對話云天勵飛陳寧：AI開始“下場干活”，算力競賽進入推理時代

本文來自微信公眾號： 智訊智庫 ，作者：張佳偉許倍

隨著智能體接管研發、新型硬件重構交互、具身智能步入物理世界，AI帶來的產業變革已悄然躍至拐點。AI正從“感知世界”的技術大秀，步入真正“下場干活”的深水區。價值標尺也隨之偏移：跑分依然重要，但效率、成本與真實利潤，開始接管整場牌局。

這種底層邏輯的切換，首先引發了資本與市場的新一輪焦慮。當基礎設施從集中的“訓練中心”演進為無處不在的“Token工廠”，重金砸下的智算中心，究竟會是源源不斷的現金牛，還是利用率不足的沉沒資產？面對“AI泡沫”論，市場急需一套全新的價值標尺，用來丈量每一枚Token的真實成本與商業回報。

資本的追問，亦是產業的生存大考。這套新的價值標尺，直接關系到中國AI如何破局。在先進制程受限的現實條件下，中國企業顯然不能只在單顆芯片參數上被動追趕，留給它的挑戰和機會是——如何跳出硬件窠臼，通過系統級創新打開破局窗口？龐大的應用場景優勢，又該如何轉化為牽引底層算力迭代的產業飛輪？

當技術浪潮穿透硬件、席卷終端，商業形態與個人境況都在被重塑。手機APP或許會消失，流量入口將被重構；企業面對“買了AI工具卻不見生產力提升”的陷阱，必須揮刀進行“自我革命”；對于身處洪流的普通人而言，他們的技能池已經被機器拆分、重估，如何保住“飯碗”成為社會最大的焦慮；而當AI能力越強，技術向善與長期主義越不能成為效率之后的附加項。

在2026世界人工智能大會暨人工智能全球治理高級別會議期間，智訊智庫創始合伙人張佳偉與云天勵飛董事長兼CEO陳寧展開了一場深度對話。這場對話剝離了單純的技術狂熱，直面AI從“訓練”向“推理”換擋期的真實痛點。無論是尋找破局之道的中國企業，還是在巨變中重塑坐標的個體，或許都能在接下來的內容中，找到下一個十年的生存法則。

你將在這篇訪談中看到以下核心判斷（Key Takeaways）：

【AI價值坐標的變化】：AI正從感知世界、生成內容走向執行任務，行業衡量技術價值的標準，也將從模型參數和榜單成績轉向能否完成真實工作、創造收入和利潤。

【算力范式的重構】：訓練時代比拼模型能力的上限，推理時代比拼Token的生產效率和性價比。推理時代既需要GPGPU的通用性，也需要NPU的能效比，融合二者優勢的異構架構可能成為新的算力方向。

【AI泡沫的分層判斷】：長期產業趨勢與短期資產價格需要分開判斷。部分公司和細分賽道可能存在短期高估，但整個AI基礎設施仍處于從0到1的階段，現在討論全行業泡沫還太早。

【中國AI的獨特路徑】：中國“1到100”的規模化落地不只是應用優勢，還可能成為下一輪“0到1”的起點。真實場景沉淀的需求、數據和工程經驗，可以反哺算法與芯片突破；新的底層創新又能降低成本、擴大應用規模。

【推理芯片的窗口】：推理競爭并不只看單顆芯片的峰值參數，更看整個系統生產Token的成本。模型與芯片協同、低比特計算、先進封裝、近存計算和光互聯，可能提供系統級突破路徑。

【超級入口的遷移】：未來的APP可能會消失，成為一項可被調用的功能。而真正掌握入口的，可能是那些能夠理解用戶意圖、調度工具并完成任務的智能體。

【具身智能的真正瓶頸】：機器人產業的關鍵不只是制造更靈活的本體，而是能否擁有適應真實世界的“大腦”。缺少世界模型、物理數據和跨場景泛化能力，再先進的機器人也可能停留在定制化硬件階段。

【企業AI轉型的核心】：企業使用AI最難的不是選擇工具，而是改造原有流程和組織關系。個別員工效率提升十倍，并不等于企業生產力提升十倍；如果一把手不推動流程再造，AI很容易停留在局部提效。

【人的能力重新定價】：AI首先替代的是任務而不是所有人。重復技能的價值可能下降，但自驅力和持續學習能力會變得更重要，教育也將從標準化培養轉向個性化發展。

【AI向善與長期主義】：技術能力變強并不自動等于社會價值增加。AI越強，越需要兼顧安全、普惠和長期利益；對于個人而言，健康的心態、身體和持續學習，是穿越周期的底層能力。

關鍵詞：

推理時代、Token工廠、GPNPU、中國AI路徑、智能體與具身智能、AI向善、長期主義

以下為訪談原文精校版，（）內為編者注解，非受訪者原話。原始訪談視頻請點擊下方"智訊智庫"視頻號查看。

AI的三次進化：小模型“看懂”，

大模型“生成”，智能體“干活”

智訊智庫：非常感謝陳博接受智訊智庫的邀請，上次和您見面還是在真格（基金）的活動。7年了，時光飛逝。從2014年公司成立到現在，云天勵飛走過了一條極其硬核、從算法到自研芯片的閉環之路。而陳博您不只是科學家，也是深耕產業、深刻理解產業落地的商業實踐者。某種意義上，您見證了中國AI從萌芽到爆發的全過程。所以今天特別想和您聊聊，AI走到了哪里？中國AI的機會在哪里？以及未來10年，人類將走進一個怎樣的新世界？

那第一Part咱們先聊一聊技術來路。以及過去這十多年AI的變化。陳博您早期是一直在美國留學、工作，也一直在芯片領域深耕。您覺得從2012年AlexNet橫空出世，到這一輪以Transformer架構為代表的大模型的AI大爆發，AI底層的本質變化有哪些？

陳寧：佳偉，好久不見！這幾年AI確實日新月異，變化很快，也很多，眼花繚亂。但是呢，穿透這些眼花繚亂的新聞和變化之后，我個人認為AI經歷了三個階段。

從2012年的AlexNet到2020年，我們稱之為AI 1.0階段。它是小模型驅動的智能感知的階段，基本上應用都是圍繞著視覺識別、語音識別這類機器模擬人類感知的問題。背后是以CNN（卷積神經網絡）、RNN（循環神經網絡）為代表的深度學習小模型驅動的智能感知技術的突破。在中國的人工智能1.0階段呢，也落地了大量的行業解決方案，比如說安防、交通、能源等各個領域、各個場景。

從2020年起，其實在技術層面我們已經擁抱了Transformer。當然，大家知道Transformer更多是通過2022年的ChatGPT。所以，從2020年到2025年是大模型時代，是大語言模型、多模態大模型，基于Transformer的技術底座驅動的AIGC的時代，文生視頻、生文、生圖、生代碼這種內容生產的階段。

從2025年到2026年，我們正在進入AI 3.0的階段，這個階段就是Agentic AI的時代。Agentic AI以OpenClaw為代表，還有物理AI、智能體、智能集群，真正出現了應用大爆發，尤其是跨場景、泛化的通用應用大爆發的階段。

這三個階段再總結一下，我認為從2012到2025這十三年的時間，可以說是AI的技術沉淀階段，讓全世界相信AI有能力帶來一場新的工業革命。從小模型到大模型，更多是技術的突破和能力的展示。但是2026年開啟的Agentic AI，甚至到未來的具身智能，這些時代，是技術真正走向成熟，應用大規模爆發的時代。尤其是智能體驅動AI真正產生收入、產生利潤的時代。所以可以說，過去是AI的訓練時代，未來是AI的推理應用時代；過去AI培養的是技術能力，未來AI比拼的是下場干活的能力。

智訊智庫：（AI）進入千行百業。

陳寧：對，過去AI是成本中心，未來AI的基礎設施建設是收入和利潤中心，所以其實從2012年開始到今天，AI正在經歷一個巨大的變革，從過去的投入研發、技術的進步，到未來真正的一場工業革命已經拉開了序幕——（AI）還要下場開始干活。

云天勵飛十二年：

算法芯片化與組織自進化

智訊智庫：陳博您既是行業的觀察者，也是親歷者，您自己在AI大爆發的這個過程中，最主觀的感受是什么？

陳寧：AI技術在我們看來，哪怕作為從業者（的感受），也是日新月異、飛速的在變化。當然，這個也很正常。過去300年我們經歷的幾輪的工業革命，確實就是日新月異的技術不斷地落地，來顛覆我們每一天的生活。所以最主觀的感受就是要學習學習再學習，進步進步再進步，甚至要追尋AGI，率先實現我們人類自身的自學習、自進化的能力，才能抓住AI日新月異的脈搏。

智訊智庫：2014年云天勵飛成立，是最早一批中國的AI明星企業。早期的一些稱號，像“AI四小龍”，到后面叫“大模型六小虎/四小龍”，包括最近這幾年的“杭州六小龍”“AI芯片四小虎/六小虎”，各種稱號層出不窮。但有的稱號響極一時，很快就黯然失色。這個過程中，云天勵飛其實一直在非常迅猛的發展，您覺得云天勵飛做對了什么？

陳寧：當然，我認為云天勵飛今天還是在路上啊。如果說回顧過去十二年我們的創業史，總結一下，我認為有兩件事情是我們團隊最核心的東西，也是我們努力在不斷進步的東西。

第一點，就是我們算法芯片化的技術主線。像我本人，我其實PhD是搞算法，但是在美國2005年的第一份工作就投入到了處理器指令集和芯片設計的領域。所以從我個人的求學、工作經歷，在學術界和產業界的這些背景，我深刻地感受和體會到了，算法芯片化對于提高技術效率的價值和技術路線的必然性。包括未來的Token工廠，講的就是AI的性價比。

所以從2014年創業第一天，我們就一直在探索和尋找，這些真正能夠大規模落地應用的、高性價比驅動的技術和產品，能夠去創造社會價值。只有性價比高，才有可能大規模的落地應用。所以算法芯片化的技術主線決定了我們的產品的特點，不是簡單搞一個技術的demo，一定要讓技術、市場需求和最后的商業模式三者能夠咬合在一起，（實現）未來大規模的落地應用。不管小模型、大模型都要遵循這樣的一個規律。

第二點，是我們過去12年，團隊一直內生的、自發的一個動力，那就是不斷地自我學習的能力，因為我們所在的賽道——人工智能本身就是一個日新月異、變化非常快的一個賽道。我們每個人，在這個行業里面，身處變化最快的這個漩渦中間，我們更要日新月異的更新自己。AGI（的核心）也是自學習、自進化，所以我們團隊之所以能經歷從小模型到大模型到Agentic AI這幾個不同的階段，是因為我們首先能夠戰略聚焦，預判這些行業的發展，同時我們又能把底層的技術能力轉化成為適應時代和市場所需要的技術和產品，這跟我們的自驅的學習能力是密不可分的。

智訊智庫：就像您說的，您應該在云天勵飛早期就強調和主推算法芯片化。從2014年成立，云天勵飛最早就（立志）重點要做芯片，那您早期在面對投資人和同行們，告訴他們“我要做芯片”，大家的感受是怎樣？反饋是怎樣？

陳寧：確實那時候太早了，我們2014年從美國回到國內，在深圳跟很多投資人講，我們要去做一個叫神經網絡處理器的一個技術，去做CNN、RNN的這些推理加速，尤其我們自己要去設計芯片。在那個時候，投資人可能聽到的只有手機芯片，AI概念是剛剛開始，一年多的時間，更不要說要去做AI的芯片，尤其是AI的推理芯片。那時候英偉達的第一代DGX（全棧式AI訓練平臺和深度學習超級計算機）是在2016年，兩年后才設計出來，所以確實那個概念（AI推理芯片）太早了。

所以我們一開始的融資并不順利，一直到一年以后才有第一筆。最開始第一年是我們幾個人把美國的工資拿過來補貼公司，堅持運行了一年。然后到了2015年，我們寫了一個Proposal（提案），去參評了深圳的“孔雀計劃團隊”。當時那個題目我印象還特別深，叫做《面向城市級海量視頻智能分析的神經網絡處理器指令集及其產業化》，很長的一個名字。但我們也沒想到，經過一輪一輪答辯，我們居然得了2015年的“孔雀計劃團隊”的第一名，然后政府就有4000萬的科創基金支撐。這個基金到位之前，我們在北京的一次交流會上，正好遇到了一幫投資人，我就用三五分鐘講了一下我們要做的神經網絡處理器，以及它未來的巨大產業空間——當人工智能大規模應用落地的時候，所有的應用，不管是終端還是云端，都需要用到神經網絡處理器的技術。

中場休息的時候，就有一個投資人拉著我，后來我才知道他就是徐小平。我們聊了30分鐘，徐老師說：“雖然我還是沒太聽懂你講的這些東西，但是我覺著你們這個團隊靠譜，你們有前瞻性，又能落地。”（于是）馬上投了500萬。那是我們真正的第一筆天使投資。所以后來我們跟真格（基金）也是非常好的合作伙伴，徐老師是第一個相信我能做成這件事的投資人，所以天使投資還是很重要。

智訊智庫：他覺得您靠譜啊。其實很多時候偉大是不可以被計劃的，他可能就是從您的個人氣質，然后確定了這筆投資。

陳寧：所以我們上市以后也在做一些投資，尤其是布局我們的產業鏈和生態鏈，因為推理芯片需要依托的是Token工廠的五層蛋糕。客觀來講，我也不斷地在學習怎么做投資。（因為）技術方向是一回事，市場需求是一回事，產業判斷又是一回事，尤其是團隊的技術沉淀組合，這些都很重要，但最重要的還是創始團隊。關于投資，我非常認同一句話：“投資還是投人？還是要看這人，這個團隊，尤其是創始人本身。”

第一，他的視野，他的格局，因為大家都在講，“你很難賺到你的視野之外的錢”。第二呢，就不能光星辰大海、天馬行空，因為其實世界不缺思想者，缺的是能夠真正把這些思想、技術落地變成產品，獲得市場認可。這個就需要團隊很靠譜、接地氣，得能落地。創始人需要兼具格局和落地的能力，這兩項能力很重要。

算力競賽換擋：

從訓練中心到Token工廠

智訊智庫：對，要能落地產業。那咱們回到這個算力跟芯片。上一輪AI的浪潮其實是深度學習帶來的，那這一輪就是以Transformer為底層架構的大模型帶來的。您覺得這兩波浪潮里面的最核心的算力結構有一些變化嗎？它的差異是什么？

陳寧：其實你會看到，不僅這兩波浪潮，尤其是當前2026年，我們又處在一個全新的轉折點。第一個階段，小模型的推理加速，其實最適合NPU（神經處理單元），就是矩陣類計算的自定義指令集的，或者是數據流的架構。但是到了Transformer，突然參數規模增長了百倍、萬倍，變成了千億級的參數，并且計算的算子類型極其豐富，所以GPGPU（通用圖形處理器）這種通用類的硬件架構，尤其是依托CUDA的生態（就成了主流）。

在2020年到2025年，大家都知道，英偉達，全球市值最高的公司，它的CUDA生態是全球最豐富的計算生態。這是過去十多年的底層計算的一個發展，但我認為2026年又是一個轉折點，我們正在步入新一輪的計算范式革命的時代：NPU到GPGPU，再到定義未來的5到10年的以GPNPU（通用神經網絡處理單元）為主導的一個全新的計算需求和計算范式。

智訊智庫：GPNPU。

陳寧：對，為什么是GPNPU呢？顧名思義，它其實就是要融合GPGPU和NPU。NPU的優勢在哪里？在于能效比、性價比。GPGPU的優勢在哪里？在于靈活性，當然性能也很高，靠Scaling Law（規模定律）、靠工藝，把單芯片的計算密度、算力、帶寬、存儲堆到最大，然后Scaling Up（縱向擴展）、Scaling Out（橫向擴展）這樣的計算集群。

但是為什么說今天又是一個全新的轉折點呢？因為過去從2012年到2025年這十三年的時間，不管是NPU還是GPGPU，其實都在培育AI的進步，培育更聰明的模型，不管是小模型還是大模型。過去十三、四年是比拼訓練芯片的時代，誰能夠訓練出來最聰明的大模型？未來五到十年比拼的是什么？比拼的是推理，比拼的是誰生產出來的Token性價比最高。

兩件事情，吞吐要最高，因為吞吐決定的是你的百萬Token的售價；成本要最低，因為成本和售價之間的空間就是你的利潤空間。所以，所有的Token工廠也好，AI芯片企業也好，要最大化你的利潤空間，就要把售價抬高，成本降低，而這件事情對于底層基礎算力的架構和范式提出了突破和顛覆性的要求。而只有融合GPGPU的通用性，同時挖掘NPU的效率，才能夠去解決未來的更高吞吐、更低成本的需求。所以兩年前我們提出GPNPU的架構，而這件事情，今天我個人認為已經被Vera Rubin，也就是英偉達的新一代架構所證明。

Vera Rubin已經不再是像過去的Blackwell、Hopper這樣的單顆芯片，強調單顆芯片的參數指標。它已經是一個推理系統，里面7顆芯片，不再單單靠Rubin這樣的GPU，它也融入了LPU（語言處理單元）。LPU其實就是NPU的一種，通過LPU組成的LPX計算集群去追求500-1000TPS的極致吞吐。因為只有達到1000TPS，專業的Coding才可以百萬Token實現，比如說150美金/百萬Token的售價。而40TPS的Token可能就是像豆包這樣的，用戶都是免費的，所以它有個非常寬的定價頻譜。

這個GPNPU的異構架構就是要去Cover從40TPS到100TPS、300TPS、500TPS甚至到1000TPS，非常寬的這樣一個頻譜，面向不同的應用場景、不同的客群。所以總結一下就是，智能體的應用大爆發，包括未來的具身智能應用大爆發需求，會讓未來的基礎設施不再是模型的訓練中心，而是無處不在的Token工廠。Token工廠的核心競爭力有兩方面，一方面Token的throughput（吞吐量），另外一方面就是芯片和能耗的這些成本，而要做到這兩方面，需要底層的算力結構的變革。新的算力結構，我們認為是類GPNPU的這樣一個架構，可以說GPGPU主導了過去十多年的訓練時代，GPNPU是未來推理時代的黃金標準。

智訊智庫：對，就像您說的，不同的模型Token的定價千差萬別，單位Token的產出質量也不盡相同。您覺得，未來我們追求Token的成本降低，或者說它的利用效率最高化，這是一個美好的愿景，還是可行的方向？

陳寧：我們必須做到，它既是我們的愿景（也是）目標。比如說我們提出“1001”（計劃）：2030年要把百萬Token的成本打到一分錢人民幣。它既是一個美好的愿景，我們也在研究實現它的一系列技術路徑，但是它是行業和產業發展的一個必然。（即使）我們做不到，這個行業也一定會實現，因為只有實現Token的成本極低，Token的價值極大，才有可能真正實現一個工業革命的拐點。只有Token和AI像水和電一樣想當然的存在，我不用考慮它的成本，才是真正的一場工業革命。

所以這兩件事情同樣重要，一件事情就是把Token的商業價值發揮到最大，把它的性能提升，把它的商業價值閉環實現，把它的吞吐量不斷的提高，從今天我們的自然語言聊天的這種20-40TPS甚至突破1000TPS，另外一方面又要把百萬Token的成本要降到極低，讓Token像空氣一樣，想當然的存在。

推理時代啟幕：

算力擴張與泡沫之辯

智訊智庫：嗯，（讓Token工廠）成為真正的基礎設施。那您覺得當下算力最大的瓶頸是什么？以及未來新的機會大概是哪些？

陳寧：其實當下的算力，我認為在技術和產業上面遇到了一系列的瓶頸，主要還是技術發展和產能這樣一系列的問題。這兩年我們看到，首先是高端算力芯片的緊缺，當然也受一些國際環境的影響，從去年開始的存儲芯片的緊缺，到今天的光模塊、光互聯、光的技術，甚至到PCB，所有的這些是因為未來的一場新的工業革命，需要無處不在的Token工廠和源源不斷的7天24小時不間斷的高性價比的海量Token，但是背后的算力產業，技術和產能跟今天的需求是錯配的，這也是為什么我們要聚焦在新一代的GPNPU的推理芯片架構上面，（這樣）既能夠不斷去突破這些技術，突破“1001”的這類目標，同時又能夠在當前（特殊）的國際環境下去助力，比如說國產工藝的安全的供應鏈的建設。這樣我不僅能設計得出來，我還能獲取到安全的IP，還有安全的生產環境，能夠實現這樣一個穩定安全的供應鏈和產能保證，這也是非常重要的一個因素。相信隨著需求的激增、市場的大爆發，尤其是對于推理芯片而言，技術不斷的突破和產能的進步，我們未來5年將會見證人工智能行業的應用落地大爆發和新一輪的工業革命。

智訊智庫：那您怎么看AI泡沫？我們現在真的需要這么多的大量的算力基礎設施嗎？

陳寧：對這個事情我其實是非常非常樂觀的。

智訊智庫：您是覺得沒有泡沫？

陳寧：我認為在這個發展的過程中，個別的公司可能會跑得快一些，包括一些上市公司，對于不同行業，比如說存儲現在價格漲得特別快，甚至已經影響C端了，比如說光計算。那么，在這個過程中可能有些公司的價值短期之內被高估，有些被低估，這些波動在二級市場上我認為都是正常的，甚至一級市場最近的融資的也每個月都在漲，我覺得這些個案的波動是有的，但是對于整個人工智能的行業，我認為如果談泡沫還太早。整個人工智能的基礎設施的建設，我認為還處于0到1的一個階段。

因為過去5年，包括美國的星際之門，我們國內也在建很多的算力中心、智算中心，其實都還是在建AI大模型的訓練中心，未來我們更需要的是推理算力中心。Jensen講推理的市場需求是訓練的一萬倍，我們剛剛開始起步。尤其AI是新一輪的工業革命，從C端到企業端，到未來的具身智能，所有人都要用Token，但是其實真正今天能夠改變我們生活，改變企業運行的殺手級的應用還沒有真正的落到我們的身邊，正在逐步落地的過程中。所以我認為基礎設施其實是剛剛開始，處于由過去的訓練算力中心全面進入到未來的推理算力網絡，云、邊、端的無處不在的推理算力網絡。

智訊智庫：AI Factory跟Token Factory。

陳寧：是的。

中國AI路徑：

用“1到100”反哺“0到1”

智訊智庫：那下一Part咱們聊聊中美AI，就是現在AI已經是大國競爭的焦點，行業內普遍有一種觀點：美國負責從0到1的原創式創新，中國負責從1到N的商業落地。您認同這種觀點嗎？

陳寧：我覺得這樣的一個觀點，客觀來講，它展現的是過去三四十年，一些技術發展的創新發展的過去式，比如說互聯網階段，很多新的商業模式在美國有所突破，包括芯片的很多技術在美國有所突破，可能三十年前是這樣，二十年前是這樣，但我們要用發展的眼光來看待這個問題。比如說DeepSeek，去年，我認為那就是歷史上第一次，一個世界級的創新技術，我們中國的團隊能夠把這個技術的差距壓縮在12個月之內。所以可以用發展的眼光來看，我們0到1的創新能力在快速提升。

但是客觀來講，我們不能驕傲。我們要看到，我們在很多領域，比如說高端芯片的生產制造，光刻機依然是卡脖子的問題，很多東西我們可以設計出來，但是很難生產制造出來。所以華為發布了韜（τ）定律，我們怎么用3D堆疊的一些技術來找到一些創新路徑，來解決這些核心技術的卡脖子問題。

所以，我認為人工智能賽道和半導體行業的很多團隊，正在積極努力地實現一些有中國特色的0到1的技術突破。但同時，1到100的大規模應用落地，又是中國的差異化優勢。六年前，美國出過一個《人工智能全球發展報告》，提出了美國當時是在算法、芯片、人才有領先，同時也指出中國在應用、數據、系統有差異化優勢。很顯然，我們中國其實可以利用我們豐富的應用場景和潛在的數據資源，治理好這些數據的質量，以及我們的系統工程能力，比如說IDC的建設能力。發揮這些優勢和長板，來彌補我們在算法芯片上的一些短板，吸引更多的人才投身到我們的人工智能產業。

我認為我們0到1的技術創新會越來越多，這是我們過去的短板，但是這些年在0到1的技術突破，我們有了長足的進步，并且這個距離在逐步的縮小。另一方面，1到100仍舊是我們的長板，我們就是用應用反哺技術的進步，恰巧這波人工智能（浪潮）基于深度學習，所以應用生產數據、數據訓練算法、算法定義芯片、芯片規模化推動應用，而恰恰推理芯片就是由算法來定義的高性價比芯片，那由高性價比推理芯片推動更大規模的應用落地。因為最后，全世界需要的不是一個考試分數最高的模型，全世界需要的是高性價比的Token和實現落地閉環的Agentic AI的應用，所以這是中國可以形成的一個應用、數據、算法、芯片的數據飛輪，在這個數據飛輪轉動的過程中，實現我們的技術突破和大規模的產業化落地。我認為中國其實正在走出一條有自己特色的人工智能技術和產業的發展路徑，就是這樣的一個數據飛輪，也有機會我們率先去突破新一輪的工業革命。

智訊智庫：就像您說的，其實現在各行各業都在發生中國的“DeepSeek時刻”，您覺得在推理芯片這個領域，最有可能的“DeepSeek時刻”會是什么樣的路徑或方式？

陳寧：首先，我堅信是GPNPU這樣的一個架構。既要保證國際兼容的生態建設靈活性，同時又要去深挖底層的硬件設計，包括生產封裝、國產工藝的這些特點，去組合成這樣的一個技術路徑。所以具體到它的標志的話，我認為是這樣一個異構架構的系統，作為L2層。

如果按5層蛋糕來講，L1是能源，L2是芯片，包括訓練和推理芯片，L3是IDC Token工廠的基礎設施，L4是模型，L5是應用，包括具身和智能體。（那么如果）有一個大規模的，可能是日產萬億級Token以上的Token工廠的規模落地，里面集成了這樣一個GPNPU架構的推理算力集群，它會是真正的一個轉折點和標志。

智訊智庫：嗯，主權AI現在已經是各個國家共同的趨勢了，您覺得中國在主權AI方面有哪些優勢？以及新的機會？

陳寧：這個還是要圍繞著AI的五層蛋糕來講。在五層里面，中國其實已經在三層具備全球的領先優勢。首先能源（L1），我們的電網是我們當之無愧的、最差異化的、最大的優勢。然后是L3基礎設施，我們的基礎設施基建的能力，包括數據中心建設的這些能力，其實也在服務很多美國的算力中心建設。L5，我們的應用，我們豐富的應用場景，包括我們機器人產業的快速發展，這三層其實都是我們已經具備的差異化優勢。我們的L2和L4在原來還可以說排在全球第二的，但這兩層呢，其實也在過去這幾年快速補齊，在快速地追趕。

像我們剛才提到的L4的模型層，現在全球已經公認，美國確實在閉源模型上是全球領先，但我們的開源模型已經處于一個第一梯隊的位置，并且最先進的模型的距離，我們基本上都縮短到了幾個月的時間差距，所以我們的模型能力也在飛速的發展。那唯獨就是L2的芯片，確實受限于先進工藝光刻機的這些。受到國際環境的影響，在這塊我們被卡脖子，還是有一定的差距。

但是，剛才我們提到，今天我們其實是處于人工智能行業一個巨大的轉折點。過去需要的是GPGPU的訓練芯片，而訓練芯片拼的是單芯片的絕對參數、Scaling law，它跟工藝制程是成正比的，工藝卡脖子，單芯片的絕對參數很難突破。但是恰巧未來5-10年，我們進入到推理應用的時代，我們需要的是整體的Token工廠的性價比，我們就有機會用其他四層蛋糕的差異化優勢來彌補L2在單芯片絕對參數上的一些短板，甚至我可以用國產模型、國產芯片的聯合設計。

比如說，如果我們可以搞個萬億級的世界一流模型，它依托的是2比特、3比特、4比特的計算，在推理的能效比上，我們就有可能是16比特成本的1/10，這就是系統性的能力。剛才我們提到應用、數據、系統是中國的差異化優勢，尤其是在芯片架構上，我們其實在推理的芯片架構上，我們和美國公司都是同時起步，因為推理是個新鮮事物，新的芯片大家都是這兩年剛剛開始起步，去設計真正意義上的高性價比的推理芯片。比如說我們兩年前提出的GPNPU的架構，未來就有希望成為推理時代的主流的技術方向。我們再去依托中國的一些差異化的技術路線，比如說3D堆疊、先進封裝、3D Memory、近存計算，甚至光計算、光互聯等更長遠的一些技術，就能走出更高性價比的一條推理芯片、Token工廠、AI大規模產業落地的機會。所以未來5年是AI大規模應用落地的時代，也是底層算力重新洗牌的一個過程，我認為中國在推理芯片領域還是有非常大的全球發展的機會。

智訊智庫：就像韜（τ）定律，用非摩爾補摩爾。

陳寧：對。

智能體重構入口：

APP或將消失，

機器人等待“ChatGPT時刻”

智訊智庫：那下一Part咱們聊一聊Agent跟具身智能。現在AI應用層出不窮，但是普通人接觸AI呢，可能就是手機里面的豆包這樣的應用，但是產業界對AI的期待值其實非常高，您覺得這中間的Gap的核心問題在哪？

陳寧：確實，我們看今天的AI應用有Chatbot。聊天的機器人是最簡單的應用，還有越來越多的智能體，比如說AIGC的一些應用，文生視頻、文生圖，到下一步的Coding會大爆發，就是企業級的智能體應用，那再到我們都在憧憬的具身智能，甚至人形機器人進工廠、進家庭，這每一層級的應用，它對背后的技術和產業、行業和生態的需求都是完全不同的。最簡單的其實就是Chatbot，ChatGPT在2022年11月30日發布后第二天，實現了Chatbot跟大模型、大語言模型聊天，滿滿的情緒價值，甚至做一些信息檢索。但是這個是最容易被全球普及化，可以說，像2016年的AlphaGo一樣，OpenAI做了ChatGPT的發布，一個全球的科技的大普及。去年我們的DeepSeek更是做了一個中國全面擁抱AI的一個大普及，因為它開源。

客觀來講，今天整個AI的應用落地在于C端的Chatbot。我覺得這只是第一步，冰山一角。這個雖然是免費的，雖然是情緒價值和一般的知識問答，還沒有真正到生產力的階段，但是所有的技術和產業革命最難的第一步，其實都是改變人的思想。所以Chatbot能讓全民去擁抱接受AI，我認為這就是它最大的價值和貢獻。你回想一下，三年前我們聊AI，聊的是什么問題？聊的是AI會不會毀滅人類？說明大家對AI更多的是充滿陌生感和恐懼。但是至少今天的Chatbot已經讓大家習慣了旁邊有一個AI的大模型或者智能體應用來陪伴我們每一天的生活。我相信我們每個人手機上可能都有一兩個大模型的應用。有時任何的問題，超出我們邊界的，都會去問一問大模型。這就是一個洗腦的過程，讓全民接受AI，這就是一場工業革命的前夜，是前奏。馬上從Coding開始，我們就要真正介入到一場提供生產力變革的工業革命。為了支撐Coding，Token工廠會無處不在。

其實很多企業的代碼都已經是AI在寫了，今天為什么我們沒有在所有的公司看到它的？因為（距離）AI營收大爆發、利潤大爆發的一個核心是，企業級的原有的研發產品、IT的流程和智能體大模型還是兩張皮，還不兼容。尤其很多傳統的行業，OPC除外，很多傳統的已有的科技公司，但凡設立3年以上的科技公司，都有原來的一套IT的流程。這個IT的流程，某些碩士生、博士生，個別的接受大模型能力更強的，更善于用大模型的，他的工作效率已經是下游的10倍以上。我們已經涌現出了一批這樣的，像AI原住民這樣的工程師，非常厲害。但是木桶原理，整個流程在完成再造之前，是有一些環節效率提升了10倍，但他省下來的時間，在下一個環節打通之前，這個工程師（只能）去做其他事情，可以休息了。

所以現在需要突破的是，真正讓AI改變我們的生產力，改變我們的社會，是需要再造流程。不光是再造企業的流程，是我們每一天的生活習慣也會被重新定義。從C端的生活習慣的重新定義，就像這些年有互聯網，我們習慣了叫外賣，這樣一個生活習慣在AI時代也會被重新定義，企業的IT的流程要再造，甚至每個城市、每個行業、政府的社會治理的這些流程也會被再造，都會跟AI重新梳理、重新再造。就像400年前沒有工廠，沒有城市，因為有了蒸汽機，才有了第一次的工業革命，人類才有農民建造了城市，走向了工廠，才有了產業工人，大家才知道要在生產線上工作，所以整個社會、企業、家庭、個人的流程習慣都在再造。AI帶來的第四次工業革命也好，第一次智能革命也好，也是對于整個社會結構的一個再造的過程。這個需要一定的時間，快的話三五年，慢的話需要十年的時間，不需要像過去的幾次工業革命那樣，幾十年、上百年的時間，這次來的會非常的迅猛。

智訊智庫：那您覺得拋開像豆包這樣的APP，Agent跟普通的APP最大的區別是什么？

陳寧：APP它其實是一個工具，是一個具體的功能點。而Agent它是一個代理，是替我們完成任務的，它是融合了無數個APP的一個智能體集群。并且這個智能體的集群是智慧化的，所以一個是應用，一個是代理，代理就是代替我們人類完成某項工作的，所以我認為智能體會替代APP，也許三五年以后就沒有APP了。沒有APP的概念，會有一些超級入口的智能體，當然可能智能體不止一個。那我們通過更加自然的人機交互，比如自然語言交互，它就可以幫我去完成一系列的任務。所以可以說，APP是第三次工業革命的產物，是第三次工業革命的一個人機交互的入口。而智能體是第四次工業革命，是人工智能時代的人機交互的一個入口，是第四次工業革命的一個產物。

智訊智庫：嗯，那像您說的，可能未來連APP都不一定存在，當然這不一定是一個非常明確的這個事情。今年可能OpenAI會發布它的第一款AI硬件，我覺得它有可能會定義下一代AI硬件的產品形態。您怎么看AI硬件這個事情？

陳寧：第一呢，AI硬件正在被重新定義，這已經成為了一個行業和歷史發展的必然。比如手機很有可能未來5年就會消失，或者手機就會變成一個全新的智能體的入口，而不是一個APP的載體，包括AI眼鏡、可穿戴設備都會被重新定義，成為讓我們使用過程中更加便利的一個載體，而不需要現在我還要把手機掏出來，打開界面去拍照、拍視頻、打電話、發信息。所以確實AI硬件它有一個核心的設計目標，就是面向更加自然的人機交互，更好的用戶體驗的方向去重新定義硬件。

第二點呢，這也是我們深圳的巨大的機會，我們大灣區的機會。Jensen也講說，大灣區是全球機電一體化和人工智能交叉的唯一一個區域。我們知道，人工智能這些智能硬件產業鏈的全球Hub就在深圳，所以包括可穿戴設備，各類的智能硬件，甚至具身智能的這些供應鏈、產業鏈在深圳是非常發達。我們也很可喜地看到，在我們的身邊，很多雨后春筍般的AI原生硬件的上下游生態正在快速爆發。我也非常看好從可穿戴設備到各類的邊緣計算的智能硬件的載體，不僅僅是人形機器人，（它們）都會在未來變成我們身邊的超級個人助手。

智訊智庫：嗯，對，其實現在機器人企業都在卷具身智能的賽道，您怎么看這個事情？

陳寧：我認為具身智能是把機器人從千億帶向萬億級產業的一個必然技術，這也是為什么機器人產業都要做具身智能。如果說傳統的機器人公司做的只是機器人的本體的話，它其實只是各類細分場景行業的一些定制化的硬件。而具身智能呢，是機器人真正的AI大腦，甚至是未來的世界模型的大腦。只有具備了AI的大腦，這個硬件的本體才能被泛化，才能真正像我們人類一樣走進工廠的各個Corner Case，走進家庭等各種各樣的環境中，去動態地適應這些環境，才能極大賦能機器人，不管是各類的形態還是人形，去動態地適配、自適應各種場景，極大地加速機器人對于環境場景、應用場景的泛化能力和適配能力，變成一個真正通用的產品，才能真正把機器人產業變成一個萬億級的產業。所以本體加大腦同樣重要，大腦是有待突破的，不管是VLA的模型，還是世界模型，還是其他什么的模型，我們可以說，產業正在期待機器人的大腦模型的ChatGPT涌現時刻。當然在這里面，當前最大的一個瓶頸還是物理世界的數據的問題，這個我認為中國也有很多優勢和機會。

智訊智庫：在互聯網時代，其實都有流量入口之爭啊，包括像百度，微信，都是占住了流量入口。您覺得AI時代會有新的入口之爭嗎？什么類型的企業會更有機會？

陳寧：AI時代是一個全新的工業革命，所以所有的這些技術、產業、入口、商業模式，都有一個重新洗牌的過程，流量入口也不例外。這也是為什么所有的這些互聯網的頭部企業都在All in AI，不然就有可能被一個新的創業公司所顛覆，因為他們最稀缺的資源，最大的價值其實就是流量入口。比如說豆包，我認為它就抓住了很大的一部分的流量，吃到了大語言模型的紅利。豆包現在被公認為這樣的一個日消耗Token數量、用戶流量最大的這么一個入口。

當然我覺得微信也沒有那么容易被顛覆，因為微信的社交屬性黏性也非常強。并且大家也看到了微信正在全面擁抱智能體和大模型，所以到最后我認為，包括也有一些創業的智能體，類似像OpenClaw這樣的，甚至一人公司，都有可能成為一個新的流量的入口，所以我認為入口依然重要，并且在人工智能時代，入口更加重要，因為它會出現真正意義上的超級入口。

智訊智庫：中國其實向來都比較擅長AI的應用落地，各地政府也在積極的擁抱AI產業的落地，那您覺得在行業火熱發展的過程中，有沒有一些亟待去警惕的短板或隱患？

陳寧：確實，國家國務院發布的AI+行動方案，也是到2027年我們的智能體應用和2030年智能體的應用要全國普及，大規模的爆發。包括各地紛紛出臺人工智能的產業和應用發展的行動方案，我認為這是好事，這是大勢所趨。我們首先要洗腦，對吧？大家都要擁抱AI，這是新一輪的工業革命。但在這個過程中，我認為各個城市、各個區域還是要找到自己的差異化發展的定位，不要一擁而上。比如大模型很火，那么肯定不會說中國所有的城市都可以搞自己的大模型。比如過去訓練芯片、GPU芯片很火，那肯定也不是所有的城市都去可以搞訓練芯片，這些都是密集投資型的產業。

所以我看到過去幾年，比如北京、上海、杭州、深圳，都找到了各自的一些差異化定位，我們也參與到了深圳的一些產業政策的定位。比如說北京在2023年的產業政策就聚焦在鼓勵模型的發展；上海就聚焦在鼓勵訓練算力芯片的發展；深圳的特點就聚焦在了應用場景開放、全時空的場景開放，去產業落地，再加上深圳的供應鏈和應用，卡住兩頭去發展一個完備的產業鏈；當然，杭州的軟件智能體，新的應用產品，這兩年也快速的發展；最近合肥的基礎設施生產制造這些底層能力也在快速爆發出來。

所以我們也可喜地看到了，這幾座城市慢慢地都找到了自己的一些差異化定位。所以全國這么多的城市也可以以這些城市的人工智能產業政策和發展為樣板，去找到自己的差異化定位，不要再重蹈覆轍，什么火、什么熱就蜂擁而上，到最后還是要形成一個分工，每個城市有自己的優勢產業，有自己的定位，才能夠真正形成全國的一個人工智能的完備的產業鏈。

AI重塑組織與人：

老板先“革自己的命”

智訊智庫：嗯，對，那下一Part咱們聊一聊AI時代組織跟人的成長。您剛剛也提到云天勵飛應該80%的Coding已經是AI來完成的，您覺得作為一家前沿科技公司，云天勵飛是怎樣地從內部擁抱AI，或者擁抱最前沿的技術？

陳寧：我們的AI策略就是發展為主線、安全為底線，所以還是這幾年是重發展，當然也要盡可能地守住這些數據。我想所有企業面臨的都是這個問題，既要全面放開了去擁抱AI，又要考慮到信息安全的這些問題。所以我們這三年堅持的就是，使用AI工具要以發展為主線、安全為底線。還是要鼓勵大家去全面擁抱新的生產力工具，只有在大家全面開放去使用的過程中，（才能）不斷地倒逼我們的流程，不斷地去優化，去再造一個AI原生的流程，才能真正實現企業生產力的大爆發。

智訊智庫：嗯，那您覺得要真正去用好AI，最難的是流程還是工具，還是人的心智？

陳寧：最難的是老板，用好AI是一把手工程。你交代一個COO，或者一個IT的副總，或者鼓勵下面的工程師，這些都是必要的一些手段，但是首先是老板自己，因為用好AI其實就是一場企業內生的一個革自己命的過程。就我說的，但凡設立3年以上的企業，它就不是一個AI原生的企業，因為那時候還沒大模型的。但凡你三年前建立的企業的運營流程和IT和信息化的流程，它都不是AI原生的。你要革自己的命，變成一個AI原生的流程，就等于你要革你下面所有副總的命和所有工程師的命，這個必須得是從老板一把手抓起，所以最大的瓶頸都在老板，都在一把手。看老板的決心，他是不是準備好要革自己的命？否則如果靠外部的一個AI公司來幫助這個企業做數字化轉型，我認為可能99%都是失敗，必須老板親自上。

智訊智庫：他是一號位工程，要滲透到毛細血管。那您覺得AI越來越強大，人要怎么自處呢？

陳寧：這是一個很大的挑戰，我們一方面呢在推動AI的技術進步，未來80%甚至90%的工作都由AI來完成，那留給我們人類做些什么？當然我們可以天馬行空地說，留給我們人類的就是星辰大海、開開心心。但是呢，我覺著，尤其是未來的10年，這是一個行業轉折的10年，這是最混沌的10年。我相信10年以后，真正進入了AI時代，人類一定會找到自己的定位，研究火星移民、星際旅行，是吧？會有新的成就感和樂趣。但是在這10年里面，我們原有的一些工作，比如說原來寫代碼、debug是個很有樂趣的事情，突然你發現這個事情大模型干得（效率）是你的10倍，比你更好，成本更低。那這些勞動被替代的過程，我覺得是全球不可避免的一個過渡期。

這10年里面，我覺著一方面還是要開放的心態最重要，去擁抱AI，因為等和排斥這個是沒有用的，就跟汽車出現的時候，歐洲也有一些聯盟去抵制，比如說馬車夫的聯盟去抵制汽車，但這畢竟是產業革命和歷史的車輪，這個很難去抵制。我覺得要更開放的心態去擁抱這些技術和產業的變革，那么在擁抱的過程中，與時俱進地去學習、去掌握它，去把握這個時代發展的脈搏，找到自己發展的機會。尤其是我現在特別關注的我們上市公司的ESG（環保、社會和公司治理），我把它定位為公益的AI賦能教育。我尤其關注AI對于這些幾歲到十幾歲的孩子們的影響，因為他們是真正的AI原住民，怎么去幫助他們更適應5年、10年以后的未來的社會和時代？我認為這是一件非常有價值、非常有意義的事情。

智訊智庫：您怎么看現在很多年輕人會有一些意義感缺失？因為AI慢慢得可以創作出更好的音樂，甚至寫出更好的小說，很多事情都做得比人更好，對吧？人的創造的意義是不是變了？

陳寧：是的，所以現在的年輕人不能停留在過去我們那個年代，寫寫代碼，debug，然后做個曲子，可能要追求更加深層次的一些東西。我覺得這其實也是個好事情，我們人類的教育本來就說要千人千面，對吧？每個孩子本身就有他自己感興趣的點，都有他的好奇心，有他的天賦。但是工業革命階段，包括這種大規模的學校制的教育體系，培養的都是生產流水線上的工程師和工人，難免大家都變成了像一個模子考試出來的這樣。但是AI在解放生產力的過程中，也會極大的解放每個人的創造力，會真正打造千人千面的教育體系，去鼓勵每個孩子、每個年輕人自己的天賦、自己的興趣。我認為這是AI帶給我們最大的價值。比如說現在很多我身邊的十幾歲的孩子，他用AI、用大模型，已經可以去設計各類產品，甚至找到他在光計算、光互聯領域的一些興趣。沒有接受過任何網絡知識的培訓，但就是大模型智能體帶他去某些領域找到自己的興趣，還有研究動物和植物的。

我們有好多問題沒解決，比如我們的燈泡，300年了，但大部分的能量是作為熱散發出來的，只有少部分是作為光產生了商業價值；比如說機房、數據中心、Token工廠，散熱是個最大的問題。我們其實對動物的理解也非常淺，但在工業革命時代，很少有最聰明的孩子去研究這些細分領域的知識點。AI時代不一樣，可能從3歲就挖掘出來一個孩子對動物、植物，對于天文、物理，對于某些領域的興趣點，AI都能幫助他在這個領域去不斷挖掘自己的特長，變成這個領域的專家，甚至十幾歲就取得非常了不起的一些技術科研成果，甚至市場化的一些成果。我認為這是在未來5-10年完全有可能發生的，所以我覺著孩子們和年輕人也不用太擔心，AI反倒有可能帶給他們的是更大的發展的一些機會。

智訊智庫：那你覺得AI時代的教育有沒有一些方法論或體系？

陳寧：我覺得這是個很好的問題，但這也是個世界難題。我相信全球今天都在研究，在AI時代，教育到底怎么做？沒有標準答案。我沒看到今天有標準答案，但是我們要堅信AI時代的教育一定跟今天不一樣，不能一成不變。我們想想，300年前教育就發生了顛覆性的變化，一臺蒸汽機讓教育從過去的封建農耕貴族式的私塾教育變成了城市級的工業化的學校，這才有了義務教育、普惠教育。但確實這種教育方式適合過去300年的工業人才、產業人才的流水線上人才的培養。

但是AI時代，為什么最近有了OPC一人創業公司？它更需要的是每個孩子不一樣，所以方向我覺得是確定的，就是怎么用AI去打造一個千人千面的教育體系？幫助每個孩子盡早地找到自己的特長，自己的興趣點，并且在這個領域建立他的自信。一定要孩子自驅的，不是為了考試分數被動地去學習，而是自驅地去發揮他的特長、他的興趣，由他的自信去驅動的。這樣的一套教育機制和教育工具，一定是未來一個大的教育方向。

智訊智庫：就像您說的，未來10年可能是一個摧枯拉朽的過程啊，那您看20年后，人類會進入一個怎樣的世界？

陳寧：20年后，第一呢，我前段時間在整理我剛回來創業的一些資料，找到一段視頻，是2015年的時候，我在深圳一個活動上做了一個報告，最后我講了一段話，我覺著還蠻有趣的。我當時講，也許15年以后，我們深圳每個人都會有三臺機器人，家里一臺服務機器人，單位一臺辦公機器人，出行還有一臺無人車或者無人機，我希望每臺機器人上面都有裝載著我們的推理芯片，打著Powered by Intel FUSION。

智訊智庫：哦，這是2015年。

陳寧：2015年，展望的15年以后，也就是2030年。那現在看，可能2030年這個目標不一定，可能要推遲一些。也許到2035年，所以10年、20年后，我認為10年的時間吧，我們就會全面進入到一個難以想象的新一輪的工業革命時代，也就是人工智能的時代。我們一定會與智能體、與AI、與機器人，不僅人形，各類的智能體形態來共生共存。也許我們通過腦機接口芯片來遙操我們火星上的一個阿凡達機器人的載體，去完成一系列火星的生態環境研究工作。也許我們在規劃著怎么去做一些周末的星際旅行。我覺得其實就是把科幻里面的很多現實帶到了我們未來每一天的生活。如果我們倒退50年，來憧憬20年之后，也許坐在家里叫外賣就是科幻。今天我們去想20年以后，其實就把科幻里面的所有場景都帶到我們每一天的生活，我認為完全有可能。

AI越強，人越要守住什么：

AI向善與長期主義

智訊智庫：那下一Part咱們聊一聊文明與人啊，以及一些人生問題。您2014年成立云天勵飛的時候，有想象過公司到今天大概會發展成什么樣嗎？以及當初的一些想法都實現了嗎？

陳寧：剛才有提到2015年的事。其實當時我們的目標就是，當AI時代來臨的時候，希望讓我們的芯片能夠賦能整個AI行業，成為端邊云的一個基礎設施，無處不在。但確實在過去的十二三年的發展階段里面，我們經歷了AI的很多技術和產業的變革。第一個階段智能感知，以各行業的解決方案為主；第二個階段AIGC大模型的出現；到第三個階段的智能體的落地。我們也有很多產業落地的成功，當然也經歷了很多的坎坷和挫折。但是我想，不管是過去的12年，還是未來的幾十年，甚至更長的時間，我們的初心不會變。都是通過我們的所學，尤其是我們算法芯片化的這條技術路線，去提供更高性價比的這樣的一些產品，去推動AI的大規模的應用落地。

當然在這個過程中，更關鍵的是要AI向善，讓AI真正去幫助人類去產生更大的生活價值，堅持AI for Good的向善標準，我們也在積極地擁抱全球的人工智能治理的這些研究工作，來不斷地與時俱進地去定義、引導AI向善。去年12月份在香港，GIS大會的開幕式上，有幸跟那個Hinton教授，做了一個對話。大家知道Hinton，他這些年一直在提醒大家，說AI其實就是一個小老虎，現在你看它很可愛，但你不知道，當它幾年以后長大了，它會不會對人類產生什么樣的威脅，怎么能夠確保AI向善？這個世界上，有一種能量是可以弱小控制強大。你有沒有什么想法？這個世界上有什么樣的能量是弱小可以控制強大的？

智訊智庫：嗯，這個結論是什么？

陳寧：母愛。

智訊智庫：嗯，就是愛，母愛。

陳寧：母親強大，Baby弱小，但是因為母愛，Baby再怎么哭鬧，也是一樣用母愛去關懷他。因為有母愛，縱然他什么都不懂，什么都不會，我的智慧比你更強大，但一樣會去關愛他更好的成長。所以我們在治理訓練AI的時候，怎么把母愛植入AI？所以全球的“AI for Good”，就像有了核不擴散條約，雖然技術在競爭，我們仍能夠形成這樣一個共識，找到一條技術路線，讓我們全球的AI在高速發展的過程中始終向善，這是很有價值的一個話題。

智訊智庫：對，這有點像在一個賽博朋克的時代，怎么去應對社會的矛盾或沖突？需要的不只是愛，更多是母愛，一種無條件的愛。那我們回到，您作為一家上市公司的掌舵人，您在這種技術日新月異以及AI大爆炸的過程中，您自己會焦慮嗎？

陳寧：剛開始的時候肯定會焦慮，尤其是剛創業的那幾年，我們進入了一個黃金賽道，非常有前景，但是剛開始肯定會焦慮，到底什么時候能夠大規模的去技術落地？到了第二階段，大模型出來又發現技術日新月異，其實十幾年下來以后，我們認為這其實就是一個創業者的常態。

第一，要有自己的堅持。第二，就是因為它日新月異的變化，作為一個創業者，尤其是在人工智能、半導體這個交叉領域的一個創業者，行業和技術變化的速度反倒就是你的差異化競爭壁壘。誰能夠跟隨，甚至引領這些更加快速的變化，就像一個快速旋轉的飛輪。如果抓不住飛輪變化的頻率和規律，你可能就被離心力甩出去了。所以你要比它變得更快，要更能洞察行業前瞻性變化的趨勢，同時又要有自己核心的競爭壁壘，就我們講的算法芯片化，高效的AI是未來若干年的核心競爭力，以及快速學習適應的能力。抓住這兩點，我們其實就能把這些其他人的焦慮變成我們的差異化競爭的優勢。

智訊智庫：您現在自己在成長的過程中有沒有一些具體做法去尋找內心的頓悟？

陳寧：一定要在未來5年保持健康的心態和身體才能夠穿越周期，所以過去一年多，我是匹克球推廣大使。深圳、上海，很多我身邊的企業家朋友，至少有100多個，我都轉化他去打匹克球。我認為匹克球是屬于一個一分鐘上手，三分鐘上頭的這個運動，特別好，特別適合團建，它能夠快速地讓運動水平參差不齊的團隊也可以一起參與到這個運動里面，所以我覺得我們的生活還是要健康的生活。健康生活的狀態。

所以我們要看到人工智能、集成電路，它是個非常需要耐心、非常長期的一個賽道，尤其是國產的推理芯片，要有3年、5年、10年磨一劍的耐心。但是在這個過程中，我們每一天的生活又可以用這些運動去點綴，保持我們健康的心態和身體。

智訊智庫：走過科學殿堂，也跨過商業風浪，您希望別人怎么評價你？怎么評價陳寧？一個AI創業者，一個科學家，還是一個企業家，或者一個純粹相信技術可以改變世界的人？

陳寧：我最喜歡的一個頭銜還是推理芯片的先行者或者推理芯片的工程師。因為我2005年開始在美國工作，參與到了當時的并行計算處理器的第一代研發，當時我們叫VPU（Vector Processing Unit）。其實這個很有趣，就是從2000年左右并行計算開始一直到2005年，全球的并行計算處理器架構出現了兩個分支，一個就是今天大家都知道的，當時ATI、英偉達搞的GPU的并行計算走的是多核眾核的技術路線，像今天的Blackwell里面有一萬多個CUDA Core，它是多核并行，另外一個其實就是我的那份工作。

我到摩托羅拉Freescale參與到的，是叫SIMD數據流的矩陣式計算的DSP的并行計算，就是在單核內部讓數據流、數據存儲配好Pipeline來并行的一個技術路線，所以數據流的并行技術路線和多核眾核出現了兩條分支數據流并行計算的，主要是當時的通信芯片公司像Freescale、Broadcom、高通這些。但是十年以后，到了2016年，英偉達Jensen很聰明的就是，他把兩條技術路線做了一個合并，多核的CUDA Core解決的是CUDA生態靈活性通用性的問題，因為所有的復雜任務都可以拆成1萬多個小核的并行計算，然后里面它引入了Tensor Core，就是矩陣的計算，用這部分來做計算的加速，只是說它是以CUDA Core為主，CUDA的生態兼容靈活性為主，Tensor Core的效率提升為輔。

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，為什么它能夠異軍突起？就說明在推理時代，硬件的效率就會越來越重要，當然，通用性靈活性的生態也很重要。所以我從2005年開始去研究處理器的指令集，一直有一個夢想，就是通過這些硬件的計算加速，怎么能讓這些復雜的計算更大規模地去落地？不管是前10年的通信的應用還是過去12年，甚至未來幾十年我們研究的AI和智能體大規模的落地應用。

所以我認為2026是推理時代的元年，也是推理芯片大爆發的元年。那我們儲備20年的這些技術其實就是為了讓推理的基礎設施無處不在，我認為未來的推理芯片將是人類的科技革命、工業革命非常重要的一個底層的基礎設施的核心關鍵技術。所以我更喜歡的是作為推理芯片的先行者和工程師的這樣的一個角色，去真正用我們高性價比的推理芯片能力去推動技術的發展，推動應用的大規模的爆發。

智訊智庫：所以其實20年都沒變，推理芯片的先行者和推動者工程師。

陳寧：對。

智訊智庫：OK，最后一個問題，給今天的年輕人一句話，或者三個建議。

陳寧：給今天的年輕人，我認為這個年輕人其實就包含了2022年以后出生的孩子，都是今天的年輕人，就是AI的原住民，從3歲到十幾歲、二十幾歲的這批年輕人。我認為在未來的AI時代，包括我跟我的孩子也在講，最重要的其實就是三件事：健康的心態、健康的身體、持續學習的能力。掌握了這三件事，不管未來的科技、未來的社會、未來的世界怎么變，我們都可以是世界的引領者。

智訊智庫：好，感謝陳博。健康的身體、健康的心態，持續學習。

陳寧：嗯，好，謝謝。

*文章為受訪者獨立觀點，不代表智訊智庫立場。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4878134.html?f=wyxwapp