在大模型步入深水區(qū)的當下，AI的下一個臨界點究竟在哪里？在2025 GIS全球創(chuàng)新峰會現(xiàn)場，深度學習奠基人、“AI教父”杰弗里·辛頓（Geoffrey Hinton）與云天勵飛董事長兼CEO陳寧，圍繞算力效率、AI向善與普惠未來展開了一場高密度對話。

活動現(xiàn)場（陳霞昌 攝）

一位代表全球人工智能基礎理論的最前沿，一位深耕專用算力與產(chǎn)業(yè)落地，卻在關鍵方向上形成高度共識：AI的未來，不再只是“更聰明”的競賽，而是“更高效、更安全、更普惠”的系統(tǒng)性競爭。

AI瓶頸正從“算法”轉(zhuǎn)向“算力效率”

在算力成本急劇攀升的今天，AI的真正瓶頸在哪里？

辛頓認為，現(xiàn)有計算體系在能耗和效率上面臨越來越大的壓力，未來需要在新的計算形態(tài)上進行更多探索。他提到，模擬計算、類腦芯片以及基于類器官的計算等方向，在理論上有望在功耗和通信能力上展現(xiàn)出明顯優(yōu)勢。不過，他也明確表示，目前基于腦細胞類器官的計算研究仍處于非常早期的階段，還不足以承擔大規(guī)模AI負載，這條路仍然需要時間和長期投入來驗證。

陳寧則從工程一線給出呼應。他指出，GPU在深度學習早期扮演了重要角色，但本質(zhì)仍是通用計算架構，并非為神經(jīng)網(wǎng)絡量身定制。

“進入大模型和智能體時代，我們要回答的問題不再是‘能不能訓出來’，而是‘在多大能耗和成本下，讓多少人用得起’?！?/p>

圍繞這一判斷，云天勵飛以NPU為核心，將推出GPNPU架構，走“推理優(yōu)先架構”路線，在矩陣/向量單元、存儲層級和帶寬利用上深度優(yōu)化，目標是將100萬個token的生成成本，從約1美元壓到1美分，實現(xiàn)百倍級效率提升。

在這一點上，辛頓從新型計算范式的角度強調(diào)能效約束，陳寧從專用芯片與架構創(chuàng)新的角度回應同一問題，形成了對“算力效率將成為下一階段關鍵瓶頸”的共同判斷。

AI向善，既要可控也要可負擔

談到AI的長遠影響，辛頓明確表示，如果可以回到2012年，他仍會推動相關研究，但會更早、更大聲地提醒世界：AI風險是真實且需要前置應對的。

在他看來，“更強的AI”與“更安全的AI”不是兩條彼此對立的路線，而是必須同步推進的雙軌工程——一方面持續(xù)推動算法與能力上限，另一方面盡快建立清晰的安全邊界、技術治理機制和社會共識。

陳寧則從“誰真正受益”的角度，為“AI向善”加上了另一半定義。

他指出，如果AI只停留在少數(shù)科技巨頭的數(shù)據(jù)中心，只服務少部分機構和高凈值人群，再完美的技術也難言“向善”。真正有意義的AI，必須讓更多人用得起、用得上——當 AI 的使用成本被拉低到接近水電氣這種基礎設施的水平時，偏遠地區(qū)的學生、基層醫(yī)院和中小企業(yè)才有可能在教育、醫(yī)療、農(nóng)業(yè)與生產(chǎn)中真正獲得增益。

在這一點上，辛頓關注“風險可控”，陳寧強調(diào)“成本可負擔”，兩條路徑指向同一底線：AI 向善，不只是“不作惡”，更要“有益且可及”。

下一場競爭，是“誰能讓更多人用得起AI”

而當討論話題轉(zhuǎn)向全球競爭格局，兩人不約而同地把“普惠能力”視作下一階段競爭的核心指標。

辛頓結(jié)合對長三角和粵港澳大灣區(qū)的觀察指出，前者在算法與軟件開發(fā)方面優(yōu)勢明顯，后者在硬件制造與應用落地上更具活力。如果只做基礎研究、不落地應用，會變成新的“象牙塔”；如果只追逐短期應用、不推動底層架構與理念演進，則會透支未來競爭力。真正具備全球影響力的AI 生態(tài)，必然是“基礎理論 + 專用算力 + 大規(guī)模場景”相互強化的結(jié)果。

陳寧則給出了更具體的產(chǎn)業(yè)刻畫：他判斷，到2030年，全球AI芯片產(chǎn)業(yè)規(guī)模有望達到約5萬億美元，其中訓練芯片約占1萬億美元，而面向終端與行業(yè)側(cè)的推理/處理芯片有望達到4萬億美元，占比約80%。隨著智能體能力持續(xù)下沉，AI處理芯片將被廣泛嵌入眼鏡、耳機、手機、筆記本、家電以及各類企業(yè)設備之中，“像水、電、燃氣一樣，無處不在、按需取用”。

為了讓這張“算力底座”真正服務全球，陳寧介紹，云天勵飛已向國際相關機構提出建議，希望推動建立統(tǒng)一的AI處理芯片與推理網(wǎng)絡標準，讓不同國家和地區(qū)都能在同一張互聯(lián)互通的推理網(wǎng)絡上共享能力，尤其在醫(yī)療與教育等關乎民生的領域真正實現(xiàn)“AI for All”。

從“更聰明”到“更高效”，從“能不能做到”到“能不能讓更多人用得起、用得好”，這場對話讓外界看到了基礎理論與產(chǎn)業(yè)實踐在關鍵方向上的高度同頻：AI 的關鍵瓶頸正在轉(zhuǎn)向算力效率；AI 的價值，需要在安全與普惠之間找到平衡；下一階段的主戰(zhàn)場，是誰能把AI變成像水電氣一樣的基礎能力。