作者 | 杨依婷 赵之齐 刘伊伦

编辑 | 包永刚

上午场深刻分享的余韵尚未散尽，GAIR 2025「AI算力新十年」下昼场便接续开启，思辨与洞察仍在回响，关于中国智算体系将来走向的更宏大年夜命题，已在会场表里激起新的波澜和等待。

本次大年夜会由GAIR研究院与雷峰网("大众,"号：雷峰网)合营举办，于深圳·博林天瑞喜来登酒店隆重召开。作为粤港澳大年夜湾区的AI标杆嘉会，GAIR 自创办以来始终致力于连接技巧前沿与家当实践，推动人工智能生态的交换、融合与成长。

下昼的论坛以【谁将定义中国智算将来】为主题，存眷的核心，从“实现0到1的冲破”，转向“完成1到N的体系化构建和价值闭环”，算力不再只以内核、生态或架构的单点立异为中间，而是迈向以体系运营、模式立异与价值闭环为核心的全栈竞争。

在这一主题之下，下昼的八位嘉宾从学术研究、家当实践、基本举措措施运营到算力办事模式立异等多个维度展开了密集而深刻的分享。

他们评论辩论的议题不再局限于单个技巧路线或单项产品冲破，而是聚焦于一个更宏大年夜的命题：谁能构建将来智算的标准、模式与底座，谁就将鄙人一代智能化竞争中拥有真正的主导权。

清华大年夜学（深圳）国际研究生院副传授王智：破解工业大年夜模型“数据、成本、算力”三难，以“训推协同”新范式驱动智能制造

下昼论坛的首位嘉宾是清华大年夜学深圳国际研究生院的王智副传授，他从事分布式机械进修、智能多媒体收集、工业大年夜模型与工业具身等偏向的研究，带来了题为《工业机理x大年夜模型：行业大年夜模型的体系束缚和可控推理的研究进展》的主题演讲。

王智开篇指出，工业大年夜模型是智能制造成长的关键路径。他阐述了当前面对的三大年夜挑衅：难以描述工业场景和流程、难以在算力受限情况练习安排、难以知足工业规范和动态义务，并由此提出须要建立工业机理束缚的训推协同范式。

为了回应这些挑衅，王智团队将技巧体系概括为“四条主线的协同”——工业跨场景数据生成与融合，工业机理束缚感知的大年夜模型设计、算网结合感知的分布式练习、数据模型结合优化的义务自适应。

徐永昌则将本年算力成长分为两个阶段：上半年以DeepSeek-R1开源为标记，中文数据优势与高质量数据集构建成为国产大年夜模型追平国际程度的核心；下半年垂类模型与Agent应用爆发，华西第二病院经由过程构建专科大夫高质量数据集，练习的AI分身使医诞辰接诊量从10人晋升至30人。

若何破解“数据难”？ 团队对准工业数据成本高、机理信息缺掉的痛点，提出虚实融合的智能数据制备路径。不仅经由过程高效3D重建与紧缩技巧构建物理靠得住的数字场景，更应用大年夜模型生成和编辑构造化工业场景。IGen框架仅笔据张实际照片，就能在仿真中主动生成上千条机械人操作演示数据，将无人工示教（遥操）的模型成功率从0%晋升至75%，为范围化获取工业具身数据开辟了新范式。

若何让大年夜模型“懂行规、控成本”？ 在模型设计层面，团队重点注入工业范畴的机理与成本束缚。他们提出了成本感知的大年夜模型义务筹划框架，让大年夜模型在调用对象链时能主动衡量机能与耗时、显存等成本，剔除冗余步调。同时，面向工业及时决定计划需求，团队设计了机理感知的调剂框架（Trailblazer），经由过程大年夜小模型协同的路由机制，让大年夜模型“该出手时再出手”。

如安在“弱算力、弱收集”下练习大年夜模型？ 针对工业边沿情况算力分散、收集前提差的实际，团队深刻分布式练习底层优化。他们提出了可理论分析梯度紧缩与延迟聚合影响的虚拟队列框架，以及面向非自力同分布数据的高效稀少紧缩器，确保在受限资本下练习仍能高效收敛。

若何让练习好的模型“跑得快、用得稳”？ 他们发明，模型构造剪枝与输入信息过滤是耦合的，是以提出多维度结合轻量化办法（PRANCE），实现动态协同优化。针对具身智能中关键的视觉-说话-动作模型，团队立异性地进行 “时空结合紧缩” ，并针对扩散策略模型设计了块级自适应缓存与及时剪枝技巧，让“大年夜脑”的思虑能跟上“四肢举动”的动作。

欧洲科学院院士、IEEE Fellow刘朝阳：企业AI才能的将来，由数字化底座决定

欧洲科学院院士、美的首席信息安然官兼软件工程院院长、IEEE Fellow刘朝阳，在大年夜会上带来题为《中立云：赋能AI与AI赋能的多云同一数字化底座》的主题演讲，分享了美的在企业级数字化与AI实践中的真实路径。

作为横跨学术与家当的复合型专家，刘朝阳如今也深耕企业数字化转型一线。即便身处全球最大年夜的家电企业、世界500强企业之一，他却并不认为“范围”和“技巧贮备”等同于“AI才能”。

“如今大年夜家都在谈AI，但很多企业并没有真正获得营业价值，根来源基本因不是AI不可，而是数字化根本功没打好。”在演讲一开端，他便给AI高潮泼了一盆冷水，“假如把数字化比作一栋楼，数字化底座就是地基，地基决定了你这栋楼能盖多高。”

“大年夜的故障，根本都是架构和体系的问题”，他尤其强调了架构问题带来的体系性风险。在很多企业的数据中间里，营业体系之间无法有效隔离，“一个体系被攻破，可能就是全军覆没。”

赵鸿冰提出三个关键维度：可用、好用、降本。即用户须要算力时，平台能供给可运行且知足营业请求的算力，同时要包管高效应用，并具有优胜的性价比。

而公有云看似先辈，却又带来了另一组难题：多云几乎是大年夜型企业的必定选择，美的今朝应用的云跨越8朵，但彼此之间互不兼容，且迁徙难、联动难，最终形成云孤岛、数据孤岛。”在业内，跨云迁徙半年起步已是常态。

恰是如许的背景下，刘朝阳带领美的选择了一条“自建云才能”的路径。他介绍，美的构建了一整套云计算才能，从IaaS到PaaS，从AI算力平台到DevOps、安然体系，既能安排在自稀有据中间，也能安排在公有云之上，且不合平台之间的应用迁徙不须要做任何营业改革。

在AI层面，这套底座直接决定了算力效力和成本。“假如没有AI算力平台，GPU应用率可能只有10%；有了之后，至少能晋升4到5倍。”并且，在模型应用上，美的经由过程同一的AI网关，实现了多模型接入、权限控制、审计和计费，让AI才能真正嵌入营业体系，而非逗留在实验阶段。

并行科技副总裁，AI云联开创人赵鸿冰：算力办事的关键是成为用户的“专属车手”，让每一分算力都产生价值

北京并行科技副总裁、AI云事业部总经理赵鸿冰带来了题为《基于用户视角的算力办事及算网办事》的演讲，从算力办事供给商的角度，阐释了若何让算力从“资本”转化为真正驱动营业的“临盆力”。

申报开篇，赵鸿冰指出，并行科技研发了“ParaSelect”机能猜测与智能选型体系，可基于应用运行特点分析，为用户推荐机能最佳或性价比最高的算力平台。

为此，赵鸿冰分享了多个优化案例，例如经由过程深度优化将某客户1300亿参数大年夜模型练习的GPU应用率从75%晋升至95%，整体效力晋升40%，明显降低练习成本与时光。在国产算力支撑方面，并行科技也积极投入，例如在昇腾910平台上经由过程适配优化，使Llama2-7B练习机能达到A800的92.8%，性价比达1.23倍，展示出国产算力在大年夜模型场景下的可行性与竞争力。

若何从用户的需求视角来思虑算力办事运营的思路？

赵鸿冰经由过程几个形象的比方，清楚梳理了当前算力市场的不合业态。他将算力租赁比作“经久包车”，用户租用算力后自行安排应用方法；算力办事则如“专车”，按用户具体需求供给定制化办事；算力运营则类似于“多车型调剂平台”，可灵活调配各类算力资本；而算力收集则是更上层的“全国调剂平台”，将多个运营平台整合为一张同一的算力收集，实现跨平台、跨区域的资本协同与智能调剂。

为实现这一目标，并行科技构建了“厂网结合”的运营模式，不仅依托自建的宏大年夜算力集群，还接入了全国47个智算中间与15个超算中间，总计治理超200万CPU核心与5万GPU卡，形成宏大年夜的资本池。

演讲最后，赵鸿冰引用《中国算力成长指数白皮书》的数据强调了算力的经济价值：“在算力中每投入1元，可带动3-4元的经济产出。”他断言：“毋庸置疑，AI将是推动接下来10年成长的核心驱动力，而算力是基石之一。”

清程极智结合开创人、产品副总裁师天麾：MaaS爆发背后，还需弥补供需端信息差

与追问某个特定定义者比拟，论坛更重要的供献在于厘清了“定义权”所依附的基本要件与生成逻辑。

随后，清程极智结合开创人、产品副总裁师天麾，在大年夜会上带来了题为《智能算力的适配、优化和办事》的主题演讲。

在演讲开篇，师天麾便直指当前算力市排场临的一个共性瓶颈：为什么算力买下来后，却不好用？

下昼4时，“若何从‘算力基建’到‘价值闭环’？”圆桌论坛在三丰投资开创合股人李东东主持下开启。李东东携清程极智结合开创人师天麾、朗擎数科CIO徐永昌，从投资视角与一线实践出发，环绕算力家当成长阶段、价值瓶颈及冲破路径深度研究，碰撞家当核心洞见。

“固然大年夜家买的是硬件，但真正用的其实是软件”，这是他在与客户交换中反复强调的一句话。在他看来，决定算力可否真正释放价值的关键，在于横亘于芯片与应用之间的那层软件，尤其在推理算力爆发的如今，推理引擎尤为重要。它不仅决定模型能不克不及跑，更决定可否跑得稳、跑得值。

推理引擎并非一个可以随便马虎“拼装”的模块。师天麾解释道，一个完全的推理引擎涉及算子层、并行计算、PD分别等多个层级，任何一处修改，都邑牵一发而动全身。是以，推理引擎的设计是一项体系工程。

当算力可以或许稳定、高效地跑起来之后，新的问题随之出现：若何把才能真正变成可用的办事？在师天麾看来MaaS是下一个必须看重的偏向。

智算的将来形态正在实践中被塑造成型。

但实际同样存在痛点。当前MaaS市场中，不合厂商的才能指标高度不同一。即便在模型雷同、价格邻近的情况下，不合云厂商之间的吞吐与延迟差别，仍可能达到五倍之多；而在需求侧，不合用户对稳定性、延迟、成本的存眷点也并不一致。供需之间，存在着巨大年夜的信息差。

环绕这一问题，师天麾介绍了清程极智的另一款核心产品——AI Ping一站式大年夜模型办事评测与API调用平台，以“让大年夜模型调用更快、更稳、更省钱”为目标，经由过程标准化测评机制，赞助用户更清楚地舆解不合MaaS办事的真实才能。

在国产算力慢慢铺开的背景下，这些从软件底层出发、耐烦补齐基本才能的实践，正悄然改变算力被懂得、被选择、被应用的方法。

鼎犀智创结合开创人吕海峰：以“干湿结合”闭环霸占AI+新材料数据瓶颈，让算力从基建走向家当价值

论坛的最后一位嘉宾，是鼎犀智创的结合开创人吕海峰，以一位“算力老兵”的独特视角，带来了以《科学智能驱动的新材料设计研发》为题的演讲分享。

他从小我经历切入，回溯了从介入建造国内首台T级超算开端，到推动算力办事贸易化，最终投身“AI+新材料”范畴的从业过程，并锋利地指出核心问题：“建了这么大年夜的算力，到底谁来用？怎么形成真正的家当价值？”

最终，他找到了谜底——将AI与算力深度融合，应用于新材料的设计与研发。

吕海峰指出，材料科学已步入“AI for Science”的第五研发范式。传统模式依附试错，周期长达十数年，成本昂扬，已无法知足新能源、半导体等计谋家当对立异材料研发的急切需求。以美国最新宣布的“创世纪筹划”为例，AI加快科学冲破已成为全球核心计谋竞争点。

尽管前景广阔，但落地之路不仅须要强大年夜的算力平台，更须要材料范畴专业偏向的大年夜范围高质量数据基本，不然AI模型成为“无米之炊”。

为解决这一根本抵触，鼎犀智创提出了“模型+实验”的干湿结合闭环研发新路径：起首用AI大年夜模型进行分子设计与配方建议；再经由过程模仿仿真进行高通量虚拟筛选与验证；最终驱动全主动化实验平台进行合成制备与表征分析。这一过程不仅可以产生标准化、高质量的真实实验数据更能实现及时反馈与迭代优化，形成自我强化的智能轮回。

环绕“地基”该怎么打，他直指企业常见的两条路径：自建数据中间，或周全上公有云。前者看似成本低，但实际往旧事与愿违，“假如一个 CIO 真能把数字化底座建得异常好，那他其实已经可以去开一家公有云了。”在他看来，多半企业的自建底座仍逗留在上世纪90年代的虚拟化技巧，技巧老旧、产品混乱、稳定性和安然性难以保障。

吕海峰强调，这不仅是一个技巧闭环，更是可持续贸易模式的基石——经由过程供给从行业真实需求输入到新材料设计、工艺包交付输出的“端到端”研发办事，成为客户真正的研发伙伴，是跨越从实验室到家当化之间鸿沟，实现家当化落地的必由之路。

今朝，鼎犀智创已将此理念付诸实践。他们以纳米碳材料为切入点，形成了以材料大年夜模型、智能化合成制备平台为代表的体系化产品办事才能，已经成功发清楚明了多种新型催化剂并明显晋升了制备效力。同时，在与行业头部企业的深度合作中，这套体系已已经成功将客户的真实实验效力晋升数倍，明显缩短了研发周期。

圆桌对话：若何从 “算力基建” 到 “价值闭环”？

他指出，本年MaaS迎来了明显爆发，其核心优势在于门槛低、成本低、迭代快，“一次大年夜模型调用，可能只须要几分钱，甚至一分钱不到”，再加上中国拥有全球最活泼的开源模型生态和宏大年夜的开辟者群体，他对MaaS的经久前景保持乐不雅。

李东东在开场中直指行业核肉痛点：当前算力赛道热度高涨，但核心问题凸起。信通院数据显示，不少智算中默算力平均应用率不足40%，且大年夜模型练习退潮后，增量需求转向分散破裂的推理侧，算力消纳成为行业通病。在此背景下，两位嘉宾起首就“算力家当当前所处阶段”分享不雅点。

师天麾表示，如今的算力扶植已拜别“先建后用”的粗放模式，转向“性价比优先、场景倒推扶植”的新阶段。他强调，扶植前需明白用户群体与应用处景，不合模式直接决定硬件选型、组网筹划与软件平台的功能设计，算力扶植正从“可用”向“好用、高性价比”加快进级。

环绕“算力价值闭环的核心标记与关键前提”，师天麾认为，算力作为基本举措措施，价值核心在于“便利、易用、便宜”，他重点推许MaaS模式。该模式经由过程技巧优化实现底层硬件与模型细节“透明化”，用户可低成本调用算力，供给商则经由过程大年夜范围并行、PD分别等技巧压低成本，形成“技巧优化-成本降低-用户增长-利润晋升”的正向轮回。

徐永昌则直言，价值闭环的最终标准是“让客户用AI赚到钱”。他以成都某房地产办事企业为例，该企业经由过程AI对象晋升成交量，后续因数据安然与成本需求采取浸没式一体机本地算力筹划，印证“解决痛点、创造收益，才能让客户持续付费，而非纯真售卖硬件”的核心逻辑。

谈及行业价值转化瓶颈，师天麾认为，MaaS模式鼓起改变行业盈利逻辑，技巧实力成为核心竞争力，其价格战背后是软件优化带来的成本优势，技巧越强则利润率越高。徐永昌从三个维度给出断定：一是基座模型才能仍需晋升，需实现“大年夜模型才能向小模型迁徙”；二是算力架构需进级，超节点高速互联筹划可大年夜幅降低模型练习成本与时光；三是高质量数据与行业专家资本稀缺，二者是垂类模型成功的关键，三者需体系性解决，不然行业仍会“热烈但不实用”。

瞻望将来，师天麾认为，2025年将是中国AI从练习向推理转型的关键年，MaaS市场持续强大年夜；2026年，推理市场与国产化过程将加快推动，“便利、好用、便宜”仍是核心趋势。徐永昌则用“推理”总结2025年，用“国产”与“液冷”定义2026年：跟着发改委对智算中间PUE≤1.3的请求落地，国产芯片与液冷技巧的适配将成为关键，2026年将成为二者爆发的元年。

李东东在总结中指出，本次论坛理清了算力家当核心逻辑：既冲要破技巧瓶颈，也要破解家当难题，更要锚定“算力+应用”本质，把握推理需求爆发窗口期。智算的将来不仅由技巧定义，更由价值闭环的贸易模式与跨域协同的家当生态决定，算力新十年的篇章，将是技巧跃进、生态共荣与价值普惠的合营实现。

伴跟着【谁将定义中国智算将来】论坛议程的停止，一场聚焦于智算体系构建的务实商量也画上了阶段性句号。

本届专场下昼的评论辩论，以扎实的运营实践与模式立异案例，将宏不雅命题落地为可分化、可行动的体系化思虑，展示了其推动家当理性前行的一贯力量。

“定义将来”，其本质是构建标准、塑造范式、主导价值分派的过程。而中国智算将来的定义权必定归属于一个可以或许高效整合算力资本、持续产出普惠办事、并最终在各行各业形成价值闭环的先辈体系与成熟模式。

以此为新的基准，我们呼吁从技巧协同、贸易设计到政策引导的全链条立异，合营浇筑这一体系性才能的基石。

让我们联袂，不仅预感将来，更以扎实的构建，成为定义将来的一部分。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。