōu)化技術(shù)，在硬件層面上保證基于通用計算場景的前提下，更好支持AI場景的落地。

目前，單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計的TC link，可以實現(xiàn)128卡間的scale up高速互聯(lián)拓展，為AI算法增長提供硬件基礎(chǔ)。未來也需要集成度更高的高性能計算系統(tǒng)，為AI算法提供硬件基礎(chǔ)。

太初元碁主要優(yōu)勢之一在于算力中心建設(shè)上，服務(wù)于大模型訓(xùn)練包括大型應(yīng)用場景。

同時，我們也聚焦垂直行業(yè)的應(yīng)用落地，例如，我們與龍芯中科推出AI工作站，基于國產(chǎn)CPU+GPU模式打造針對具體行業(yè)的AI硬件。

AI在千行百業(yè)落地離不開開源生態(tài)，我們認為行業(yè)需要企業(yè)共同組建開源平臺來推動未來發(fā)展，我們也希望進一步把我們底層硬件、軟件進行開源，吸引大家一起把整個AI產(chǎn)業(yè)生態(tài)建立起來。

HPC+AI在科研、能源、低空經(jīng)濟的落地實踐

回到具體的應(yīng)用落地層面，太初元碁基于技術(shù)視角服務(wù)科研計算行業(yè)，比如參與國內(nèi)多地公共算力基礎(chǔ)設(shè)施建設(shè)、與高校和科研機構(gòu)開展聯(lián)合課題攻關(guān)等等。

同時，我們也希望借助我們在高性能計算領(lǐng)域里的經(jīng)驗和優(yōu)勢，能為教科研領(lǐng)域的用戶進行深度賦能。

舉個例子，最近大家可能在關(guān)注AI Agent出來后，更多的編程任務(wù)是不是可以借助AI來進行代碼開發(fā)，通過AI加速實現(xiàn)代碼開發(fā)高效化，這也是未來AI產(chǎn)業(yè)生態(tài)發(fā)展的一大機遇。

我們深度參與了百度飛槳社群的建設(shè)，太初元碁跟百度的團隊也開展了很多合作，去年，我們一起完成了AlphaFold3蛋白預(yù)測模型的國產(chǎn)平臺復(fù)現(xiàn)。

同時我們也在科研領(lǐng)域通過利用HPC計算集群生成很多大量、高精度的數(shù)值模擬數(shù)據(jù)，優(yōu)化AI模型的參數(shù)，從而加速實現(xiàn)科研上的突破，例如我們與湖南大學(xué)在生物醫(yī)藥科研領(lǐng)域也開展了一些合作，取得了一定階段性成果。

針對氣候氣象領(lǐng)域，大家都比較了解，氣候氣象是高性能計算最為擅長的領(lǐng)域，現(xiàn)在我們發(fā)現(xiàn)，隨著算力的發(fā)展，新能源相關(guān)的需求也越來越大。

AI產(chǎn)業(yè)的發(fā)展，除了硬件作為底層支撐外，能源供應(yīng)也扮演重要角色，換言之，能源利用或成為影響AI發(fā)展的主要限制因素。

對此，我們通過HPC算法對氣候氣象領(lǐng)域進行數(shù)據(jù)分析，再結(jié)合AI算法實現(xiàn)能源利用效率的提升，在全國發(fā)電站、發(fā)電場景里用AI替代一部分預(yù)測預(yù)判的算法，更好支撐全國各地建設(shè)或者支持算力基礎(chǔ)設(shè)施的發(fā)展。

最后是低空經(jīng)濟領(lǐng)域，這也是熱度比較高的領(lǐng)域，這塊也是非常經(jīng)典的HPC+AI的場景。

我們通過HPC高精度的建模實現(xiàn)一定區(qū)域內(nèi)氣象數(shù)據(jù)的分析，通過這些模型建立之后再導(dǎo)入到AI模型里，快速更好的支撐低空領(lǐng)域下AI Agent的發(fā)展。