2025年11月25日，在全球CEO領(lǐng)袖峰會(huì)上，中國半導(dǎo)體行業(yè)協(xié)會(huì)IC設(shè)計(jì)分會(huì)理事長、清華大學(xué)集成電路學(xué)院教授魏少軍博士圍繞“中國算力半導(dǎo)體公司的發(fā)展之路”這一主題，指出中國在AI領(lǐng)域正走上一條不同的發(fā)展道路。同時(shí)，他也強(qiáng)調(diào)說，“創(chuàng)新是未來中國占領(lǐng)科技制高點(diǎn)、贏得發(fā)展主動(dòng)權(quán)的唯一手段。必須聚焦顛覆性技術(shù)突破，打造中國自己的人工智能技術(shù)體系。”
人工智能的技術(shù)發(fā)展歷程
人工智能的起源可追溯至20世紀(jì)40年代。1943年，美國神經(jīng)生理學(xué)家沃倫·麥卡洛克和數(shù)學(xué)家沃爾特·皮茨通過對(duì)大腦神經(jīng)元進(jìn)行類比和建模，首次提出人工神經(jīng)網(wǎng)絡(luò)概念。這一創(chuàng)見奠定了計(jì)算機(jī)基本計(jì)算模型的基礎(chǔ)，成為人工智能發(fā)展的重要起點(diǎn)。
1956年的達(dá)特茅斯會(huì)議標(biāo)志著人工智能學(xué)科的正式誕生。與會(huì)科學(xué)家們首次提出“人工智能”這一概念，明確將“用機(jī)器模仿人類學(xué)習(xí)及其他方面的智能”作為研究目標(biāo)。這次會(huì)議確立了人工智能研究的核心方向，開啟了長達(dá)數(shù)十年的技術(shù)探索。
1981年，David Hunter Hubel因?qū)σ曈X神經(jīng)系統(tǒng)的研究獲得諾貝爾獎(jiǎng)，他的工作揭示了神經(jīng)元網(wǎng)絡(luò)如何通過連接整合信息，為深度神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定生物學(xué)基礎(chǔ)。隨著網(wǎng)絡(luò)結(jié)構(gòu)不斷加深、加寬、加厚，深度學(xué)習(xí)技術(shù)逐漸成熟，使計(jì)算機(jī)實(shí)現(xiàn)人類視覺認(rèn)知能力成為可能。
人工智能三要素的演進(jìn)與內(nèi)涵
算法、數(shù)據(jù)和算力構(gòu)成人工智能發(fā)展的三大核心要素。
算法作為生產(chǎn)方法，定義了如何將數(shù)據(jù)轉(zhuǎn)化為智能產(chǎn)品；數(shù)據(jù)作為生產(chǎn)資料，是算法加工的對(duì)象；算力作為生產(chǎn)力，是執(zhí)行算法的根本保障。魏少軍教授表示，這三者的關(guān)系猶如傳統(tǒng)生產(chǎn)中的生產(chǎn)方法、生產(chǎn)資料和生產(chǎn)力，共同推動(dòng)著人工智能技術(shù)的進(jìn)步。
在算法方面，傳統(tǒng)人工智能算法主要解決特定問題，具有輕量級(jí)、可解釋性強(qiáng)等特點(diǎn)，適用于小規(guī)模數(shù)據(jù)和專門任務(wù)。而大模型作為算法的子集，通過海量參數(shù)和復(fù)雜結(jié)構(gòu)實(shí)現(xiàn)從“專用”到“通用”的跨越。
具體而言，傳統(tǒng)算法參數(shù)規(guī)模通常在幾千到百萬級(jí)，依賴少量標(biāo)注數(shù)據(jù)，適合垂直領(lǐng)域應(yīng)用，資源消耗較低，且具有較好的可解釋性。相比之下，大模型參數(shù)規(guī)模達(dá)十億級(jí)以上，需要TB級(jí)未標(biāo)注數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，通過自學(xué)習(xí)提取通用特征，能夠處理開放性問題，但需要分布式計(jì)算，訓(xùn)練成本高昂，且可解釋性較差。
在數(shù)據(jù)方面，到2025年全球數(shù)據(jù)量預(yù)計(jì)將達(dá)到175ZB，數(shù)據(jù)爆炸式增長對(duì)計(jì)算能力提出更高要求。算力需求每年增長約10倍，充足的算力已成為人工智能發(fā)展的基礎(chǔ)條件。從AlphaFold2蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)到GPT-3大模型訓(xùn)練，算力的提升使得原本需要數(shù)月的計(jì)算任務(wù)縮短至天級(jí)完成，“得算力者得天下”成為行業(yè)共識(shí)。
人工智能發(fā)展面臨的算力挑戰(zhàn)
AI的實(shí)現(xiàn)過程包含訓(xùn)練、推導(dǎo)和推斷三個(gè)關(guān)鍵環(huán)節(jié)，這些環(huán)節(jié)模仿了人類思考的過程，但對(duì)計(jì)算資源的需求各不相同。
比如，訓(xùn)練過程需要大量數(shù)據(jù)驅(qū)動(dòng)參數(shù)優(yōu)化，計(jì)算成本高，耗時(shí)長達(dá)數(shù)天甚至數(shù)月；推導(dǎo)過程基于知識(shí)或邏輯規(guī)則進(jìn)行推理，關(guān)注過程的可解釋性；推斷過程則要求低延遲、高效率，需要在毫秒級(jí)內(nèi)給出預(yù)測(cè)結(jié)果。
當(dāng)前的人工智能算法發(fā)展仍處于初級(jí)階段。魏少軍教授以LeNet、AlexNet、LRCN為代表的三個(gè)模型分別專注于手寫體識(shí)別、圖像分類和視頻理解，這些模型的結(jié)構(gòu)各異，說明目前尚無一種算法能夠涵蓋所有應(yīng)用場(chǎng)景。而每種算法對(duì)應(yīng)特定應(yīng)用的特點(diǎn)，帶來了巨大的計(jì)算挑戰(zhàn)。
他還指出，為應(yīng)對(duì)這些挑戰(zhàn)，我們需要新型的智能計(jì)算引擎，其應(yīng)具備三個(gè)特點(diǎn)：可編程能力以適應(yīng)各類應(yīng)用；計(jì)算和存儲(chǔ)密集型以支持大規(guī)模數(shù)據(jù)處理；高能效以支持從云端到邊緣的遷移。在此基礎(chǔ)上，AI正在催生第六代電子計(jì)算機(jī)——AI超級(jí)計(jì)算機(jī)，其特點(diǎn)是超高速、高精度、海量參數(shù)處理能力。
人工智能芯片架構(gòu)的演進(jìn)與創(chuàng)新
在芯片發(fā)展方面，目前尚未出現(xiàn)能夠替代半導(dǎo)體的其他技術(shù)。AI芯片的演進(jìn)經(jīng)歷了多個(gè)階段：從早期使用現(xiàn)有CPU、GPU、FPGA，到專用架構(gòu)（DSA）如Google TPU、華為昇騰，再到GPGPU架構(gòu)如英偉達(dá)H100、燧原DTU，最終向軟件定義芯片（SDC）發(fā)展，實(shí)現(xiàn)高靈活性與高效率的平衡。
魏少軍教授表示，當(dāng)前全球AI發(fā)展已被英偉達(dá)的GPGPU架構(gòu)和CUDA生態(tài)深度綁定，形成了“模型-架構(gòu)-生態(tài)”三重依賴。這種綁定導(dǎo)致中國AI發(fā)展與美國技術(shù)深度關(guān)聯(lián)，在當(dāng)前的國際形勢(shì)下帶來重大挑戰(zhàn)。
除此之外，中美在AI三要素上的比較優(yōu)勢(shì)正在發(fā)生變化。在數(shù)據(jù)方面，中國擁有規(guī)模優(yōu)勢(shì)；在算法方面，美國仍保持領(lǐng)先；在算力方面，中國僅為美國的約1/7。這種不平衡的發(fā)展格局使得中國在AI競(jìng)爭(zhēng)中面臨巨大壓力。
中國算力芯片的自主創(chuàng)新之路
如今，中國在先進(jìn)工藝（≤5nm）方面受到限制，必須尋求顛覆性技術(shù)創(chuàng)新。近存計(jì)算芯片技術(shù)通過3D混合鍵合將存儲(chǔ)器與邏輯芯片集成，大幅提升能效。軟件定義近存計(jì)算芯片則結(jié)合了軟件定義芯片的靈活性和近存計(jì)算的高效能，實(shí)現(xiàn)了性能的突破。
基于國產(chǎn)14nm邏輯工藝加18nm DRAM工藝，通過軟件定義近存計(jì)算芯片技術(shù)，可以實(shí)現(xiàn)比肩英偉達(dá)4nm芯片的性能。采用這種技術(shù)構(gòu)建Z級(jí)（10²¹ Flops）超算中心，能耗和成本均可大幅降低。例如，與傳統(tǒng)架構(gòu)相比，軟件定義近存計(jì)算芯片可實(shí)現(xiàn)能耗降低85%，成本僅為傳統(tǒng)方案的57%。
結(jié)論與展望
智能化是人類社會(huì)當(dāng)今最重要的發(fā)展特征，AI是“以人為本”的科技革命的最高階段，是人類未來發(fā)展的戰(zhàn)略制高點(diǎn)。半導(dǎo)體技術(shù)強(qiáng)力支撐著人工智能的發(fā)展，在可預(yù)見的未來，尚不會(huì)出現(xiàn)能夠替代半導(dǎo)體的其他技術(shù)。
魏少軍教授強(qiáng)調(diào)，必須清醒認(rèn)識(shí)到，中美之間“和諧”相處的時(shí)代已經(jīng)過去，今后最大的可能是全面競(jìng)爭(zhēng)，最壞的情況是“脫鉤”。中國必須緊緊抓住人工智能和半導(dǎo)體發(fā)展機(jī)遇，下決心摒棄美國的技術(shù)路線，擺脫對(duì)英偉達(dá)芯片的依賴。創(chuàng)新是未來中國占領(lǐng)科技制高點(diǎn)、贏得發(fā)展主動(dòng)權(quán)的唯一手段。必須聚焦顛覆性技術(shù)突破，打造中國自己的人工智能技術(shù)體系。唯有這樣，才能確保供應(yīng)鏈的安全和產(chǎn)業(yè)鏈的韌性。
同時(shí)應(yīng)當(dāng)認(rèn)識(shí)到，人工智能并非萬能，其發(fā)展必須與本國文化、制度、語言緊密結(jié)合，才能實(shí)現(xiàn)真正的落地與應(yīng)用。只有在自主創(chuàng)新的道路上堅(jiān)定不移地前進(jìn)，中國才能在人工智能的全球競(jìng)爭(zhēng)中贏得主動(dòng)，為人類科技進(jìn)步作出應(yīng)有貢獻(xiàn)。
