华中科技大学人工智能与自动化学院副院长谭毅华：低算力耗能、高智能大模型将成未来人工智能主流

来源：高校人工智能与大数据创新联盟

2025年6月11日，武汉高校人工智能学院院长座谈会在湖北人形机器人创新中心举行。华中科技大学人工智能与自动化学院副院长谭毅华表示，低算力耗能、高智能大模型将成未来人工智能主流。当前，人工智能的技术路径还在探索过程中，大模型依靠高算力耗能支撑，却仍与人脑差距较大，相信未来会有低算力耗能、高智能的大模型方案面世。对此，希望政府能大力支持高校围绕人工智能技术开展前瞻性科研。例如，设立种子基金，以耐心资本支持国家级人工智能平台，围绕前沿技术开展面向产业的技术攻关；开放特定领域数据，支持高校开展面向行业的算法研究；加强人才集团与高校人工智能学院实现全球人才信息共享，利用海外驿站，帮助高校对接海外优秀人才，抢先布局前沿技术。

分析认为，谭毅华强调“低算力耗能、高智能大模型是未来人工智能主流”，这一观点直指当前AI发展的核心矛盾与未来趋势，其背后的逻辑涉及技术瓶颈、产业需求、社会效益和科研战略等多个维度，主要原因如下：

一、破解当前大模型发展的核心困境

（一）算力成本不可持续

1.以千亿级参数为代表的大模型（如GPT系列）训练需消耗数百万美元级算力（数万张GPU、数月训练周期），推理阶段同样依赖昂贵的高性能硬件。

2.能源消耗惊人：单次大模型训练的碳排放相当于数十辆汽车终身排放量，违背全球“双碳”目标。

3.技术民主化受阻：高昂成本将AI研发垄断在少数科技巨头手中，高校、中小企业和发展中国家难以参与创新。

（二）硬件瓶颈日益凸显

1.摩尔定律放缓，芯片算力提升速度滞后于模型规模膨胀速度。

2.高端芯片(如英伟达H100)供需失衡且受地缘政治影响，国产替代仍需时间。

二、技术演进的内在需求：效率革命

（一）从“暴力 scaling”到“智能密度提升”

1.当前大模型的性能提升高度依赖参数规模和数据量(“大力出奇迹”)，但边际效益递减。

2.未来突破需转向算法创新：通过模型架构优化(如稀疏网络、混合专家MoE)、训练策略改进(课程学习、自监督增强)和知识压缩技术，实现单位算力下的智能水平跃升。

（二）轻量化技术的核心价值

1.模型压缩：量化(FP16→INT8/INT4)、剪枝(移除冗余参数)、蒸馏(大模型→小模型)等技术可大幅降低推理成本。

2.边缘智能崛起：工业控制、医疗设备、自动驾驶等场景需本地化部署，依赖低功耗、实时响应的轻量模型（如TinyML）。

三、产业落地的必然选择

（一）经济可行性驱动。企业拒绝“为AI而AI”：只有当AI部署成本显著低于人力成本或创造增量收益时，技术才具商业化价值。低算力模型是AI渗透传统行业（如农业、制造业）的前提。

（二）场景适配性需求。通用大模型在专业领域(如医疗诊断、工业质检)存在“过度杀鸡用牛刀”问题。垂直领域的高智能小模型（参数<10亿）通过领域知识注入和微调，可达到更高精度与更低延迟。

四、国家战略与科研自主的关键路径

（一）突破“卡脖子”约束。中国在高端AI芯片(如GPU)领域受制于海外，发展低算力需求技术可降低对进口硬件的依赖，利用国产中端芯片（如昇腾、寒武纪）实现自主可控。

（二）响应国家政策导向。“东数西算”工程要求优化算力布局与能效比；《新型数据中心发展三年行动计划》明确要求PUE（能源使用效率）≤1.3。低能耗AI符合国家新基建战略。

五、未来技术路线的科学预判

（一）“高效智能”将成为学术前沿。顶级会议(NeurIPS/ICML)近年最佳论文多聚焦高效学习(如稀疏训练、神经架构搜索NAS)，学界共识已从“追求规模”转向“优化效率”。

（二）生物启发的技术突破。人脑功耗仅20瓦，却具备远超当前AI的认知效率。研究类脑计算(脉冲神经网络SNN)和神经形态芯片，有望实现超低功耗的通用智能。

六、谭毅华观点的深层意义：重构AI发展范式（见下表）

传统范式

未来范式（谭毅华倡导）

算力无限扩张

智能-算力比最大化

中心化云端部署

云-边-端协同

通用大模型垄断

大模型+垂直小模型生态

依赖硬件工艺进步

算法-硬件协同设计

七、结语：技术民主化与可持续发展的必然

谭毅华的论断并非否定大模型价值，而是呼吁将“效率”提升至与“性能”同等重要的地位。其本质是推动AI从“实验室奢侈品”走向“社会普惠工具”：让高校和中小企业用得起AI：降低创新门槛，激发长尾创新；让地球承载得起AI：响应碳中和目标，避免技术发展透支环境成本；让中国跑得出AI新赛道：在效率优化领域建立全球技术领导力。因此，谭毅华强调“低算力耗能、高智能大模型是未来人工智能主流”，这一战略眼光既契合华中科大在嵌入式系统、边缘计算等领域的传统优势，也为中国在AI 2.0时代开辟差异化突破路径提供了关键思路。

全国高校人工智能与大数据创新联盟

全国高校人工智能与大数据创新联盟（简称:高校联盟）是由清华大学、浙江大学、中南大学、东北大学、上海工程技术大学、重庆邮电大学、东北林业大学、佛山科学技术学院、曲阜师范大学、黑龙江大学、海豚大数据科技等全国54家高校、企业共同发起，于2018年5月26日在北京中国科技会堂正式成立。迄今为止，联盟发展会员300多家, 覆盖全国20多个省市。联盟由一批积极投身于“人工智能、大数据、区块链”教育事业的高校、科研机构、企事业单位和个人自愿组成的公益性、全国性学术交流服务平台。中国工程院原常务副院长、中国工程院院士潘云鹤、中国科学院院士陈国良、中国工程院院士李伯虎担任联盟名誉理事长，中国工程院院士谭建荣担任联盟理事长。联盟工作接受工信部、国家网信办等政府部门行政管理和业务指导。联盟主要工作是推进产教融合、校企合作、协同育人。(加盟微信13651193492)

华算人工智能研究院

华算人工智能研究院全称是“山西省华算人工智能研究院有限公司”，是经山西转型综合改革示范区管理委员会批准，于2023年10月在太原成立的第一批专业研究人工智能、赋能数字经济产业发展的独立法人组织。华算人工智能研究院依托全国高校人工智能与大数据创新联盟专家委员会及理事会资源，按照山西省委省政府、山西转型综合改革示范区管理委员会发展人工智能、数字经济的系列文件精神和工作计划，将研究院打造成为山西省发展人工智能、数字经济的示范应用推广平台，同时面向全国开展人工智能业务。华算人工智能研究院名誉院长由中国工程院院士李伯虎担任。研究院内设AI产业学院共建中心、实训实习就业中心、实验室建设中心、专家智库等6个职能部门。欢迎加入华算人工智能研究院专家智库，共同赋能高校AI人才培养及产教融合事业发展。

高校区块链专委会

全国高校人工智能与大数据创新联盟区块链专委会（简称:高校区块链专委会），是由北京大学、浙江大学、武汉大学、西南财经大学、北京交通大学、郑州大学、贵州大学、桂林电子科技大学、山西农业大学、佛山科学技术学院、陕西师范大学、中国网安、海豚大数据科技等全国40多家高校、企业和机构共同发起，于2019年12月7日在广东省佛山市正式成立。目前发展高校及企业会员70多家。中国工程院院士、浙江大学教授陈纯担任高校区块链专委会名誉顾问；福州大学教授蔡维德、中国计算机学会区块链专委会主任斯雪明教授、中国人民银行数字货币研究所副所长狄刚担任高校区块链专委会名誉主任；北京大学信息科学技术学院区块链中心主任陈钟教授担任高校区块链专委会主任。高校区块链专委会主要工作是促进高校区块链教育，为高校区块链专业建设及学科发展提供专家咨询服务。

高校元宇宙专委会

全国高校人工智能与大数据创新联盟元宇宙专业委员会（简称:高校元宇宙专委会），是由清华大学、湖南大学、浙江大学、四川大学、汕头大学、河北金融学院、保定市元宇宙协会、英伟达中国、海尔衣联网研究院、海豚大数据科技(天津)有限公司等全国20多所高校、企业和机构共同发起，于2022年11月5日在北京正式成立。中国工程院院士、计算机软件与虚拟现实领域专家赵沁平担任高校元宇宙专委会名誉顾问；中国工程院院士、北京航空航天大学电气与自动化学院名誉院长、中国航天科工集团有限公司科技委高级顾问李伯虎担任高校元宇宙专委会名誉主任；清华大学信息国研中心可信软件和大数据部常务副主任邢春晓担任高校元宇宙专委会主任委员。目前已发展高校及企业会员30多家。高校元宇宙专委会主要工作是促进高校元宇宙教育、加强校企合作、推动元宇宙专业建设及学科发展，为元宇宙教育教学提供专家咨询服务。

高校数字经济专委会

全国高校人工智能与大数据创新联盟数字经济专业委员会（简称:高校数字经济专委会），是由华算人工智能研究院、清华大学、北京大学、中国人民大学、中国社会科学院信息化研究中心、四川大学、北京外国语大学、北京科技大学、北京工业大学、北京语言大学、北京化工大学、北京联合大学、北京物资学院、北京印刷学院、西藏民族大学、河北金融学院、重庆财经学院、苏州城市学院、北京中关村软件园、百度、海豚大数据科技等全国60多家高校、企业和机构共同发起，于2024年1月12日在北京正式成立。清华大学经济管理学院教授姜旭平、北京大学信息管理系教授赖茂生、中国社会科学院信息化研究中心主任姜奇平、中国科学院大学经济与管理学院教授吕本富担任高校数字经济专委会主任委员。高校数字经济专委会主要工作是促进高校数字经济专业建设及学科发展，推动产学研合作，为高校数字经济专业教育教学提供专家咨询服务。

联盟“资料图书馆”

微信咨询

说明：转载文章和图片均来自公开网络，推送文章除非无法确认，都会注明作者和来源，如有侵权请联系删除。

往期精彩文章（单击就可查看）：

. 办

. 》