作者丨Assassin
编辑丨刘欢
2025年堪称人类科技史的“AI黄金时刻”。
英伟达Blackwell芯片实现30倍性能跃升，OpenAI发布Sora重塑视频生成，谷歌Gemini Live实现实时多模态交互，全球AI创新浪潮持续高涨。从DeepSeek引爆全球，到阿里通义千问快速迭代、字节豆包月活突破1.72亿，中国在模型、算力与应用场景方面全面发力，硬件、生态与应用迎来爆发式增长。
中美引领的这场AI竞赛，正呈现出“你方唱罢我登场”的格局。
技术飞跃带来效率革命的同时，也引发关于伦理与风险的深层思考。在2025GIS全球创新展暨全球创新领袖峰会上，AI教父杰弗里·辛顿与云天励飞董事长兼CEO陈宁展开深度对话，探讨AI发展路径、产业趋势与未来挑战。
杰弗里·辛顿：AI发展需跨学科融合与前瞻性治理
- 学科交叉是破解复杂问题的关键，神经网络的发展印证了跨领域融合的价值。
- 数据规模决定算法成败，小数据时代SVM占优，大数据时代神经网络终将胜出。
- 数字与模拟芯片集成、类器官生物计算虽具潜力，但仍处早期阶段，实现人脑级计算仍需长期探索。
- AI生态应平衡基础研发与应用落地：仅做研究易流于空谈，只追应用则透支未来竞争力。真正有影响力的AI生态，必须实现“基础理论+专用算力+大规模场景”的协同强化。
- 人工智能风险防控应与技术研发同步推进，预见性治理远比事后补救更有效。
陈宁：推动AI普惠，构建高效低成本推理体系
- AI for Good应包含双重内涵：AI向善与AI普惠。不仅要智能，更要高效、低成本，惠及大众。
- 中国正加速挖掘AI应用场景，预计到2027年AI应用与智能体普及率将超70%，2030年突破90%。
- 云天励飞坚持“推理优先架构”，已研发五代NPU，下一代将推出GPNPU，致力于提供更具成本效益的AI芯片方案。
- GPU为图形渲染设计，并非专为AI优化；而NPU/TPU专为向量、矩阵运算打造，在推理任务中效率更高，功耗与成本优势显著，未来有望提升10倍以上性能。
- 随着AI应用爆发，推理芯片需求将远超训练芯片。预计到2030年，推理芯片将占据AI芯片市场约80%份额。
- 未来五年，AI将重新定义所有数字应用与硬件设备，AI处理芯片将广泛嵌入眼镜、耳机、手机、家电及企业终端，成为像水电燃气一样的基础设施。
- 云天励飞已向国际电信联盟（ITU）提议建立全球推理计算网络标准，推动AI能力互联互通，助力医疗、教育等民生领域实现“AI for All”。
对话实录：基础研发与应用落地需协同发展
吴军：您本科并非计算机专业，为何最终投身AI研究？
辛顿：我学习的是心理学、生理学和哲学，初衷是理解大脑如何学习。后来接触人工智能与神经科学，发现跨学科知识对解决复杂问题至关重要。统计物理学等领域的知识也极大启发了我的研究思路。
吴军：在AI寒冬期，是什么让您坚持神经网络的研究方向？
辛顿：我的核心目标始终是理解大脑的学习机制。早期神经网络在小数据上表现不如SVM，但随着数据量激增，其潜力迅速显现。事实证明，海量数据才是神经网络成功的关键。
陈宁：当前大模型训练成本高昂，如何降低AI门槛？
我们创立云天励飞的使命就是设计更高效的AI芯片。相比GPU，NPU专为AI推理优化，能显著降低能耗与成本。未来衡量AI价值的重要指标应是“每美元每瓦特的推理能力”。只有降低成本，AI才能在农业、医疗、教育等领域广泛普及。
目前主流仍依赖GPU，但其本质为图形处理设计。而NPU、TPU天生适配AI计算，具备更高效率。量化对比显示，NPU在推理任务中具备至少10倍以上的优化空间。
辛顿：长三角重视基础研发，大湾区聚焦应用创新。两者缺一不可。若只重研究不落地，成果难以转化；若只追短期应用，将削弱长期竞争力。真正强大的AI生态，必须实现“基础理论+专用算力+大规模场景”的闭环联动。
陈宁：未来AI芯片市场结构将如何演变？
当前AI仍集中于模型训练，但Agent与推理应用正在兴起。支撑这些应用需要更多推理基础设施。预计未来推理芯片市场规模将超越训练芯片，到2030年占比可达80%。
AI将深度融入消费电子与企业设备，成为无处不在的通用服务。我们已向ITU建议制定全球推理计算网络标准，推动AI红利全球共享。
陈宁：如果回到2012年，知道今天的AI进展与风险，您还会发表AlexNet论文吗？
辛顿：这个问题很难回答。我认为技术演进不可避免。即便重来一次，我可能仍会发表。但若有机会，我会更早关注AI带来的潜在风险，推动前瞻性治理。