近日，由之江實驗室發起，浙江省之江發展基金會和杭州市人工智能產業聯盟聯合承辦的“之江圓桌會”在杭州成功舉辦。本期主題圍繞“人工智能的競爭-機遇與挑戰”,重點探討了我國人工智能核心競爭力與國際領先水平存在的差距，國產算力、大模型技術等如何實現追趕與突破等話題，共話人工智能發展的協同創新。之江實驗室主任、中國工程院院士王堅，之江實驗室智能計算設施創新中心研究員張汝云，之江實驗室數據樞紐與安全研究中心特聘專家韓定一，杭州電子科技大學教授博導孔萬增，復旦大學人工智能創新與產業研究院研究員、博導徐盈輝，摩爾線程創始人兼CEO張建中等，會同企業界與投資界的十余位重磅嘉賓進行了精彩分享。

摩爾線程創始人兼CEO張建中在圓桌會上透露，為解決當前大模型帶來的國內AI算力剛需，正計劃與國內一些頂尖的機構合作推進更大規模的AI智算集群。他表示，我們理想的合作伙伴，雙方在國產算力建設理念上高度一致，旨在為國內大模型與人工智能的發展提供更加普惠的計算成本。

以下為發言全文，根據現場實錄整理：

面對當前的算力挑戰，芯片企業的創新與突破，需要從體系架構、應用軟件及芯片生態等多個維度進行。由于芯片生態的長鏈特性，從芯片設計到板卡模塊，再到服務器和POD，到最終搭建起千卡萬卡集群，涉及的面非常廣泛，芯片廠商必須從設計開始，打通芯片產業鏈，以綜合性的計算平臺優勢來應對挑戰。

摩爾線程的愿景，最終是要成為一家加速計算平臺企業。我們所有的芯片都是基于自研的MUSA統一系統架構，以確保我們的芯片設計可以長期迭代，能加速未來各式各樣的計算，并且還要兼容CUDA，與國際生態接軌，站在巨人的肩膀上發展。

我們今天看到的一些大模型的應用場景，實際上只是在不斷研究一些小的問題，還有很多計算場景可以探索，例如：摩爾線程提供了FP16/INT8計算加速器，可以為不同的訓練任務提供加速計算。我相信，今天的大語言模型只是AI的一個起點，還有AI for science等其他領域的場景，未來需要用到的算力會非常龐大。除了AI計算加速之外，摩爾線程還能提供3D圖形渲染、視頻編解碼、物理仿真和科學計算的加速能力，基于這些多元計算能力建成的集群，未來可以長期服務各個不同的應用場景。

千卡或更大的萬卡GPU集群是一個大規模的復雜系統，涉及到計算、網絡、存儲、驅動、云原生、集群管理、AI軟件棧等很多技術領域，因此，軟硬結合非常重要。摩爾線程通過成功部署夸娥千卡智算集群的實踐經驗，已建立起一套完整的、系統的、可經驗證的解決方案，確立了競爭壁壘。

為解決當前大模型帶來的國內AI算力剛需，摩爾線程正計劃與國內一些頂尖的機構合作推進更大規模的AI智算集群。我們理想的合作伙伴，雙方在國產算力建設理念上高度一致，將為國內大模型與人工智能的發展提供更加普惠的計算成本。

我們都知道，通用性和成本息息相關，只有利用率高，相對成本才會更低。摩爾線程堅持的是一條通用技術路線，我們的目標是解決國產算力可用問題，并形成算力成本優勢，以國產算力的強力引擎，為數智世界賦能。

審核編輯：劉清