摩尔线程周苑与腾讯云石梅:AI落地卡在哪,如何跨过三道坎
从芯片、大模型到真正落地人工智能(AI)提效,“硅基”世界的演进逻辑正在发生根本重构。产业场景里的真实需求正在倒逼算力与产品的同步进化。算力底座、模型引擎与终端应用,谁在牵引谁?场景数据又如何反哺技术突破?三方共生的临界点将在何时到来?在2026年《财富》中国500强论坛上,来自AI全景生态链中不同站位的四位...
芯片怎么做出来、大模型怎么落地、AI 又怎么真正带来效率提升,这条链路一直延伸下去。“
在2026年《财富》中国500强论坛上,AI全景生态链上四位站位不同的嘉宾坐到一起聊了这些话题:摩尔线程联合创始人兼首席运营官周苑、腾讯云副总裁兼教育行业负责人石梅、中科天算董事长兼首席执行官刘垚圻,以及导远科技首席执行官Pia Hu。
摩尔线程联合创始人兼首席运营官周苑
《财富》(中文版)问:摩尔线程已经有5颗芯片量产,从把芯片做出来到让芯片更好用,中间最难跨过去的是什么?
周苑:2020年公司创立时,我们心里的理念就一条——芯片要真正被用起来。要走到这一步,得翻三座山:先做出来,再卖出去,最难的是让它用起来。
先进工艺、半导体这些产业链还不够完善,功能、性能、规格都要往上提,这背后是密集的人才投入;同时芯片还得用起来,落在软件栈、供应链、驱动程序以及各类编译软件上,让用户觉得好用、易用。
摩尔线程起步走的是全功能GPU技术路线,我们有自己的MUSA软件栈。MUSA是一套统一的系统架构,图形计算、AI计算、科学计算,还有不少模拟仿真,都支持。这些能力被放进同一个架构里,用户上手时就会发现,原来国际先进平台上有的引擎,摩尔线程平台上也有。迁移成本因此很低,用户容易上手,不必再花大量人力做适配调优,生态体系也能较快建起来。
从生产出来,到卖出去,再到用起来,在我看来这得一个台阶一个台阶地往下深耕。
腾讯云副总裁兼教育行业负责人石梅
《财富》(中文版)问:眼下AI不光能聊,还能干活,应用层的拐点是不是已经到了?
石梅:我们统计过一组数据:截至今年7月,与2024年相比,像WorkBuddy这样的AI工作台,我们给出目标,它最后交付的是结果。这个变化非常明显。大家一开始用AI多是抱着试试看的心态,后来慢慢养成工作习惯,再往后就是长期使用。技术正在知识、金融等更多领域一点点扩大应用份额。
还有一点,AI广泛应用普及之后,已经从个人提效工具变成了企业生产力工具,随之而来的是组织上的变化,以及生产效率的提升。
导远科技首席执行官Pia Hu。面对《财富》(中文版)提出的“导远科技如何打通从算力到场景的‘最后一公里’”这一问题,
Pia Hu给出的回答是:导远科技研究的是移动物体的位置变化、姿态变化,以及动态形成过程。“
她坦言,最难的环节在规模化测试:要让移动物体在室内、室外都能工作,还要经历春夏秋冬,面对不同温度和不同振动系统,得保证它在各种环境下可靠稳定、保持高精度测量,同时把有效数据留存下来。这对我们来说挑战很大。
中科天算董事长兼首席执行官刘垚圻。《财富》(中文版)问他:相比于地面数据中心,
刘垚圻:我们经常开玩笑说,
他说自己出身科学院,很喜欢“物理边界清晰”这句话。太空看着条件恶劣,有辐照、冷热、失重、真空,可不同环境、不同轨道高度下,它的物理边界都很清晰。
《财富》(中文版)又问:从单卡到十万张卡,对芯片而言,“连接”的挑战是不是更大?
周苑:人工智能的发展要先训练模型,做大参数量的模型需要有大的过去两年,摩尔线程通过大量研发投入,试图打造自己的
芯片本身在训练效果里占的分量不轻,所以在设计阶段就得先想清楚它将来用在哪:只承担训练,还是训练和推理一起干;跑的是模型训练,还是资源调用;服务的对象是机器人,还是智能体。想明白这些,设计时就要把计算、通信、存储放在一张图上统一安排,互联能力得算进去,卡与卡扩展到万卡甚至十万卡规模后效率不掉,也得提前考虑。
芯片做出来之后还要往集群上扩,万卡乃至十万卡,这就变成系统化的工程能力了。有四个非常大的挑战摆在面前:
头一个是网络互联和计算通讯架构怎么做,带宽、时延怎么定。这些指标直接决定集群是否[[保留2]]。第二是可靠性和容错率。中国人讲,万分之一的差错概率是非常大的,它是一个常态。在一定的差错概率下,如何实现[[保留3]]
第三,十万卡规模对能耗、供电保障、供电密度、[[保留4]]。最后是软件栈、调度使用效率,和[[保留5]]
《财富》(中文版):腾讯上线了WorkBuddy,AI正把知识生产的成本一再压低。未来人们干活的方式会被重新组织,您怎么看未来的工作形态?
石梅:WorkBuddy已经接入企业微信,作为内置机器人放在企业微信侧边栏,用来汇总企业内部信息、产出决策和报告,并嵌进企业流程里,不少企业的工作方式因此有了新变化。它不只是个人提效的工具,在大企业和小团队里同样能派上用场。
腾讯看重生态建设,我们聚拢了大量专家的Agent,还有各行各业的[[保留8]]。WorkBuddy是个生态平台,把个人贡献者、企业贡献者和共创的多场景连在一起。市场关心的是能交付任务的AI智能体,落到不同场景里会带来什么价值。我们会把各行业经验做成Skills,让更多人用起来,知识分享也能大幅扩展。
《财富》(中文版):说到物理世界,我有个简单的问题——算力越强,对定位和精度的要求是不是也越高?会不会出现汽车时代从未有过的挑战?
Pia Hu:挑战一直都在,只是形态不一样。汽车行业正朝智能化走,比如自动驾驶的定位精度一出问题,就会酿成安全事故。人的生命只有一次,所以我们必须保证所有产品精度准确、一致、稳定。
眼下我们在往更多行业走,碰上了几个不同的难题。比如,要的精度不像打车定位那样,而是细到厘米、落到个人。举例来说,高楼大厦一旦发生消防事故,得找到合适的救助办法,尽快找到有生命体征的人。我们的高精度定位产品装在相关安防产品里,能帮消防员解决不少问题。这对精度等技术的要求更高。不过使用时的移动速度没有车那么快,也不要求达到车的使用寿命,只要在需要的时候起到正确作用就行。
机器人日常行走、奔跑都没问题。可一旦进入搏击场景,或者路面状况异常,就得在毫秒级做出反应,让肢体的某个部位稳住平衡。人靠眼睛和耳朵感知周围,身体里还另有一套
将来需要这份对未知的确定感的,不只是人,机器人、移动物体同样需要。拿算力和模型不断训练,大脑会更聪明,视力也会更好。可即便如此,人还是会觉得晕,这时候就得靠
《财富》(中文版):
刘垚圻:这些场景在他看来都是刚需。可真正能赚到钱的,偏偏是非刚需业务——出租车、外卖软件,还有前面提到的各类机器人,这些已经跑通了商业闭环。
他的一位学生以前跟他讲过:二十年以后,渔民能不能直接问卫星——我想找金枪鱼,你给我导航一下。卫星靠各种传感器搜寻鱼群,经过大脑思考,再用一句话告诉渔民:东北方向20海里处有一群鱼正要游过,建议用什么鱼钩、什么渔网、什么时候下网、什么时候收网、大约收多少条、卖到哪里、卖多少钱、要不要我帮你卖掉。真有这样一款App,渔民会用吗?
除虫、浇地、数羊、期货、保险,这些才是未来太空互联网、太空算力的价值所在。打电话、拍照片只是表面,真正要做的是用技术把
《财富》(中文版):太空算力是全球竞争的事,中国方案强在哪、弱在哪?是芯片自主,是在轨系统,还是成本?按计划2035年要建成万卡的太空超算中心,这个目标立起来、落下去,靠什么、还要再建什么?
刘垚圻:AI时代,不管在地面还是太空,中国都应该能赢。AI需要更多人物、机器人的输入,而中国走的一直是开源开放、共享共创的路子,政策和技术都是如此。
AI早晚要走向全球化,地面的基础设施也好,天上的也好,中国往应用上布局——挪威的渔民、埃及的渔民会不会用我们的找鱼App?围绕安全和开源开放做生态,发展中国家和全球用户可能更愿意接受。这一点很关键。
再回头看过去五十年信息技术的发展,其实一直挺被动。问题不在技术,而在英特尔、英伟达、谷歌五十年前开发出第一个应用,如今长成千亿级应用,大家都跑在这些生态体系上,而它们并没有完全开源开放。今天太空算力重新起步,是个重要机会。
《财富》(中文版):英伟达不只在物理世界很强,它还有自己的生态系统
周苑:芯片从做出来到用起来,生态软件非常关键。一开始就得想清楚到底服务哪个市场。事实上,现在的生态体系是建立在
硬件底子得先齐备,图形、科学计算、仿真都算在内,所以摩尔线程用全功能GPU搭起统一架构的计算体系。另一头,芯片要跑得快:迭代、软件成熟、再回头推动芯片架构升级、再带动软件往前走。MUSA软件栈能兼容过去6年,这家公司靠一年一代的芯片节奏推产品化,生态的影响力也一点点放大。
《财富》(中文版)问:AI正走到全民时代的关键节点,哪个场景会让应用真正全方位、大规模地爆发?办公、科研,还是别的?
石梅的判断是,爆发点会落在办公上。WorkBuddy今天盯的正是办公,而办公人人参与,时间分配上又能被大幅改写:重复性的事交给AI,人晚上睡觉时也能把活派给AI,效率上去了,生产力也跟着放出来。
更长远看,她认为最有价值、下一步可能释放巨大价值的,是在
《财富》(中文版)又就位置系统提问:AI应用最先爆发的场景会是哪一个?
Pia Hu提到,眼下很热的是李飞飞的
头一条是绝对的实时,要精确到毫秒,一点延时都不允许。信号从卫星发出,穿过大气、粉尘和雨水都会带来延时,那就得靠惯性系统把这个延时补回来,保证及时。
第二条是此时此刻位置变化的测量必须足够准。机器人本身就是移动物体,形态五花八门,人形、机器狗,或者别的移动体都算。最后一公里的事要解决,快递的最后一公里、送一杯咖啡的最后一公里,对实时和精确的要求都很高,得靠时间和空间配合。所以导远科技做的是
《财富》最新榜单