吴军×陈宁巅峰对话：寻找 AI 芯片下一个浪潮

9月6日下午，以“智汇全球·绿创未来”为主题的全球创新峰会（深圳）在深圳市南山区举办。

云天励飞董事长兼CEO陈宁博士受邀出席，并与硅谷知名计算机科学家、《浪潮之巅》作者吴军博士展开创新巅峰对话。

吴军博士与陈宁博士围绕人工智能产业发展路径、技术突破与全球竞争格局展开深度交流。

吴军博士首先探讨了人工智能在平台、算力与应用三大层面的发展现状及存在的瓶颈。

陈宁博士则从技术要素角度进行分析，指出中国在应用落地、系统集成以及部分数据资源方面已形成独特优势，尤其是大湾区在智能硬件与 AI 融合领域展现出明显的竞争力。

陈宁博士强调，当前人工智能正从“训练时代”迈向“推理时代”，低功耗、高能效的推理芯片需求正快速崛起，推动终端应用普及。

双方均认为，不能简单以单一技术指标衡量发展差距，而应结合具体应用场景、商业化成熟度及生态完善度进行综合判断，同时强调大规模应用推广和全球化市场布局对未来发展至关重要。

在观众互动环节，现场提问围绕国内外技术对标、发展差距评估等现实问题展开。

陈宁博士回应指出，行业对比需全面考虑技术性能、软件生态、应用适配等多维因素，不能简单以个别企业或产品作为对标对象；在差距评估方面，应区分技术迭代周期与应用落地阶段，理性看待动态发展中的相对位置。

双方均表示，中国在应用推广和市场渗透方面进展显著，未来有望通过AI规模化应用带动技术升级，并通过全球化合作提升产业国际竞争力。

以下为对话详细内容，在不改变原意的基础上进行编辑

吴军：陈总是直接从事人工智能产业的专家，所以刚才想向您请教。如果简单地把AI产业划分为平台、算力和应用三个层面，您觉得目前在国内，哪些方面发展得比较好，哪些方面还相对薄弱？或者说，哪些领域还有更多机会吸引人才和企业加入？

陈宁：很高兴能与吴博士交流。美国多年前曾发布了一份报告，指出人工智能的几个核心要素——芯片、算法、人才、数据、应用、系统集成，中国的优势在于后三者。

有分析师认为，人才是流动的，算法是一套数学模型，可以通过交流快速追赶和获取。唯独芯片，它具备一定的垄断属性。从英伟达的芯片销售，到光刻机设备的制造、工艺和材料，整个链条都在对中国的高性能芯片产业进行投资、人才和服务上的限制，试图延缓中国在这一领域的追赶。

在这样的大背景下，我个人有几个观点。

应用系统：中国肯定是全球领先的。

数据：中国有差异化的优势，尤其是在中文语料和物联网的传感数据上。但在互联网的人类知识数据方面，过去六年我们是有劣势的。不过，最近几年我们在快速追赶。可以说，在算法层面，到今年年初，我们与国际先进水平的差距已经缩小到12个月以内。在应用层面，中国也有自己独特的优势。

商业模式：但在中国，像SaaS（软件即服务）或面向中小企业的AI服务收费模式，似乎发展得并不顺利。在美国，OpenAI以及许多SaaS公司，包括Cursor，都能成功收费。但在中国，无论是做基础大模型的公司，还是做AI Agent的应用公司，都很难实现商业闭环。所以，在应用层面，中美各有差异。

另外，在中国，AI与智能硬件的结合是一个巨大的机会，尤其是在粤港澳大湾区。粤港澳大湾区全球创新指数跃居全球第一，靠的就是机电一体化的优势。大湾区几乎是全球唯一一个能够把智能硬件与AI结合得最好的区域。因此，中国的应用机会可能更多地体现在“AI+智能硬件”的结合上。而最大的挑战，我认为就是芯片。

吴军：我先补充一点，然后再问您关于芯片的问题。其实大家今天了解比较多的美国企业是OpenAI，但它本身也未必能完全收回成本，基本上不怎么赚钱。真正能赚大钱的是像Databricks这样的公司，一上市就获得了几十亿美元的估值。它的利润也很高，因为它解决了企业级数据处理的痛点。

而且，美国是企业家在主导，他们非常懂得如何为价值付费。比如，一个企业级软件的座位，每年可能收费150美元，这在美国是普遍现象。所以，像Oracle等公司都做得很好。中国非常遗憾的是，所有这些独立的软件公司加起来的总和，可能还不如美国一家公司。这是一个很遗憾的事。

讲到芯片，当然现在基本上已经没人再提英特尔了，因为它技术路线走错了，基本退出了这个竞争。暂时我不觉得它能回来，主要是因为它太通用了，刷新效果不好。现在大家挑战英伟达的方向，是去做更加专用的芯片。再做一个“英伟达”已经没有意义了。未来的竞争会集中在更专用的方向。你越专用，应用场景可能小一些，但考虑到人工智能任何一个垂直领域打开，其市场潜力都很大。比如云天励飞，就是在差异化方面做得很好。如果我们选取2到3个最明显的特征，比如以单位能耗提供的算力来衡量，国产芯片有哪些特点和优势？

陈宁：我想在回答这个“微观”问题之前，先谈谈今年的一个宏观层面的机遇。

2025年很多人都提到要“All in AI”，这意味着什么？就是人工智能正在从2012年揭开的这波浪潮，无论是小模型还是大模型，经历了一个叫做“AI训练”的时代。无论是当时的显卡，还是2016年之后的GPGPU，大模型的训练，其实都是在用GPU把人类的知识“喂养”给CNN小模型或Transformer大模型，让它们学会人类的知识。这使得大语言模型在语言知识上，甚至在视觉理解能力上，都出现了“涌现”现象。

但现在，发生了一个根本性的变化，就是AI应用的爆发。相信今年上半年，在座的各位对AI感兴趣的人，都能感受到身边最大的变化：每个人的手机上都多了一两个大模型APP。大家有什么问题都习惯性地去问问“豆包”、问问“文心一言”。搜索，不再只是用搜索引擎了。这是全球一个巨大的变化，说明人们从思想理念上已经开始拥抱AI，每天都在潜移默化地接受AI。

AI应用需要的，不完全是A100、H100系列的GPGPU，不再是几万美金一张的训练显卡，也不再是动辄十万张卡互联、数千亿美元的投资。AI应用需要的是“端、边、云”无处不在的AI推理能力——在眼镜里、在智能手机里、在苹果的A系列NPU里。我们身边的扫地机器人、汽车，甚至未来所有房间里的路由器，都会集成一个AI芯片。这将像电网和通信网络一样，形成一张无处不在的AI推理算力网络。

就像我们云天励飞，2014年时，我和团队从硅谷回到深圳，创立了中国最早一批专注AI芯片的公司之一。我们从最早的终端芯片，到边缘芯片，再到今天的云端大算力推理芯片，以及未来的机器人的推理芯片，完成了这样的布局。

为什么说未来五年是GPNPU（通用神经网络处理器）技术路线主导的AI推理芯片的时代？我们甚至认为，五年之后，AI推理芯片的全球需求量将超越训练芯片，成为用量更大的芯片，因为它无处不在。

AI推理芯片对于消费者、企业，乃至头部互联网大厂，都提供了更高性价比的PPA（Performance per Power per Area，单位功耗和面积的性能）。生产一个token，其背后的硬件成本和电费成本可以大幅降低，甚至只有训练时代的十分之一、百分之一。只有这样，才能让AIGC大模型、智能机器人等颠覆性技术真正无处不在。每一次工业革命——无论是电力革命、蒸汽机，还是信息化、智能手机——都是因为大幅降低了硬件成本、提高了效率，才让技术普及开来。

吴军：我们把它分成几个层级，最简单的是终端。边缘计算其实已经提了很多年，但真正落地的并不多，这涉及到很多方面，比如移动通信的机房。然后是云端的数据中心。不同层级对计算的要求不同，最终使用的芯片也不同。

大家都很感兴趣的一个话题是无人驾驶汽车。在您看来，假设一辆无人驾驶汽车有一个主要的处理器，它大概需要什么样的计算能力？比如，它的算力能达到H100的水平吗？在H100的价格以内，能做到什么程度，用户才能接受？

陈宁：对于无人驾驶来说，它其实可以作为边缘计算的一个典型场景，甚至已经演变成一个独立的赛道。目前，无人驾驶所需的边缘计算芯片，单芯片算力已经达到了几百TOPS的量级，价格在几百到上千美元之间，这是可以接受的。当然，目前中国电动车产业竞争非常激烈，一台车的利润可能也就一千多，所以成本控制压力很大。

但还有一个非常有意思的边缘场景：我们去年开始配合、今年年初立项的一个项目，是与中国头部、全球领先的硬件大厂合作。我们正在与头部硬件伙伴基于64TOPS自研芯片推进家庭计算主机产品。未来，当你回到家，说一句“帮我找找过去三年我带儿子钓鱼的照片”，它就能从你沉淀的几十万张照片中立刻检索出来，并推送到你的手机。你再说一句“帮我编辑个视频”，它就能自动完成，而且完全解决了个人隐私和数据安全的问题。未来的扫地机器人、家用电器都将连接到这个家庭计算主机，这其实就是典型的边缘计算。

吴军：我们现在芯片的发展，也涉及到中美之间的博弈。但全世界不只是这两个国家。比如，假设欧洲也需要大量的AI芯片。你觉得国产芯片，除了满足国内市场，未来向欧洲、日本等市场推广的前景如何？我们刚才讲了出海是“大西瓜”，我们要站得高一点，看得远一点，不要只盯着中国市场。您能给大家展示一下这个前景吗？

陈宁：我觉得这个问题可以从几个维度来看：

1. 当前挑战：对中国国产芯片来说，最大的挑战其实不是硬件本身，尽管工艺受限。最大的挑战是生态。

2. 全球竞争：中国作为全球数一数二的人工智能国家，未来5到10年，中美竞争的焦点，将不再是谁能训练出最聪明的大模型，而是全球有多少国家、多少人口在使用中国的模型和算力，还是美国的模型和算力。这涉及到“主权模型”和“主权算力”的问题。

3. 文明维度：再往大了说，到2030年之前，中国能否解决自己的芯片技术攻关问题，甚至实现芯片的全球化市场布局，这将决定中国有没有机会借助第四次工业革命的拐点，让中华文明再次崛起。我个人有个观点：过去几千年，中国靠四大发明在全球科技上相对领先。但三四百年前，第一台蒸汽机在英国出现，改变了历史。欧美凭借蒸汽机、电力、计算机这三次工业革命，引领了全球科技和文明的发展。第四次工业革命，有可能让这两条发展曲线再次交叉。而交叉的核心，恰恰在于算力芯片。如果我们能在这一要素上实现自主可控并形成生态，不仅能托举起中国的AI产业，更可能在全球范围内输出“中国标准”和“中国算力”，进而赢得这场关乎未来百年的文明竞争。