AI产业要打“系统战”，大学能成为产业链“对齐”的连接者吗？

2026年世界人工智能大会期间，人工智能产业链如何从“各做各的”走向高效协同，成为一场产学研对话的核心问题。7月18日，上海交通大学携手徐汇区人民政府举办的“AI未来发展论坛：产学研深度融合”主题论坛上，来自能源、芯片、算力基础设施、大模型、应用和金融资本等环节的嘉宾围绕AI产业链衔接展开讨论。与会者形成一个共识：AI领域的竞争，正在从单点技术竞争升级为产业系统竞争。

这场对话由上海交通大学人工智能学院执行院长王延峰主持。参与讨论的嘉宾分别来自AI产业链不同位置：宁德时代储能首席技术官兼储能技术中心主任吴殿峰代表底层能源供给，壁仞科技战略委员会主席李新荣代表算力芯片层，上海交大人工智能学院副教授、无问芯穹联合创始人兼首席科学家戴国浩代表基础设施层，阶跃星辰创始人兼首席执行官姜大昕代表大模型层，上海交大人工智能学院副院长、观壹智能联合创始人张娅代表应用落地层，中国农业银行总行投资银行部高级专家陈为未代表资本金融层。

AI卡点藏在“电、芯片、算力和钱”里

大模型需要算力，算力依赖芯片和基础设施，数据中心又带来能源需求；应用能否产生真实价值，决定模型和算力投入能否形成闭环；资本则贯穿其间，影响长周期研发和产业化速度。王延峰在开场时说，这场讨论更关注能源、芯片、基础设施、模型、应用和资本之间如何形成闭环。

能源首先成为AI成本结构中的变量。吴殿峰认为，未来Token可能会像水、电、气一样成为重要资源，而支撑AI运行的能源体系相当于“超级大脑”的身体。AI训练负荷不同于传统电力负荷，波动更快，对电网稳定性、供电响应和散热提出新要求。他提到，宁德时代正在研究用多时间尺度电池解耦供电侧和AI负荷侧的波动。换句话说，AI时代的能源问题不只是“电够不够”，还包括电力系统能否跟上毫秒、微秒级的算力负荷变化。

芯片层的瓶颈来自先进工艺、封装、互联、能效和软件生态的共同约束。李新荣认为，国产AI芯片未来突破不能只靠单点架构创新，计算核、存储、互联、先进封装、能效散热和软件解决方案缺一不可。他特别提到，互联技术正在把算力峰值从单芯片端推向系统端，而能效和散热会影响数据中心长期运行成本。围绕数据中心建设，他提出，不能只以最高算力作为评价标准，长期运行中更应关注能效比、单位成本性能和Token生成效率。

基础设施层面对的是另一种错配——供给增长往往是线性的，而模型和应用需求可能呈指数增长。戴国浩表示，智算基础设施真正难的不是“建起来”，而是“用起来”“跑起来”“算得值”。在多元异构算力环境下，基础设施需要通过软硬件协同扩大可用规模、优化效率。他提到，无问芯穹近期已在两个机房内把算力拼接起来开展异构推理相关工作。对这一层而言，如何把分散算力组织起来，将成为未来一两年的关键问题。

大模型企业看到的首要瓶颈仍是算力。姜大昕认为，中国大模型行业不缺创新想法，无论模型架构、推理优化还是多模态方向，都有大量探索，但算力差距会影响训练速度和创新加速度。他表示，目前国产芯片在推理方面已有较好进展，训练方面仍面临挑战。与此同时，他也提醒，不能把某一个能力指标等同于通用人工智能的到来。以编程能力为例，它是模型发展的重要里程碑，但模型还需要向长程推理、复杂任务推进、自我进化和科学智能等方向继续发展。

应用层的挑战在于，技术能力强并不等于能顺利进入行业现场。张娅认为，大模型落地到行业应用后，问题会从单目标优化变成多目标优化。以医疗场景为例，如果一次推理需要十几分钟，就难以直接进入门诊流程。应用落地必须同时考虑技术成熟度、部署代价、使用场景、商业模式和行业接受度。她还提出，AI并不只适合数据充沛的领域，一些数据稀缺但需求迫切的场景，比如罕见病诊断，也可能是AI向善的重要切入点。

资本金融层视角下，陈为未提到，金融支持人工智能面临“看不懂”和“不敢投”两类难题。模型层和应用层技术路线迭代太快，传统估值模型难以适配；芯片和基础设施则具有长周期、重资产和高不确定性的特点。她进一步归纳为科研周期和资本周期错配、学术评价和商业评价错配，及技术语言和产业语言错配。她认为，金融机构不应只做资金提供者，还应成为生态中枢，通过项目路演、投融资活动和资源连接，把技术语言转化为产业和资本能理解的商业语言。

AI时代要把学生带到产业现场

AI时代，高校应处在什么位置，成为这场对话的另一条主线。戴国浩认为，大学的第一性任务仍是培养人。无论参与算力平台建设、成果转化还是产业合作，最终都应服务于学生成长。张娅则认为，AI时代对高校人才培养提出了更高要求，学生不能只会解标准答案，而要能进入真实产业场景，处理多目标约束下的问题。她提到，上海交大人工智能学院从成立起就强调培养复合型人才，并通过与企业共建联合实验室、探索共同课程等方式，让学生更早接触产业一线。

企业对高校的期待，也不再只是论文、专利或毕业生。姜大昕认为，企业希望与高校在前沿创新、联合攻关和人才培养上合作，高校有更长期的问题思考，企业则可以开放场景、算力和数据。李新荣将校企合作概括为面向人才培养的“人才预训练”，及面向垂直场景的联合实验室。吴殿峰则指出，高校技术走向企业产品和商品之间仍有断点，需要建立从规律发现、数学模型、控制优化到技术、产品、商品的协作机制。

AI时代，高校不只是基础研究和人才培养的源头，也可能成为连接产业链各环节的“公共接口”。它既能提出长期问题，也能把教授、学生、企业、资本、政府和真实场景组织起来。王延峰说，AI时代的大学不能只站在产业链外部提供论文和人才，也不能简单把成果推向市场，更应营造学术生态与产业生态良性互动的环境，把科学创新、人才培养和产业创新组织到一起。

原标题：《AI产业要打“系统战”，大学能成为产业链“对齐”的连接者吗？》