2025長(zhǎng)三角國(guó)際人工智能創(chuàng)業(yè)大會(huì)六月盛啟！

6月26日-28日，杭州國(guó)際博覽中心——這座承載過(guò)G20輝煌的恢弘場(chǎng)館，將再次成為全球AI目光的焦點(diǎn)。屆時(shí)，千余位全球頂尖院士、一線(xiàn)投資人、行業(yè)領(lǐng)袖與創(chuàng)業(yè)先鋒將云集于此，共襄這場(chǎng)人工智能領(lǐng)域的年度盛事。 大會(huì)將以前沿視角，深度探討人形機(jī)器人、智能體、AIGC、大模型等熱點(diǎn)，聚焦技術(shù)與場(chǎng)景的深度融合。大會(huì)亮點(diǎn)還包括：多位院士與智庫(kù)專(zhuān)家主題演講、長(zhǎng)三角人工智能創(chuàng)業(yè)企業(yè)100榜單重磅發(fā)布、AI項(xiàng)目挑戰(zhàn)賽、杭州六小龍展廳參觀(guān)以及西湖AI晚宴等。

奇異摩爾創(chuàng)始人兼CEO田陌晨確認(rèn)受邀出席本次人工智能創(chuàng)業(yè)大會(huì)。他將在6月27日舉辦的分論壇，與AI產(chǎn)業(yè)鏈的學(xué)者、專(zhuān)家以及投資人共話(huà)人工智能帶來(lái)的硬件變革與思維進(jìn)化。

作為AI硬科技賽道的創(chuàng)業(yè)先鋒，奇異摩爾CEO田陌晨的演講將主要聚焦人工智能進(jìn)化下的底層變革 - 探討計(jì)算芯片架構(gòu)的前沿演進(jìn)以及DeepSeek對(duì)未來(lái)硬件架構(gòu)的建議，并分享AI時(shí)代創(chuàng)始人的思維進(jìn)化與實(shí)戰(zhàn)感悟。

人工智能進(jìn)化下的計(jì)算芯片主旋律

2025年5月IDTechEx 預(yù)測(cè)，到 2030 年，AI 數(shù)據(jù)中心的部署、AI 的商業(yè)化以及大型 AI 模型不斷提高的性能要求將使已經(jīng)飆升的 AI 芯片市場(chǎng)規(guī)模持續(xù)增長(zhǎng)至 4000 億美元以上。但是，底層硬件技術(shù)必須與時(shí)俱進(jìn)，才能在滿(mǎn)足更高效計(jì)算、更低成本、更高性能、大規(guī)?？蓴U(kuò)展系統(tǒng)、更快推理和特定領(lǐng)域計(jì)算的需求下保持競(jìng)爭(zhēng)力。

在此背景下計(jì)算芯片作為人工智能領(lǐng)域發(fā)展的核心基石隨著AI的演進(jìn)而譜寫(xiě)其演進(jìn)主旋律。AI計(jì)算芯片的進(jìn)階之路：CPU → GPU → DSA → xPU，本質(zhì)上演繹了從通用到專(zhuān)用、從單一到異構(gòu)的算力革命。

2012 年：掀起深度學(xué)習(xí)浪潮的AlexNet是開(kāi)創(chuàng)AI時(shí)代的第一個(gè)里程碑；AlexNet 是一個(gè) 8 層的卷積神經(jīng)網(wǎng)絡(luò)，使用 ReLU 激活函數(shù)，總共有 6 千萬(wàn)參數(shù)量。AlexNet 的最大貢獻(xiàn)在于證明了深度學(xué)習(xí)的能力。AlexNet由Alex Krizhevsky等人在多倫多大學(xué)設(shè)計(jì)，其訓(xùn)練完全依賴(lài)英偉達(dá)GPU（2塊GTX 580）。它也是第一個(gè)使用并行計(jì)算和 GPU 進(jìn)行加速的網(wǎng)絡(luò)。自此，英偉達(dá)通過(guò)推動(dòng)突破性AlexNet神經(jīng)網(wǎng)絡(luò)，開(kāi)啟現(xiàn)代AI時(shí)代。

2016年：登上 Nature 的 AlphaGo是AI的另一個(gè)里程碑。2016 年 3 月，通過(guò)自我對(duì)弈進(jìn)行練習(xí)的加強(qiáng)版 AlphaGo在比賽中以 4: 1 擊敗了世界圍棋冠軍李世石，成為第一個(gè)在無(wú)讓子情況下?lián)魯迓殬I(yè)九段棋手的計(jì)算機(jī)程序，載入史冊(cè)。

AlphaGo 的提出證明了深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)結(jié)合在復(fù)雜博弈領(lǐng)域的巨大潛力，展示了大模型通過(guò)自我學(xué)習(xí)和優(yōu)化能達(dá)到超越人類(lèi)的智能水平。AlphaGo 由于人工智能公司DeepMind開(kāi)發(fā)，該公司從2014年開(kāi)始被Google母公司Alphabet收購(gòu)。

AlphaGO人工智能系統(tǒng)由Google第一代DSA 芯片TPU v1作為其預(yù)測(cè)和決策的基礎(chǔ)，可提供高達(dá)每秒 180 萬(wàn)億次浮點(diǎn)運(yùn)算的性能，大大加速了對(duì)單個(gè)大型機(jī)器學(xué)習(xí)模型的培訓(xùn)。（更多閱讀：Kiwi Talks | 軟硬協(xié)同，全棧制勝——谷歌如何成為AI領(lǐng)先綜合玩家）

2017年，Google的研究人員在《Attention is All You Need》一文中提出了 Transformer 模型，摒棄了RNN的遞歸計(jì)算和CNN的卷積結(jié)構(gòu)。在這之后Transfomer架構(gòu)大模型逐步成為主流。

2018年，著名計(jì)算機(jī)架構(gòu)師約翰·亨尼斯西（John Hennessy）和大衛(wèi)·帕特森（David Patterson）在圖靈講座中指出，半導(dǎo)體工藝創(chuàng)新的放緩將逐漸增加對(duì)架構(gòu)創(chuàng)新的激勵(lì)——即集成電路的設(shè)計(jì)方式，以執(zhí)行計(jì)算任務(wù)。

他們認(rèn)為，通用計(jì)算架構(gòu)（如CPU）固有的低效性將開(kāi)始被專(zhuān)門(mén)針對(duì)特定計(jì)算任務(wù)的架構(gòu)（也稱(chēng)為領(lǐng)域?qū)Ｓ眉軜?gòu)，DSAs）的計(jì)算能力和成本效益所取代 。

2018年開(kāi)始，DSA進(jìn)了快速的發(fā)展期，逐步擴(kuò)散到許多應(yīng)用領(lǐng)域，如人工智能、自動(dòng)駕駛、物聯(lián)網(wǎng)和高性能計(jì)算。這些高度特定領(lǐng)域的計(jì)算工作負(fù)載都可以通過(guò)增加 DSA 的應(yīng)用來(lái)提升性能和效率。比如用于Google 大模型訓(xùn)推的TPU系列、為自動(dòng)駕駛設(shè)計(jì)的全自動(dòng)駕駛（FSD）Tesla Dojo以及去年問(wèn)世的Etched Sohu DSA。大型語(yǔ)言模型（生成式AI的核心引擎），例如ChatGPT，在高容量的AI工作負(fù)載中提供了進(jìn)一步的專(zhuān)業(yè)化，這導(dǎo)致進(jìn)一步的硬件專(zhuān)業(yè)化。

2022年，英偉達(dá)發(fā)布基于異構(gòu)計(jì)算加速平臺(tái)的超級(jí)芯片NVIDIA Grace Hopper ；NVIDIA Grace Hopper 超級(jí)芯片架構(gòu)將 NVIDIA Hopper GPU 的開(kāi)創(chuàng)性性能與 NVIDIA Grace CPU 的多功能性結(jié)合在一起，連接兩者的是一種叫做NVLink-C2C的總線(xiàn)。其中，C2C表示芯片到芯片之間的連接，它由10組連接組成，每組包含9對(duì)信號(hào)線(xiàn)和1對(duì)時(shí)鐘線(xiàn)，采用NRZ調(diào)制，工作頻率為20GHz，總帶寬為900GB/s是PCIe 5.0的7倍。CPU和GPU之間通過(guò)Unified Virtual Address技術(shù)實(shí)現(xiàn)了統(tǒng)一編址，并且由硬件保證了二者的cache一致性，從編程體驗(yàn)上降低了異構(gòu)系統(tǒng)帶來(lái)的內(nèi)存管理復(fù)雜度。

近幾年異構(gòu)計(jì)算的新范式層出不窮，形成覆蓋端側(cè)智能設(shè)備到云端訓(xùn)推集群的完整技術(shù)譜系。在端側(cè)AI，以手機(jī)芯片包括小米最新發(fā)布的芯片玄戒 O1 SoC，蘋(píng)果最新的M4芯片系列為代表, 通過(guò)CPU+GPU+NPU異構(gòu)設(shè)計(jì)，實(shí)現(xiàn)了能效比的大幅提升。在邊緣AI，以智駕及機(jī)器人訓(xùn)練用的Tesla Dojo為典型案例；在云端AI, 訓(xùn)推用GPU 芯片如AMD MI300、英偉達(dá)GB200/GB300 等。雖說(shuō)以上不完全是基于Chiplet&異構(gòu)集成芯片技術(shù)，但均由不同的異構(gòu)計(jì)算模塊組成，它們深度協(xié)同工作，起到算力的最優(yōu)分配，從而為人工智能應(yīng)用提供強(qiáng)大支撐。

今年，DeepSeek的技術(shù)演進(jìn)重塑了Scaling Laws的基本法則——從“拼參數(shù)”轉(zhuǎn)向“拼架構(gòu)效率”，從“堆算力”進(jìn)化到“控熵增”。AI大模型每隔幾個(gè)月就會(huì)發(fā)生變化，在通用算法尚未定型前，我們很難預(yù)測(cè)哪一種才是最合適的計(jì)算形態(tài)?？梢灶A(yù)見(jiàn)，未來(lái)很長(zhǎng)一段時(shí)間，芯片行業(yè)將呈現(xiàn)多元架構(gòu)并存的格局，甚至可能催生更具革命性的設(shè)計(jì)范式。

關(guān)于我們

AI網(wǎng)絡(luò)全棧式互聯(lián)架構(gòu)產(chǎn)品及解決方案提供商

奇異摩爾，成立于2021年初，是一家行業(yè)領(lǐng)先的AI網(wǎng)絡(luò)全棧式互聯(lián)產(chǎn)品及解決方案提供商。公司依托于先進(jìn)的高性能RDMA 和Chiplet技術(shù)，創(chuàng)新性地構(gòu)建了統(tǒng)一互聯(lián)架構(gòu)——Kiwi Fabric，專(zhuān)為超大規(guī)模AI計(jì)算平臺(tái)量身打造，以滿(mǎn)足其對(duì)高性能互聯(lián)的嚴(yán)苛需求。

我們的產(chǎn)品線(xiàn)豐富而全面，涵蓋了面向不同層次互聯(lián)需求的關(guān)鍵產(chǎn)品，如面向北向Scale out網(wǎng)絡(luò)的AI原生智能網(wǎng)卡、面向南向Scale up網(wǎng)絡(luò)的GPU片間互聯(lián)芯粒、以及面向芯片內(nèi)算力擴(kuò)展的2.5D/3D IO Die和UCIe Die2Die IP等。這些產(chǎn)品共同構(gòu)成了全鏈路互聯(lián)解決方案，為AI計(jì)算提供了堅(jiān)實(shí)的支撐。

奇異摩爾的核心團(tuán)隊(duì)匯聚了來(lái)自全球半導(dǎo)體行業(yè)巨頭如NXP、Intel、Broadcom等公司的精英，他們憑借豐富的AI互聯(lián)產(chǎn)品研發(fā)和管理經(jīng)驗(yàn)，致力于推動(dòng)技術(shù)創(chuàng)新和業(yè)務(wù)發(fā)展。團(tuán)隊(duì)擁有超過(guò)50個(gè)高性能網(wǎng)絡(luò)及Chiplet量產(chǎn)項(xiàng)目的經(jīng)驗(yàn)，為公司的產(chǎn)品和服務(wù)提供了強(qiáng)有力的技術(shù)保障。我們的使命是支持一個(gè)更具創(chuàng)造力的芯世界，愿景是讓計(jì)算變得簡(jiǎn)單。奇異摩爾以創(chuàng)新為驅(qū)動(dòng)力，技術(shù)探索新場(chǎng)景，生態(tài)構(gòu)建新的半導(dǎo)體格局，為高性能AI計(jì)算奠定穩(wěn)固的基石。