知乎AI先行者：中国AI芯片行业面临一次真正实现商业化的机会

“未来两三年，大模型的商业化将继续在成本和token质量上相互妥协。”

作者：苏打

编辑：tuya

公司情报专家《财经涂鸦》获悉，4月14日，第二场“知乎AI先行者沙龙”在上海举行。本场沙龙主题为“问津”，知乎携众多AI行业专家、学者、从业者共同探索AI发展之路。知乎COO张宁出席活动，和众嘉宾一同分享了AI领域的最新动态和未来展望。

现场，上海交通大学副教授刘鹏飞、上海人工智能实验室司南大模型评测产品负责人葛佳烨、商汤科技Copilot应用技术负责人张涛、行云集成电路创始人季宇，分别围绕人工智能发展的关键因素、面临的创新与挑战等议题进行主题演讲。

刘鹏飞在“当我们身处碳基智能与硅基智能的一场赛跑”主题演讲中深入剖析了AI技术发展中人类面临的思考和挑战。随着大模型在不同应用场景里千变万化的需求，如何评价大模型的能力，成为具有挑战性的话题。在主题为“如何通过能力评测促进大模型发展”的演讲中，葛佳烨谈到上海人工智能实验室发布的OpenCompass2.0司南大模型评测体系，并介绍了该体系三位一体的搭建方式。

“新时代的新开发者，需要从劳动者转变为思考者，从执行者转变为决策者”。张涛围绕AI时代的语言、新工具、新开发者三个方面进行了主题演讲，他认为开发者不再仅仅是编程者，也应该成为创新者，成为解决方案的探索者。

谈及大模型的商业探索，季宇提出，在大模型时代AI芯片将迎来真正商业化的机会。在他看来，如今大模型把芯片产品的竞争力拉到了内存和互联维度，这些维度相比算力都标准化得多，对解决产品定义问题提供了新的可能性。

此前， OpenAI创始人奥特曼曾提到过7万亿美元的计划，大模型商业化过程中遇到的最大的难题之一是巨大的成本，每增加一个新用户，背后的硬件资源都会相应增加。尽管目前大模型开始提供订阅服务，但大部分还是在用爱发电，靠投资人的钱或者其他的业务挣过来的钱来支撑。今天日过千万的通用大模型，一年需要一百亿以上的收入才能实现收支平衡。

“但如果对于芯片行业的时间尺度适当拉长，这些都不是问题，因为芯片本身也会持续演进，来不断降低大模型Scaling所需要的资源。所以将来七万亿可能会逐渐变成七百亿这样一个不是那么夸张的数字”。

季宇坦言，芯片行业的Scaling不只依靠半导体包括晶体的微缩来实现，英伟达也是通过架构上的持续推动，在已经放缓的摩尔定律包括半导体行业的演进上保持了非常高的性能增速，算力成本在过去十年降低了大概一千倍左右。

“今天大模型给我们打开了进一步的演进空间，其对芯片的需求从算力转向了对于内存和互联的需求，这里的Scaling空间会更大。对于芯片行业而言，如今售卖token对硬件系统的要求就是售卖的访存带宽，已经跟今天大家最关心的工艺的规格已经没有太强的关系了。”

由此，他认为“这也是中国AI芯片行业一次真正实现商业化的巨大的机会”。“内存和互联相比算力更加标准化，也在一定程度上降低了对先进制程的依赖，所以当前的竞争更接近于指标的竞争。我们今天可以做一个显存规格包括容量规格都非常夸张的产品，来给大家带来更好的大模型的商业落地的可能性”。

未来两三年，大模型的商业化将继续在成本和token质量上相互妥协。其中分为两派，一派是质量优先，更多希望去寻找超级应用，以此来覆盖高昂的成本；另外一派是成本优先，用足够便宜的硬件，一定程度上牺牲模型的质量，找一些垂直领域，比如写代码或者其他的一些垂直领域，来适应成本的诉求。

同时，伴随芯片行业的发展，可能将来不再需要小的模型，因为届时大模型、超长上下文都会变相当便宜，随处可得。“我们相信大模型随着芯片行业的Scale和成本降低，逐渐走向千行百业，走进大家的生活。在大模型时代，AI芯片也迎来了商业化的机会，把产品定义、供应链的问题都解决好，也在更多的维度去创造出更有竞争力、更低成本的一些产品”。季宇指出。

在众嘉宾主旨演讲结束后，“知乎AI先行者沙龙”还举行了一场主题为“成本高昂，巨头环伺，生成式 AI 下一步该怎么走？”的圆桌对谈，由津津乐道播客网络创始人朱峰主持，对话RWKV元始智能COO罗璇、浙江大学百人计划研究员赵俊博、阿里云飞天实验室赵中州等各AI专家，进行了一场精彩的思想碰撞与交流。

随着大量相关行业从业者、专家、研究者在知乎围绕AI大模型进行专业讨论，知乎已经成为全网最重要的AI趋势发布平台，也是AI从业者和创业者密度最高的社区。今年1月6日知乎在北京举办首届“知乎AI先行者沙龙”，清华大学电子系教授汪玉、上海交通大学副教授张拳石、硅星人/品玩CEO骆轶航等行业人士悉数到场，共同探讨AI新时代下的技术创新与产业应用。

免责声明：泡财经所有平台仅提供服务对接功能，资讯信息、数据资料来源于第三方，其中发布的文章、视频、数据仅代表内容发布者个人的观点，并不代表泡财经平台的观点，不构成任何投资建议，仅供参考，用户需独立做出投资决策，自行承担因信赖或使用第三方信息而导致的任何损失。投资有风险，入市需谨慎。