本文来自微信公众号： 智讯智库 ，作者：张佳伟许倍
随着智能体接管研发、新型硬件重构交互、具身智能步入物理世界，AI带来的产业变革已悄然跃至拐点。AI正从“感知世界”的技术大秀，步入真正“下场干活”的深水区。价值标尺也随之偏移：跑分依然重要，但效率、成本与真实利润，开始接管整场牌局。
这种底层逻辑的切换，首先引发了资本与市场的新一轮焦虑。当基础设施从集中的“训练中心”演进为无处不在的“Token工厂”，重金砸下的智算中心，究竟会是源源不断的现金牛，还是利用率不足的沉没资产？面对“AI泡沫”论，市场急需一套全新的价值标尺，用来丈量每一枚Token的真实成本与商业回报。
资本的追问，亦是产业的生存大考。这套新的价值标尺，直接关系到中国AI如何破局。在先进制程受限的现实条件下，中国企业显然不能只在单颗芯片参数上被动追赶，留给它的挑战和机会是——如何跳出硬件窠臼，通过系统级创新打开破局窗口？庞大的应用场景优势，又该如何转化为牵引底层算力迭代的产业飞轮？
当技术浪潮穿透硬件、席卷终端，商业形态与个人境况都在被重塑。手机APP或许会消失，流量入口将被重构；企业面对“买了AI工具却不见生产力提升”的陷阱，必须挥刀进行“自我革命”；对于身处洪流的普通人而言，他们的技能池已经被机器拆分、重估，如何保住“饭碗”成为社会最大的焦虑；而当AI能力越强，技术向善与长期主义越不能成为效率之后的附加项。
在2026世界人工智能大会暨人工智能全球治理高级别会议期间，智讯智库创始合伙人张佳伟与云天励飞董事长兼CEO陈宁展开了一场深度对话。这场对话剥离了单纯的技术狂热，直面AI从“训练”向“推理”换挡期的真实痛点。无论是寻找破局之道的中国企业，还是在巨变中重塑坐标的个体，或许都能在接下来的内容中，找到下一个十年的生存法则。
你将在这篇访谈中看到以下核心判断（Key Takeaways）：
【AI价值坐标的变化】：AI正从感知世界、生成内容走向执行任务，行业衡量技术价值的标准，也将从模型参数和榜单成绩转向能否完成真实工作、创造收入和利润。
【算力范式的重构】：训练时代比拼模型能力的上限，推理时代比拼Token的生产效率和性价比。推理时代既需要GPGPU的通用性，也需要NPU的能效比，融合二者优势的异构架构可能成为新的算力方向。
【AI泡沫的分层判断】：长期产业趋势与短期资产价格需要分开判断。部分公司和细分赛道可能存在短期高估，但整个AI基础设施仍处于从0到1的阶段，现在讨论全行业泡沫还太早。
【中国AI的独特路径】：中国“1到100”的规模化落地不只是应用优势，还可能成为下一轮“0到1”的起点。真实场景沉淀的需求、数据和工程经验，可以反哺算法与芯片突破；新的底层创新又能降低成本、扩大应用规模。
【推理芯片的窗口】：推理竞争并不只看单颗芯片的峰值参数，更看整个系统生产Token的成本。模型与芯片协同、低比特计算、先进封装、近存计算和光互联，可能提供系统级突破路径。
【超级入口的迁移】：未来的APP可能会消失，成为一项可被调用的功能。而真正掌握入口的，可能是那些能够理解用户意图、调度工具并完成任务的智能体。
【具身智能的真正瓶颈】：机器人产业的关键不只是制造更灵活的本体，而是能否拥有适应真实世界的“大脑”。缺少世界模型、物理数据和跨场景泛化能力，再先进的机器人也可能停留在定制化硬件阶段。
【企业AI转型的核心】：企业使用AI最难的不是选择工具，而是改造原有流程和组织关系。个别员工效率提升十倍，并不等于企业生产力提升十倍；如果一把手不推动流程再造，AI很容易停留在局部提效。
【人的能力重新定价】：AI首先替代的是任务而不是所有人。重复技能的价值可能下降，但自驱力和持续学习能力会变得更重要，教育也将从标准化培养转向个性化发展。
【AI向善与长期主义】：技术能力变强并不自动等于社会价值增加。AI越强，越需要兼顾安全、普惠和长期利益；对于个人而言，健康的心态、身体和持续学习，是穿越周期的底层能力。
关键词：
推理时代、Token工厂、GPNPU、中国AI路径、智能体与具身智能、AI向善、长期主义
以下为访谈原文精校版，（）内为编者注解，非受访者原话。原始访谈视频请点击下方"智讯智库"视频号查看。
AI的三次进化：小模型“看懂”，
大模型“生成”，智能体“干活”
智讯智库：非常感谢陈博接受智讯智库的邀请，上次和您见面还是在真格（基金）的活动。7年了，时光飞逝。从2014年公司成立到现在，云天励飞走过了一条极其硬核、从算法到自研芯片的闭环之路。而陈博您不只是科学家，也是深耕产业、深刻理解产业落地的商业实践者。某种意义上，您见证了中国AI从萌芽到爆发的全过程。所以今天特别想和您聊聊，AI走到了哪里？中国AI的机会在哪里？以及未来10年，人类将走进一个怎样的新世界？
那第一Part咱们先聊一聊技术来路。以及过去这十多年AI的变化。陈博您早期是一直在美国留学、工作，也一直在芯片领域深耕。您觉得从2012年AlexNet横空出世，到这一轮以Transformer架构为代表的大模型的AI大爆发，AI底层的本质变化有哪些？
陈宁：佳伟，好久不见！这几年AI确实日新月异，变化很快，也很多，眼花缭乱。但是呢，穿透这些眼花缭乱的新闻和变化之后，我个人认为AI经历了三个阶段。
从2012年的AlexNet到2020年，我们称之为AI 1.0阶段。它是小模型驱动的智能感知的阶段，基本上应用都是围绕着视觉识别、语音识别这类机器模拟人类感知的问题。背后是以CNN（卷积神经网络）、RNN（循环神经网络）为代表的深度学习小模型驱动的智能感知技术的突破。在中国的人工智能1.0阶段呢，也落地了大量的行业解决方案，比如说安防、交通、能源等各个领域、各个场景。
从2020年起，其实在技术层面我们已经拥抱了Transformer。当然，大家知道Transformer更多是通过2022年的ChatGPT。所以，从2020年到2025年是大模型时代，是大语言模型、多模态大模型，基于Transformer的技术底座驱动的AIGC的时代，文生视频、生文、生图、生代码这种内容生产的阶段。
从2025年到2026年，我们正在进入AI 3.0的阶段，这个阶段就是Agentic AI的时代。Agentic AI以OpenClaw为代表，还有物理AI、智能体、智能集群，真正出现了应用大爆发，尤其是跨场景、泛化的通用应用大爆发的阶段。
这三个阶段再总结一下，我认为从2012到2025这十三年的时间，可以说是AI的技术沉淀阶段，让全世界相信AI有能力带来一场新的工业革命。从小模型到大模型，更多是技术的突破和能力的展示。但是2026年开启的Agentic AI，甚至到未来的具身智能，这些时代，是技术真正走向成熟，应用大规模爆发的时代。尤其是智能体驱动AI真正产生收入、产生利润的时代。所以可以说，过去是AI的训练时代，未来是AI的推理应用时代；过去AI培养的是技术能力，未来AI比拼的是下场干活的能力。
智讯智库：（AI）进入千行百业。
陈宁：对，过去AI是成本中心，未来AI的基础设施建设是收入和利润中心，所以其实从2012年开始到今天，AI正在经历一个巨大的变革，从过去的投入研发、技术的进步，到未来真正的一场工业革命已经拉开了序幕——（AI）还要下场开始干活。
云天励飞十二年：
算法芯片化与组织自进化
智讯智库：陈博您既是行业的观察者，也是亲历者，您自己在AI大爆发的这个过程中，最主观的感受是什么？
陈宁：AI技术在我们看来，哪怕作为从业者（的感受），也是日新月异、飞速的在变化。当然，这个也很正常。过去300年我们经历的几轮的工业革命，确实就是日新月异的技术不断地落地，来颠覆我们每一天的生活。所以最主观的感受就是要学习学习再学习，进步进步再进步，甚至要追寻AGI，率先实现我们人类自身的自学习、自进化的能力，才能抓住AI日新月异的脉搏。
智讯智库：2014年云天励飞成立，是最早一批中国的AI明星企业。早期的一些称号，像“AI四小龙”，到后面叫“大模型六小虎/四小龙”，包括最近这几年的“杭州六小龙”“AI芯片四小虎/六小虎”，各种称号层出不穷。但有的称号响极一时，很快就黯然失色。这个过程中，云天励飞其实一直在非常迅猛的发展，您觉得云天励飞做对了什么？
陈宁：当然，我认为云天励飞今天还是在路上啊。如果说回顾过去十二年我们的创业史，总结一下，我认为有两件事情是我们团队最核心的东西，也是我们努力在不断进步的东西。
第一点，就是我们算法芯片化的技术主线。像我本人，我其实PhD是搞算法，但是在美国2005年的第一份工作就投入到了处理器指令集和芯片设计的领域。所以从我个人的求学、工作经历，在学术界和产业界的这些背景，我深刻地感受和体会到了，算法芯片化对于提高技术效率的价值和技术路线的必然性。包括未来的Token工厂，讲的就是AI的性价比。
所以从2014年创业第一天，我们就一直在探索和寻找，这些真正能够大规模落地应用的、高性价比驱动的技术和产品，能够去创造社会价值。只有性价比高，才有可能大规模的落地应用。所以算法芯片化的技术主线决定了我们的产品的特点，不是简单搞一个技术的demo，一定要让技术、市场需求和最后的商业模式三者能够咬合在一起，（实现）未来大规模的落地应用。不管小模型、大模型都要遵循这样的一个规律。
第二点，是我们过去12年，团队一直内生的、自发的一个动力，那就是不断地自我学习的能力，因为我们所在的赛道——人工智能本身就是一个日新月异、变化非常快的一个赛道。我们每个人，在这个行业里面，身处变化最快的这个漩涡中间，我们更要日新月异的更新自己。AGI（的核心）也是自学习、自进化，所以我们团队之所以能经历从小模型到大模型到Agentic AI这几个不同的阶段，是因为我们首先能够战略聚焦，预判这些行业的发展，同时我们又能把底层的技术能力转化成为适应时代和市场所需要的技术和产品，这跟我们的自驱的学习能力是密不可分的。
智讯智库：就像您说的，您应该在云天励飞早期就强调和主推算法芯片化。从2014年成立，云天励飞最早就（立志）重点要做芯片，那您早期在面对投资人和同行们，告诉他们“我要做芯片”，大家的感受是怎样？反馈是怎样？
陈宁：确实那时候太早了，我们2014年从美国回到国内，在深圳跟很多投资人讲，我们要去做一个叫神经网络处理器的一个技术，去做CNN、RNN的这些推理加速，尤其我们自己要去设计芯片。在那个时候，投资人可能听到的只有手机芯片，AI概念是刚刚开始，一年多的时间，更不要说要去做AI的芯片，尤其是AI的推理芯片。那时候英伟达的第一代DGX（全栈式AI训练平台和深度学习超级计算机）是在2016年，两年后才设计出来，所以确实那个概念（AI推理芯片）太早了。
所以我们一开始的融资并不顺利，一直到一年以后才有第一笔。最开始第一年是我们几个人把美国的工资拿过来补贴公司，坚持运行了一年。然后到了2015年，我们写了一个Proposal（提案），去参评了深圳的“孔雀计划团队”。当时那个题目我印象还特别深，叫做《面向城市级海量视频智能分析的神经网络处理器指令集及其产业化》，很长的一个名字。但我们也没想到，经过一轮一轮答辩，我们居然得了2015年的“孔雀计划团队”的第一名，然后政府就有4000万的科创基金支撑。这个基金到位之前，我们在北京的一次交流会上，正好遇到了一帮投资人，我就用三五分钟讲了一下我们要做的神经网络处理器，以及它未来的巨大产业空间——当人工智能大规模应用落地的时候，所有的应用，不管是终端还是云端，都需要用到神经网络处理器的技术。
中场休息的时候，就有一个投资人拉着我，后来我才知道他就是徐小平。我们聊了30分钟，徐老师说：“虽然我还是没太听懂你讲的这些东西，但是我觉着你们这个团队靠谱，你们有前瞻性，又能落地。”（于是）马上投了500万。那是我们真正的第一笔天使投资。所以后来我们跟真格（基金）也是非常好的合作伙伴，徐老师是第一个相信我能做成这件事的投资人，所以天使投资还是很重要。
智讯智库：他觉得您靠谱啊。其实很多时候伟大是不可以被计划的，他可能就是从您的个人气质，然后确定了这笔投资。
陈宁：所以我们上市以后也在做一些投资，尤其是布局我们的产业链和生态链，因为推理芯片需要依托的是Token工厂的五层蛋糕。客观来讲，我也不断地在学习怎么做投资。（因为）技术方向是一回事，市场需求是一回事，产业判断又是一回事，尤其是团队的技术沉淀组合，这些都很重要，但最重要的还是创始团队。关于投资，我非常认同一句话：“投资还是投人？还是要看这人，这个团队，尤其是创始人本身。”
第一，他的视野，他的格局，因为大家都在讲，“你很难赚到你的视野之外的钱”。第二呢，就不能光星辰大海、天马行空，因为其实世界不缺思想者，缺的是能够真正把这些思想、技术落地变成产品，获得市场认可。这个就需要团队很靠谱、接地气，得能落地。创始人需要兼具格局和落地的能力，这两项能力很重要。
算力竞赛换挡：
从训练中心到Token工厂
智讯智库：对，要能落地产业。那咱们回到这个算力跟芯片。上一轮AI的浪潮其实是深度学习带来的，那这一轮就是以Transformer为底层架构的大模型带来的。您觉得这两波浪潮里面的最核心的算力结构有一些变化吗？它的差异是什么？
陈宁：其实你会看到，不仅这两波浪潮，尤其是当前2026年，我们又处在一个全新的转折点。第一个阶段，小模型的推理加速，其实最适合NPU（神经处理单元），就是矩阵类计算的自定义指令集的，或者是数据流的架构。但是到了Transformer，突然参数规模增长了百倍、万倍，变成了千亿级的参数，并且计算的算子类型极其丰富，所以GPGPU（通用图形处理器）这种通用类的硬件架构，尤其是依托CUDA的生态（就成了主流）。
在2020年到2025年，大家都知道，英伟达，全球市值最高的公司，它的CUDA生态是全球最丰富的计算生态。这是过去十多年的底层计算的一个发展，但我认为2026年又是一个转折点，我们正在步入新一轮的计算范式革命的时代：NPU到GPGPU，再到定义未来的5到10年的以GPNPU（通用神经网络处理单元）为主导的一个全新的计算需求和计算范式。
智讯智库：GPNPU。
陈宁：对，为什么是GPNPU呢？顾名思义，它其实就是要融合GPGPU和NPU。NPU的优势在哪里？在于能效比、性价比。GPGPU的优势在哪里？在于灵活性，当然性能也很高，靠Scaling Law（规模定律）、靠工艺，把单芯片的计算密度、算力、带宽、存储堆到最大，然后Scaling Up（纵向扩展）、Scaling Out（横向扩展）这样的计算集群。
但是为什么说今天又是一个全新的转折点呢？因为过去从2012年到2025年这十三年的时间，不管是NPU还是GPGPU，其实都在培育AI的进步，培育更聪明的模型，不管是小模型还是大模型。过去十三、四年是比拼训练芯片的时代，谁能够训练出来最聪明的大模型？未来五到十年比拼的是什么？比拼的是推理，比拼的是谁生产出来的Token性价比最高。
两件事情，吞吐要最高，因为吞吐决定的是你的百万Token的售价；成本要最低，因为成本和售价之间的空间就是你的利润空间。所以，所有的Token工厂也好，AI芯片企业也好，要最大化你的利润空间，就要把售价抬高，成本降低，而这件事情对于底层基础算力的架构和范式提出了突破和颠覆性的要求。而只有融合GPGPU的通用性，同时挖掘NPU的效率，才能够去解决未来的更高吞吐、更低成本的需求。所以两年前我们提出GPNPU的架构，而这件事情，今天我个人认为已经被Vera Rubin，也就是英伟达的新一代架构所证明。
Vera Rubin已经不再是像过去的Blackwell、Hopper这样的单颗芯片，强调单颗芯片的参数指标。它已经是一个推理系统，里面7颗芯片，不再单单靠Rubin这样的GPU，它也融入了LPU（语言处理单元）。LPU其实就是NPU的一种，通过LPU组成的LPX计算集群去追求500-1000TPS的极致吞吐。因为只有达到1000TPS，专业的Coding才可以百万Token实现，比如说150美金/百万Token的售价。而40TPS的Token可能就是像豆包这样的，用户都是免费的，所以它有个非常宽的定价频谱。
这个GPNPU的异构架构就是要去Cover从40TPS到100TPS、300TPS、500TPS甚至到1000TPS，非常宽的这样一个频谱，面向不同的应用场景、不同的客群。所以总结一下就是，智能体的应用大爆发，包括未来的具身智能应用大爆发需求，会让未来的基础设施不再是模型的训练中心，而是无处不在的Token工厂。Token工厂的核心竞争力有两方面，一方面Token的throughput（吞吐量），另外一方面就是芯片和能耗的这些成本，而要做到这两方面，需要底层的算力结构的变革。新的算力结构，我们认为是类GPNPU的这样一个架构，可以说GPGPU主导了过去十多年的训练时代，GPNPU是未来推理时代的黄金标准。
智讯智库：对，就像您说的，不同的模型Token的定价千差万别，单位Token的产出质量也不尽相同。您觉得，未来我们追求Token的成本降低，或者说它的利用效率最高化，这是一个美好的愿景，还是可行的方向？
陈宁：我们必须做到，它既是我们的愿景（也是）目标。比如说我们提出“1001”（计划）：2030年要把百万Token的成本打到一分钱人民币。它既是一个美好的愿景，我们也在研究实现它的一系列技术路径，但是它是行业和产业发展的一个必然。（即使）我们做不到，这个行业也一定会实现，因为只有实现Token的成本极低，Token的价值极大，才有可能真正实现一个工业革命的拐点。只有Token和AI像水和电一样想当然的存在，我不用考虑它的成本，才是真正的一场工业革命。
所以这两件事情同样重要，一件事情就是把Token的商业价值发挥到最大，把它的性能提升，把它的商业价值闭环实现，把它的吞吐量不断的提高，从今天我们的自然语言聊天的这种20-40TPS甚至突破1000TPS，另外一方面又要把百万Token的成本要降到极低，让Token像空气一样，想当然的存在。
推理时代启幕：
算力扩张与泡沫之辩
智讯智库：嗯，（让Token工厂）成为真正的基础设施。那您觉得当下算力最大的瓶颈是什么？以及未来新的机会大概是哪些？
陈宁：其实当下的算力，我认为在技术和产业上面遇到了一系列的瓶颈，主要还是技术发展和产能这样一系列的问题。这两年我们看到，首先是高端算力芯片的紧缺，当然也受一些国际环境的影响，从去年开始的存储芯片的紧缺，到今天的光模块、光互联、光的技术，甚至到PCB，所有的这些是因为未来的一场新的工业革命，需要无处不在的Token工厂和源源不断的7天24小时不间断的高性价比的海量Token，但是背后的算力产业，技术和产能跟今天的需求是错配的，这也是为什么我们要聚焦在新一代的GPNPU的推理芯片架构上面，（这样）既能够不断去突破这些技术，突破“1001”的这类目标，同时又能够在当前（特殊）的国际环境下去助力，比如说国产工艺的安全的供应链的建设。这样我不仅能设计得出来，我还能获取到安全的IP，还有安全的生产环境，能够实现这样一个稳定安全的供应链和产能保证，这也是非常重要的一个因素。相信随着需求的激增、市场的大爆发，尤其是对于推理芯片而言，技术不断的突破和产能的进步，我们未来5年将会见证人工智能行业的应用落地大爆发和新一轮的工业革命。
智讯智库：那您怎么看AI泡沫？我们现在真的需要这么多的大量的算力基础设施吗？
陈宁：对这个事情我其实是非常非常乐观的。
智讯智库：您是觉得没有泡沫？
陈宁：我认为在这个发展的过程中，个别的公司可能会跑得快一些，包括一些上市公司，对于不同行业，比如说存储现在价格涨得特别快，甚至已经影响C端了，比如说光计算。那么，在这个过程中可能有些公司的价值短期之内被高估，有些被低估，这些波动在二级市场上我认为都是正常的，甚至一级市场最近的融资的也每个月都在涨，我觉得这些个案的波动是有的，但是对于整个人工智能的行业，我认为如果谈泡沫还太早。整个人工智能的基础设施的建设，我认为还处于0到1的一个阶段。
因为过去5年，包括美国的星际之门，我们国内也在建很多的算力中心、智算中心，其实都还是在建AI大模型的训练中心，未来我们更需要的是推理算力中心。Jensen讲推理的市场需求是训练的一万倍，我们刚刚开始起步。尤其AI是新一轮的工业革命，从C端到企业端，到未来的具身智能，所有人都要用Token，但是其实真正今天能够改变我们生活，改变企业运行的杀手级的应用还没有真正的落到我们的身边，正在逐步落地的过程中。所以我认为基础设施其实是刚刚开始，处于由过去的训练算力中心全面进入到未来的推理算力网络，云、边、端的无处不在的推理算力网络。
智讯智库：AI Factory跟Token Factory。
陈宁：是的。
中国AI路径：
用“1到100”反哺“0到1”
智讯智库：那下一Part咱们聊聊中美AI，就是现在AI已经是大国竞争的焦点，行业内普遍有一种观点：美国负责从0到1的原创式创新，中国负责从1到N的商业落地。您认同这种观点吗？
陈宁：我觉得这样的一个观点，客观来讲，它展现的是过去三四十年，一些技术发展的创新发展的过去式，比如说互联网阶段，很多新的商业模式在美国有所突破，包括芯片的很多技术在美国有所突破，可能三十年前是这样，二十年前是这样，但我们要用发展的眼光来看待这个问题。比如说DeepSeek，去年，我认为那就是历史上第一次，一个世界级的创新技术，我们中国的团队能够把这个技术的差距压缩在12个月之内。所以可以用发展的眼光来看，我们0到1的创新能力在快速提升。
但是客观来讲，我们不能骄傲。我们要看到，我们在很多领域，比如说高端芯片的生产制造，光刻机依然是卡脖子的问题，很多东西我们可以设计出来，但是很难生产制造出来。所以华为发布了韬（τ）定律，我们怎么用3D堆叠的一些技术来找到一些创新路径，来解决这些核心技术的卡脖子问题。
所以，我认为人工智能赛道和半导体行业的很多团队，正在积极努力地实现一些有中国特色的0到1的技术突破。但同时，1到100的大规模应用落地，又是中国的差异化优势。六年前，美国出过一个《人工智能全球发展报告》，提出了美国当时是在算法、芯片、人才有领先，同时也指出中国在应用、数据、系统有差异化优势。很显然，我们中国其实可以利用我们丰富的应用场景和潜在的数据资源，治理好这些数据的质量，以及我们的系统工程能力，比如说IDC的建设能力。发挥这些优势和长板，来弥补我们在算法芯片上的一些短板，吸引更多的人才投身到我们的人工智能产业。
我认为我们0到1的技术创新会越来越多，这是我们过去的短板，但是这些年在0到1的技术突破，我们有了长足的进步，并且这个距离在逐步的缩小。另一方面，1到100仍旧是我们的长板，我们就是用应用反哺技术的进步，恰巧这波人工智能（浪潮）基于深度学习，所以应用生产数据、数据训练算法、算法定义芯片、芯片规模化推动应用，而恰恰推理芯片就是由算法来定义的高性价比芯片，那由高性价比推理芯片推动更大规模的应用落地。因为最后，全世界需要的不是一个考试分数最高的模型，全世界需要的是高性价比的Token和实现落地闭环的Agentic AI的应用，所以这是中国可以形成的一个应用、数据、算法、芯片的数据飞轮，在这个数据飞轮转动的过程中，实现我们的技术突破和大规模的产业化落地。我认为中国其实正在走出一条有自己特色的人工智能技术和产业的发展路径，就是这样的一个数据飞轮，也有机会我们率先去突破新一轮的工业革命。
智讯智库：就像您说的，其实现在各行各业都在发生中国的“DeepSeek时刻”，您觉得在推理芯片这个领域，最有可能的“DeepSeek时刻”会是什么样的路径或方式？
陈宁：首先，我坚信是GPNPU这样的一个架构。既要保证国际兼容的生态建设灵活性，同时又要去深挖底层的硬件设计，包括生产封装、国产工艺的这些特点，去组合成这样的一个技术路径。所以具体到它的标志的话，我认为是这样一个异构架构的系统，作为L2层。
如果按5层蛋糕来讲，L1是能源，L2是芯片，包括训练和推理芯片，L3是IDC Token工厂的基础设施，L4是模型，L5是应用，包括具身和智能体。（那么如果）有一个大规模的，可能是日产万亿级Token以上的Token工厂的规模落地，里面集成了这样一个GPNPU架构的推理算力集群，它会是真正的一个转折点和标志。
智讯智库：嗯，主权AI现在已经是各个国家共同的趋势了，您觉得中国在主权AI方面有哪些优势？以及新的机会？
陈宁：这个还是要围绕着AI的五层蛋糕来讲。在五层里面，中国其实已经在三层具备全球的领先优势。首先能源（L1），我们的电网是我们当之无愧的、最差异化的、最大的优势。然后是L3基础设施，我们的基础设施基建的能力，包括数据中心建设的这些能力，其实也在服务很多美国的算力中心建设。L5，我们的应用，我们丰富的应用场景，包括我们机器人产业的快速发展，这三层其实都是我们已经具备的差异化优势。我们的L2和L4在原来还可以说排在全球第二的，但这两层呢，其实也在过去这几年快速补齐，在快速地追赶。
像我们刚才提到的L4的模型层，现在全球已经公认，美国确实在闭源模型上是全球领先，但我们的开源模型已经处于一个第一梯队的位置，并且最先进的模型的距离，我们基本上都缩短到了几个月的时间差距，所以我们的模型能力也在飞速的发展。那唯独就是L2的芯片，确实受限于先进工艺光刻机的这些。受到国际环境的影响，在这块我们被卡脖子，还是有一定的差距。
但是，刚才我们提到，今天我们其实是处于人工智能行业一个巨大的转折点。过去需要的是GPGPU的训练芯片，而训练芯片拼的是单芯片的绝对参数、Scaling law，它跟工艺制程是成正比的，工艺卡脖子，单芯片的绝对参数很难突破。但是恰巧未来5-10年，我们进入到推理应用的时代，我们需要的是整体的Token工厂的性价比，我们就有机会用其他四层蛋糕的差异化优势来弥补L2在单芯片绝对参数上的一些短板，甚至我可以用国产模型、国产芯片的联合设计。
比如说，如果我们可以搞个万亿级的世界一流模型，它依托的是2比特、3比特、4比特的计算，在推理的能效比上，我们就有可能是16比特成本的1/10，这就是系统性的能力。刚才我们提到应用、数据、系统是中国的差异化优势，尤其是在芯片架构上，我们其实在推理的芯片架构上，我们和美国公司都是同时起步，因为推理是个新鲜事物，新的芯片大家都是这两年刚刚开始起步，去设计真正意义上的高性价比的推理芯片。比如说我们两年前提出的GPNPU的架构，未来就有希望成为推理时代的主流的技术方向。我们再去依托中国的一些差异化的技术路线，比如说3D堆叠、先进封装、3D Memory、近存计算，甚至光计算、光互联等更长远的一些技术，就能走出更高性价比的一条推理芯片、Token工厂、AI大规模产业落地的机会。所以未来5年是AI大规模应用落地的时代，也是底层算力重新洗牌的一个过程，我认为中国在推理芯片领域还是有非常大的全球发展的机会。
智讯智库：就像韬（τ）定律，用非摩尔补摩尔。
陈宁：对。
智能体重构入口：
APP或将消失，
机器人等待“ChatGPT时刻”
智讯智库：那下一Part咱们聊一聊Agent跟具身智能。现在AI应用层出不穷，但是普通人接触AI呢，可能就是手机里面的豆包这样的应用，但是产业界对AI的期待值其实非常高，您觉得这中间的Gap的核心问题在哪？
陈宁：确实，我们看今天的AI应用有Chatbot。聊天的机器人是最简单的应用，还有越来越多的智能体，比如说AIGC的一些应用，文生视频、文生图，到下一步的Coding会大爆发，就是企业级的智能体应用，那再到我们都在憧憬的具身智能，甚至人形机器人进工厂、进家庭，这每一层级的应用，它对背后的技术和产业、行业和生态的需求都是完全不同的。最简单的其实就是Chatbot，ChatGPT在2022年11月30日发布后第二天，实现了Chatbot跟大模型、大语言模型聊天，满满的情绪价值，甚至做一些信息检索。但是这个是最容易被全球普及化，可以说，像2016年的AlphaGo一样，OpenAI做了ChatGPT的发布，一个全球的科技的大普及。去年我们的DeepSeek更是做了一个中国全面拥抱AI的一个大普及，因为它开源。
客观来讲，今天整个AI的应用落地在于C端的Chatbot。我觉得这只是第一步，冰山一角。这个虽然是免费的，虽然是情绪价值和一般的知识问答，还没有真正到生产力的阶段，但是所有的技术和产业革命最难的第一步，其实都是改变人的思想。所以Chatbot能让全民去拥抱接受AI，我认为这就是它最大的价值和贡献。你回想一下，三年前我们聊AI，聊的是什么问题？聊的是AI会不会毁灭人类？说明大家对AI更多的是充满陌生感和恐惧。但是至少今天的Chatbot已经让大家习惯了旁边有一个AI的大模型或者智能体应用来陪伴我们每一天的生活。我相信我们每个人手机上可能都有一两个大模型的应用。有时任何的问题，超出我们边界的，都会去问一问大模型。这就是一个洗脑的过程，让全民接受AI，这就是一场工业革命的前夜，是前奏。马上从Coding开始，我们就要真正介入到一场提供生产力变革的工业革命。为了支撑Coding，Token工厂会无处不在。
其实很多企业的代码都已经是AI在写了，今天为什么我们没有在所有的公司看到它的？因为（距离）AI营收大爆发、利润大爆发的一个核心是，企业级的原有的研发产品、IT的流程和智能体大模型还是两张皮，还不兼容。尤其很多传统的行业，OPC除外，很多传统的已有的科技公司，但凡设立3年以上的科技公司，都有原来的一套IT的流程。这个IT的流程，某些硕士生、博士生，个别的接受大模型能力更强的，更善于用大模型的，他的工作效率已经是下游的10倍以上。我们已经涌现出了一批这样的，像AI原住民这样的工程师，非常厉害。但是木桶原理，整个流程在完成再造之前，是有一些环节效率提升了10倍，但他省下来的时间，在下一个环节打通之前，这个工程师（只能）去做其他事情，可以休息了。
所以现在需要突破的是，真正让AI改变我们的生产力，改变我们的社会，是需要再造流程。不光是再造企业的流程，是我们每一天的生活习惯也会被重新定义。从C端的生活习惯的重新定义，就像这些年有互联网，我们习惯了叫外卖，这样一个生活习惯在AI时代也会被重新定义，企业的IT的流程要再造，甚至每个城市、每个行业、政府的社会治理的这些流程也会被再造，都会跟AI重新梳理、重新再造。就像400年前没有工厂，没有城市，因为有了蒸汽机，才有了第一次的工业革命，人类才有农民建造了城市，走向了工厂，才有了产业工人，大家才知道要在生产线上工作，所以整个社会、企业、家庭、个人的流程习惯都在再造。AI带来的第四次工业革命也好，第一次智能革命也好，也是对于整个社会结构的一个再造的过程。这个需要一定的时间，快的话三五年，慢的话需要十年的时间，不需要像过去的几次工业革命那样，几十年、上百年的时间，这次来的会非常的迅猛。
智讯智库：那您觉得抛开像豆包这样的APP，Agent跟普通的APP最大的区别是什么？
陈宁：APP它其实是一个工具，是一个具体的功能点。而Agent它是一个代理，是替我们完成任务的，它是融合了无数个APP的一个智能体集群。并且这个智能体的集群是智慧化的，所以一个是应用，一个是代理，代理就是代替我们人类完成某项工作的，所以我认为智能体会替代APP，也许三五年以后就没有APP了。没有APP的概念，会有一些超级入口的智能体，当然可能智能体不止一个。那我们通过更加自然的人机交互，比如自然语言交互，它就可以帮我去完成一系列的任务。所以可以说，APP是第三次工业革命的产物，是第三次工业革命的一个人机交互的入口。而智能体是第四次工业革命，是人工智能时代的人机交互的一个入口，是第四次工业革命的一个产物。
智讯智库：嗯，那像您说的，可能未来连APP都不一定存在，当然这不一定是一个非常明确的这个事情。今年可能OpenAI会发布它的第一款AI硬件，我觉得它有可能会定义下一代AI硬件的产品形态。您怎么看AI硬件这个事情？
陈宁：第一呢，AI硬件正在被重新定义，这已经成为了一个行业和历史发展的必然。比如手机很有可能未来5年就会消失，或者手机就会变成一个全新的智能体的入口，而不是一个APP的载体，包括AI眼镜、可穿戴设备都会被重新定义，成为让我们使用过程中更加便利的一个载体，而不需要现在我还要把手机掏出来，打开界面去拍照、拍视频、打电话、发信息。所以确实AI硬件它有一个核心的设计目标，就是面向更加自然的人机交互，更好的用户体验的方向去重新定义硬件。
第二点呢，这也是我们深圳的巨大的机会，我们大湾区的机会。Jensen也讲说，大湾区是全球机电一体化和人工智能交叉的唯一一个区域。我们知道，人工智能这些智能硬件产业链的全球Hub就在深圳，所以包括可穿戴设备，各类的智能硬件，甚至具身智能的这些供应链、产业链在深圳是非常发达。我们也很可喜地看到，在我们的身边，很多雨后春笋般的AI原生硬件的上下游生态正在快速爆发。我也非常看好从可穿戴设备到各类的边缘计算的智能硬件的载体，不仅仅是人形机器人，（它们）都会在未来变成我们身边的超级个人助手。
智讯智库：嗯，对，其实现在机器人企业都在卷具身智能的赛道，您怎么看这个事情？
陈宁：我认为具身智能是把机器人从千亿带向万亿级产业的一个必然技术，这也是为什么机器人产业都要做具身智能。如果说传统的机器人公司做的只是机器人的本体的话，它其实只是各类细分场景行业的一些定制化的硬件。而具身智能呢，是机器人真正的AI大脑，甚至是未来的世界模型的大脑。只有具备了AI的大脑，这个硬件的本体才能被泛化，才能真正像我们人类一样走进工厂的各个Corner Case，走进家庭等各种各样的环境中，去动态地适应这些环境，才能极大赋能机器人，不管是各类的形态还是人形，去动态地适配、自适应各种场景，极大地加速机器人对于环境场景、应用场景的泛化能力和适配能力，变成一个真正通用的产品，才能真正把机器人产业变成一个万亿级的产业。所以本体加大脑同样重要，大脑是有待突破的，不管是VLA的模型，还是世界模型，还是其他什么的模型，我们可以说，产业正在期待机器人的大脑模型的ChatGPT涌现时刻。当然在这里面，当前最大的一个瓶颈还是物理世界的数据的问题，这个我认为中国也有很多优势和机会。
智讯智库：在互联网时代，其实都有流量入口之争啊，包括像百度，微信，都是占住了流量入口。您觉得AI时代会有新的入口之争吗？什么类型的企业会更有机会？
陈宁：AI时代是一个全新的工业革命，所以所有的这些技术、产业、入口、商业模式，都有一个重新洗牌的过程，流量入口也不例外。这也是为什么所有的这些互联网的头部企业都在All in AI，不然就有可能被一个新的创业公司所颠覆，因为他们最稀缺的资源，最大的价值其实就是流量入口。比如说豆包，我认为它就抓住了很大的一部分的流量，吃到了大语言模型的红利。豆包现在被公认为这样的一个日消耗Token数量、用户流量最大的这么一个入口。
当然我觉得微信也没有那么容易被颠覆，因为微信的社交属性黏性也非常强。并且大家也看到了微信正在全面拥抱智能体和大模型，所以到最后我认为，包括也有一些创业的智能体，类似像OpenClaw这样的，甚至一人公司，都有可能成为一个新的流量的入口，所以我认为入口依然重要，并且在人工智能时代，入口更加重要，因为它会出现真正意义上的超级入口。
智讯智库：中国其实向来都比较擅长AI的应用落地，各地政府也在积极的拥抱AI产业的落地，那您觉得在行业火热发展的过程中，有没有一些亟待去警惕的短板或隐患？
陈宁：确实，国家国务院发布的AI+行动方案，也是到2027年我们的智能体应用和2030年智能体的应用要全国普及，大规模的爆发。包括各地纷纷出台人工智能的产业和应用发展的行动方案，我认为这是好事，这是大势所趋。我们首先要洗脑，对吧？大家都要拥抱AI，这是新一轮的工业革命。但在这个过程中，我认为各个城市、各个区域还是要找到自己的差异化发展的定位，不要一拥而上。比如大模型很火，那么肯定不会说中国所有的城市都可以搞自己的大模型。比如过去训练芯片、GPU芯片很火，那肯定也不是所有的城市都去可以搞训练芯片，这些都是密集投资型的产业。
所以我看到过去几年，比如北京、上海、杭州、深圳，都找到了各自的一些差异化定位，我们也参与到了深圳的一些产业政策的定位。比如说北京在2023年的产业政策就聚焦在鼓励模型的发展；上海就聚焦在鼓励训练算力芯片的发展；深圳的特点就聚焦在了应用场景开放、全时空的场景开放，去产业落地，再加上深圳的供应链和应用，卡住两头去发展一个完备的产业链；当然，杭州的软件智能体，新的应用产品，这两年也快速的发展；最近合肥的基础设施生产制造这些底层能力也在快速爆发出来。
所以我们也可喜地看到了，这几座城市慢慢地都找到了自己的一些差异化定位。所以全国这么多的城市也可以以这些城市的人工智能产业政策和发展为样板，去找到自己的差异化定位，不要再重蹈覆辙，什么火、什么热就蜂拥而上，到最后还是要形成一个分工，每个城市有自己的优势产业，有自己的定位，才能够真正形成全国的一个人工智能的完备的产业链。
AI重塑组织与人：
老板先“革自己的命”
智讯智库：嗯，对，那下一Part咱们聊一聊AI时代组织跟人的成长。您刚刚也提到云天励飞应该80%的Coding已经是AI来完成的，您觉得作为一家前沿科技公司，云天励飞是怎样地从内部拥抱AI，或者拥抱最前沿的技术？
陈宁：我们的AI策略就是发展为主线、安全为底线，所以还是这几年是重发展，当然也要尽可能地守住这些数据。我想所有企业面临的都是这个问题，既要全面放开了去拥抱AI，又要考虑到信息安全的这些问题。所以我们这三年坚持的就是，使用AI工具要以发展为主线、安全为底线。还是要鼓励大家去全面拥抱新的生产力工具，只有在大家全面开放去使用的过程中，（才能）不断地倒逼我们的流程，不断地去优化，去再造一个AI原生的流程，才能真正实现企业生产力的大爆发。
智讯智库：嗯，那您觉得要真正去用好AI，最难的是流程还是工具，还是人的心智？
陈宁：最难的是老板，用好AI是一把手工程。你交代一个COO，或者一个IT的副总，或者鼓励下面的工程师，这些都是必要的一些手段，但是首先是老板自己，因为用好AI其实就是一场企业内生的一个革自己命的过程。就我说的，但凡设立3年以上的企业，它就不是一个AI原生的企业，因为那时候还没大模型的。但凡你三年前建立的企业的运营流程和IT和信息化的流程，它都不是AI原生的。你要革自己的命，变成一个AI原生的流程，就等于你要革你下面所有副总的命和所有工程师的命，这个必须得是从老板一把手抓起，所以最大的瓶颈都在老板，都在一把手。看老板的决心，他是不是准备好要革自己的命？否则如果靠外部的一个AI公司来帮助这个企业做数字化转型，我认为可能99%都是失败，必须老板亲自上。
智讯智库：他是一号位工程，要渗透到毛细血管。那您觉得AI越来越强大，人要怎么自处呢？
陈宁：这是一个很大的挑战，我们一方面呢在推动AI的技术进步，未来80%甚至90%的工作都由AI来完成，那留给我们人类做些什么？当然我们可以天马行空地说，留给我们人类的就是星辰大海、开开心心。但是呢，我觉着，尤其是未来的10年，这是一个行业转折的10年，这是最混沌的10年。我相信10年以后，真正进入了AI时代，人类一定会找到自己的定位，研究火星移民、星际旅行，是吧？会有新的成就感和乐趣。但是在这10年里面，我们原有的一些工作，比如说原来写代码、debug是个很有乐趣的事情，突然你发现这个事情大模型干得（效率）是你的10倍，比你更好，成本更低。那这些劳动被替代的过程，我觉得是全球不可避免的一个过渡期。
这10年里面，我觉着一方面还是要开放的心态最重要，去拥抱AI，因为等和排斥这个是没有用的，就跟汽车出现的时候，欧洲也有一些联盟去抵制，比如说马车夫的联盟去抵制汽车，但这毕竟是产业革命和历史的车轮，这个很难去抵制。我觉得要更开放的心态去拥抱这些技术和产业的变革，那么在拥抱的过程中，与时俱进地去学习、去掌握它，去把握这个时代发展的脉搏，找到自己发展的机会。尤其是我现在特别关注的我们上市公司的ESG（环保、社会和公司治理），我把它定位为公益的AI赋能教育。我尤其关注AI对于这些几岁到十几岁的孩子们的影响，因为他们是真正的AI原住民，怎么去帮助他们更适应5年、10年以后的未来的社会和时代？我认为这是一件非常有价值、非常有意义的事情。
智讯智库：您怎么看现在很多年轻人会有一些意义感缺失？因为AI慢慢得可以创作出更好的音乐，甚至写出更好的小说，很多事情都做得比人更好，对吧？人的创造的意义是不是变了？
陈宁：是的，所以现在的年轻人不能停留在过去我们那个年代，写写代码，debug，然后做个曲子，可能要追求更加深层次的一些东西。我觉得这其实也是个好事情，我们人类的教育本来就说要千人千面，对吧？每个孩子本身就有他自己感兴趣的点，都有他的好奇心，有他的天赋。但是工业革命阶段，包括这种大规模的学校制的教育体系，培养的都是生产流水线上的工程师和工人，难免大家都变成了像一个模子考试出来的这样。但是AI在解放生产力的过程中，也会极大的解放每个人的创造力，会真正打造千人千面的教育体系，去鼓励每个孩子、每个年轻人自己的天赋、自己的兴趣。我认为这是AI带给我们最大的价值。比如说现在很多我身边的十几岁的孩子，他用AI、用大模型，已经可以去设计各类产品，甚至找到他在光计算、光互联领域的一些兴趣。没有接受过任何网络知识的培训，但就是大模型智能体带他去某些领域找到自己的兴趣，还有研究动物和植物的。
我们有好多问题没解决，比如我们的灯泡，300年了，但大部分的能量是作为热散发出来的，只有少部分是作为光产生了商业价值；比如说机房、数据中心、Token工厂，散热是个最大的问题。我们其实对动物的理解也非常浅，但在工业革命时代，很少有最聪明的孩子去研究这些细分领域的知识点。AI时代不一样，可能从3岁就挖掘出来一个孩子对动物、植物，对于天文、物理，对于某些领域的兴趣点，AI都能帮助他在这个领域去不断挖掘自己的特长，变成这个领域的专家，甚至十几岁就取得非常了不起的一些技术科研成果，甚至市场化的一些成果。我认为这是在未来5-10年完全有可能发生的，所以我觉着孩子们和年轻人也不用太担心，AI反倒有可能带给他们的是更大的发展的一些机会。
智讯智库：那你觉得AI时代的教育有没有一些方法论或体系？
陈宁：我觉得这是个很好的问题，但这也是个世界难题。我相信全球今天都在研究，在AI时代，教育到底怎么做？没有标准答案。我没看到今天有标准答案，但是我们要坚信AI时代的教育一定跟今天不一样，不能一成不变。我们想想，300年前教育就发生了颠覆性的变化，一台蒸汽机让教育从过去的封建农耕贵族式的私塾教育变成了城市级的工业化的学校，这才有了义务教育、普惠教育。但确实这种教育方式适合过去300年的工业人才、产业人才的流水线上人才的培养。
但是AI时代，为什么最近有了OPC一人创业公司？它更需要的是每个孩子不一样，所以方向我觉得是确定的，就是怎么用AI去打造一个千人千面的教育体系？帮助每个孩子尽早地找到自己的特长，自己的兴趣点，并且在这个领域建立他的自信。一定要孩子自驱的，不是为了考试分数被动地去学习，而是自驱地去发挥他的特长、他的兴趣，由他的自信去驱动的。这样的一套教育机制和教育工具，一定是未来一个大的教育方向。
智讯智库：就像您说的，未来10年可能是一个摧枯拉朽的过程啊，那您看20年后，人类会进入一个怎样的世界？
陈宁：20年后，第一呢，我前段时间在整理我刚回来创业的一些资料，找到一段视频，是2015年的时候，我在深圳一个活动上做了一个报告，最后我讲了一段话，我觉着还蛮有趣的。我当时讲，也许15年以后，我们深圳每个人都会有三台机器人，家里一台服务机器人，单位一台办公机器人，出行还有一台无人车或者无人机，我希望每台机器人上面都有装载着我们的推理芯片，打着Powered by Intel FUSION。
智讯智库：哦，这是2015年。
陈宁：2015年，展望的15年以后，也就是2030年。那现在看，可能2030年这个目标不一定，可能要推迟一些。也许到2035年，所以10年、20年后，我认为10年的时间吧，我们就会全面进入到一个难以想象的新一轮的工业革命时代，也就是人工智能的时代。我们一定会与智能体、与AI、与机器人，不仅人形，各类的智能体形态来共生共存。也许我们通过脑机接口芯片来遥操我们火星上的一个阿凡达机器人的载体，去完成一系列火星的生态环境研究工作。也许我们在规划着怎么去做一些周末的星际旅行。我觉得其实就是把科幻里面的很多现实带到了我们未来每一天的生活。如果我们倒退50年，来憧憬20年之后，也许坐在家里叫外卖就是科幻。今天我们去想20年以后，其实就把科幻里面的所有场景都带到我们每一天的生活，我认为完全有可能。
AI越强，人越要守住什么：
AI向善与长期主义
智讯智库：那下一Part咱们聊一聊文明与人啊，以及一些人生问题。您2014年成立云天励飞的时候，有想象过公司到今天大概会发展成什么样吗？以及当初的一些想法都实现了吗？
陈宁：刚才有提到2015年的事。其实当时我们的目标就是，当AI时代来临的时候，希望让我们的芯片能够赋能整个AI行业，成为端边云的一个基础设施，无处不在。但确实在过去的十二三年的发展阶段里面，我们经历了AI的很多技术和产业的变革。第一个阶段智能感知，以各行业的解决方案为主；第二个阶段AIGC大模型的出现；到第三个阶段的智能体的落地。我们也有很多产业落地的成功，当然也经历了很多的坎坷和挫折。但是我想，不管是过去的12年，还是未来的几十年，甚至更长的时间，我们的初心不会变。都是通过我们的所学，尤其是我们算法芯片化的这条技术路线，去提供更高性价比的这样的一些产品，去推动AI的大规模的应用落地。
当然在这个过程中，更关键的是要AI向善，让AI真正去帮助人类去产生更大的生活价值，坚持AI for Good的向善标准，我们也在积极地拥抱全球的人工智能治理的这些研究工作，来不断地与时俱进地去定义、引导AI向善。去年12月份在香港，GIS大会的开幕式上，有幸跟那个Hinton教授，做了一个对话。大家知道Hinton，他这些年一直在提醒大家，说AI其实就是一个小老虎，现在你看它很可爱，但你不知道，当它几年以后长大了，它会不会对人类产生什么样的威胁，怎么能够确保AI向善？这个世界上，有一种能量是可以弱小控制强大。你有没有什么想法？这个世界上有什么样的能量是弱小可以控制强大的？
智讯智库：嗯，这个结论是什么？
陈宁：母爱。
智讯智库：嗯，就是爱，母爱。
陈宁：母亲强大，Baby弱小，但是因为母爱，Baby再怎么哭闹，也是一样用母爱去关怀他。因为有母爱，纵然他什么都不懂，什么都不会，我的智慧比你更强大，但一样会去关爱他更好的成长。所以我们在治理训练AI的时候，怎么把母爱植入AI？所以全球的“AI for Good”，就像有了核不扩散条约，虽然技术在竞争，我们仍能够形成这样一个共识，找到一条技术路线，让我们全球的AI在高速发展的过程中始终向善，这是很有价值的一个话题。
智讯智库：对，这有点像在一个赛博朋克的时代，怎么去应对社会的矛盾或冲突？需要的不只是爱，更多是母爱，一种无条件的爱。那我们回到，您作为一家上市公司的掌舵人，您在这种技术日新月异以及AI大爆炸的过程中，您自己会焦虑吗？
陈宁：刚开始的时候肯定会焦虑，尤其是刚创业的那几年，我们进入了一个黄金赛道，非常有前景，但是刚开始肯定会焦虑，到底什么时候能够大规模的去技术落地？到了第二阶段，大模型出来又发现技术日新月异，其实十几年下来以后，我们认为这其实就是一个创业者的常态。
第一，要有自己的坚持。第二，就是因为它日新月异的变化，作为一个创业者，尤其是在人工智能、半导体这个交叉领域的一个创业者，行业和技术变化的速度反倒就是你的差异化竞争壁垒。谁能够跟随，甚至引领这些更加快速的变化，就像一个快速旋转的飞轮。如果抓不住飞轮变化的频率和规律，你可能就被离心力甩出去了。所以你要比它变得更快，要更能洞察行业前瞻性变化的趋势，同时又要有自己核心的竞争壁垒，就我们讲的算法芯片化，高效的AI是未来若干年的核心竞争力，以及快速学习适应的能力。抓住这两点，我们其实就能把这些其他人的焦虑变成我们的差异化竞争的优势。
智讯智库：您现在自己在成长的过程中有没有一些具体做法去寻找内心的顿悟？
陈宁：一定要在未来5年保持健康的心态和身体才能够穿越周期，所以过去一年多，我是匹克球推广大使。深圳、上海，很多我身边的企业家朋友，至少有100多个，我都转化他去打匹克球。我认为匹克球是属于一个一分钟上手，三分钟上头的这个运动，特别好，特别适合团建，它能够快速地让运动水平参差不齐的团队也可以一起参与到这个运动里面，所以我觉得我们的生活还是要健康的生活。健康生活的状态。
所以我们要看到人工智能、集成电路，它是个非常需要耐心、非常长期的一个赛道，尤其是国产的推理芯片，要有3年、5年、10年磨一剑的耐心。但是在这个过程中，我们每一天的生活又可以用这些运动去点缀，保持我们健康的心态和身体。
智讯智库：走过科学殿堂，也跨过商业风浪，您希望别人怎么评价你？怎么评价陈宁？一个AI创业者，一个科学家，还是一个企业家，或者一个纯粹相信技术可以改变世界的人？
陈宁：我最喜欢的一个头衔还是推理芯片的先行者或者推理芯片的工程师。因为我2005年开始在美国工作，参与到了当时的并行计算处理器的第一代研发，当时我们叫VPU（Vector Processing Unit）。其实这个很有趣，就是从2000年左右并行计算开始一直到2005年，全球的并行计算处理器架构出现了两个分支，一个就是今天大家都知道的，当时ATI、英伟达搞的GPU的并行计算走的是多核众核的技术路线，像今天的Blackwell里面有一万多个CUDA Core，它是多核并行，另外一个其实就是我的那份工作。
我到摩托罗拉Freescale参与到的，是叫SIMD数据流的矩阵式计算的DSP的并行计算，就是在单核内部让数据流、数据存储配好Pipeline来并行的一个技术路线，所以数据流的并行技术路线和多核众核出现了两条分支数据流并行计算的，主要是当时的通信芯片公司像Freescale、Broadcom、高通这些。但是十年以后，到了2016年，英伟达Jensen很聪明的就是，他把两条技术路线做了一个合并，多核的CUDA Core解决的是CUDA生态灵活性通用性的问题，因为所有的复杂任务都可以拆成1万多个小核的并行计算，然后里面它引入了Tensor Core，就是矩阵的计算，用这部分来做计算的加速，只是说它是以CUDA Core为主，CUDA的生态兼容灵活性为主，Tensor Core的效率提升为辅。
那很有趣的是，谷歌去年的第七代的TPU到最近的第八代的TPU，为什么它能够异军突起？就说明在推理时代，硬件的效率就会越来越重要，当然，通用性灵活性的生态也很重要。所以我从2005年开始去研究处理器的指令集，一直有一个梦想，就是通过这些硬件的计算加速，怎么能让这些复杂的计算更大规模地去落地？不管是前10年的通信的应用还是过去12年，甚至未来几十年我们研究的AI和智能体大规模的落地应用。
所以我认为2026是推理时代的元年，也是推理芯片大爆发的元年。那我们储备20年的这些技术其实就是为了让推理的基础设施无处不在，我认为未来的推理芯片将是人类的科技革命、工业革命非常重要的一个底层的基础设施的核心关键技术。所以我更喜欢的是作为推理芯片的先行者和工程师的这样的一个角色，去真正用我们高性价比的推理芯片能力去推动技术的发展，推动应用的大规模的爆发。
智讯智库：所以其实20年都没变，推理芯片的先行者和推动者工程师。
陈宁：对。
智讯智库：OK，最后一个问题，给今天的年轻人一句话，或者三个建议。
陈宁：给今天的年轻人，我认为这个年轻人其实就包含了2022年以后出生的孩子，都是今天的年轻人，就是AI的原住民，从3岁到十几岁、二十几岁的这批年轻人。我认为在未来的AI时代，包括我跟我的孩子也在讲，最重要的其实就是三件事：健康的心态、健康的身体、持续学习的能力。掌握了这三件事，不管未来的科技、未来的社会、未来的世界怎么变，我们都可以是世界的引领者。
智讯智库：好，感谢陈博。健康的身体、健康的心态，持续学习。
陈宁：嗯，好，谢谢。
*文章为受访者独立观点，不代表智讯智库立场。
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4878134.html?f=wyxwapp
热门跟贴