2025長三角國際人工智能創業大會六月盛啟！

6月26日-28日，杭州國際博覽中心——這座承載過G20輝煌的恢弘場館，將再次成為全球AI目光的焦點。屆時，千余位全球頂尖院士、一線投資人、行業領袖與創業先鋒將云集于此，共襄這場人工智能領域的年度盛事。 大會將以前沿視角，深度探討人形機器人、智能體、AIGC、大模型等熱點，聚焦技術與場景的深度融合。大會亮點還包括：多位院士與智庫專家主題演講、長三角人工智能創業企業100榜單重磅發布、AI項目挑戰賽、杭州六小龍展廳參觀以及西湖AI晚宴等。

奇異摩爾創始人兼CEO田陌晨確認受邀出席本次人工智能創業大會。他將在6月27日舉辦的分論壇，與AI產業鏈的學者、專家以及投資人共話人工智能帶來的硬件變革與思維進化。

作為AI硬科技賽道的創業先鋒，奇異摩爾CEO田陌晨的演講將主要聚焦人工智能進化下的底層變革 - 探討計算芯片架構的前沿演進以及DeepSeek對未來硬件架構的建議，并分享AI時代創始人的思維進化與實戰感悟。

人工智能進化下的計算芯片主旋律

2025年5月IDTechEx 預測，到 2030 年，AI 數據中心的部署、AI 的商業化以及大型 AI 模型不斷提高的性能要求將使已經飆升的 AI 芯片市場規模持續增長至 4000 億美元以上。但是，底層硬件技術必須與時俱進，才能在滿足更高效計算、更低成本、更高性能、大規模可擴展系統、更快推理和特定領域計算的需求下保持競爭力。

在此背景下計算芯片作為人工智能領域發展的核心基石隨著AI的演進而譜寫其演進主旋律。AI計算芯片的進階之路：CPU → GPU → DSA → xPU，本質上演繹了從通用到專用、從單一到異構的算力革命。

2012 年：掀起深度學習浪潮的AlexNet是開創AI時代的第一個里程碑；AlexNet 是一個 8 層的卷積神經網絡，使用 ReLU 激活函數，總共有 6 千萬參數量。AlexNet 的最大貢獻在于證明了深度學習的能力。AlexNet由Alex Krizhevsky等人在多倫多大學設計，其訓練完全依賴英偉達GPU（2塊GTX 580）。它也是第一個使用并行計算和 GPU 進行加速的網絡。自此，英偉達通過推動突破性AlexNet神經網絡，開啟現代AI時代。

2016年：登上 Nature 的 AlphaGo是AI的另一個里程碑。2016 年 3 月，通過自我對弈進行練習的加強版 AlphaGo在比賽中以 4: 1 擊敗了世界圍棋冠軍李世石，成為第一個在無讓子情況下擊敗圍棋職業九段棋手的計算機程序，載入史冊。

AlphaGo 的提出證明了深度學習與強化學習結合在復雜博弈領域的巨大潛力，展示了大模型通過自我學習和優化能達到超越人類的智能水平。AlphaGo 由于人工智能公司DeepMind開發，該公司從2014年開始被Google母公司Alphabet收購。

AlphaGO人工智能系統由Google第一代DSA 芯片TPU v1作為其預測和決策的基礎，可提供高達每秒 180 萬億次浮點運算的性能，大大加速了對單個大型機器學習模型的培訓。（更多閱讀：Kiwi Talks | 軟硬協同，全棧制勝——谷歌如何成為AI領先綜合玩家）

2017年，Google的研究人員在《Attention is All You Need》一文中提出了 Transformer 模型，摒棄了RNN的遞歸計算和CNN的卷積結構。在這之后Transfomer架構大模型逐步成為主流。

2018年，著名計算機架構師約翰·亨尼斯西（John Hennessy）和大衛·帕特森（David Patterson）在圖靈講座中指出，半導體工藝創新的放緩將逐漸增加對架構創新的激勵——即集成電路的設計方式，以執行計算任務。

他們認為，通用計算架構（如CPU）固有的低效性將開始被專門針對特定計算任務的架構（也稱為領域專用架構，DSAs）的計算能力和成本效益所取代 。

2018年開始，DSA進了快速的發展期，逐步擴散到許多應用領域，如人工智能、自動駕駛、物聯網和高性能計算。這些高度特定領域的計算工作負載都可以通過增加 DSA 的應用來提升性能和效率。比如用于Google 大模型訓推的TPU系列、為自動駕駛設計的全自動駕駛（FSD）Tesla Dojo以及去年問世的Etched Sohu DSA。大型語言模型（生成式AI的核心引擎），例如ChatGPT，在高容量的AI工作負載中提供了進一步的專業化，這導致進一步的硬件專業化。

2022年，英偉達發布基于異構計算加速平臺的超級芯片NVIDIA Grace Hopper ；NVIDIA Grace Hopper 超級芯片架構將 NVIDIA Hopper GPU 的開創性性能與 NVIDIA Grace CPU 的多功能性結合在一起，連接兩者的是一種叫做NVLink-C2C的總線。其中，C2C表示芯片到芯片之間的連接，它由10組連接組成，每組包含9對信號線和1對時鐘線，采用NRZ調制，工作頻率為20GHz，總帶寬為900GB/s是PCIe 5.0的7倍。CPU和GPU之間通過Unified Virtual Address技術實現了統一編址，并且由硬件保證了二者的cache一致性，從編程體驗上降低了異構系統帶來的內存管理復雜度。

近幾年異構計算的新范式層出不窮，形成覆蓋端側智能設備到云端訓推集群的完整技術譜系。在端側AI，以手機芯片包括小米最新發布的芯片玄戒 O1 SoC，蘋果最新的M4芯片系列為代表, 通過CPU+GPU+NPU異構設計，實現了能效比的大幅提升。在邊緣AI，以智駕及機器人訓練用的Tesla Dojo為典型案例；在云端AI, 訓推用GPU 芯片如AMD MI300、英偉達GB200/GB300 等。雖說以上不完全是基于Chiplet&異構集成芯片技術，但均由不同的異構計算模塊組成，它們深度協同工作，起到算力的最優分配，從而為人工智能應用提供強大支撐。

今年，DeepSeek的技術演進重塑了Scaling Laws的基本法則——從“拼參數”轉向“拼架構效率”，從“堆算力”進化到“控熵增”。AI大模型每隔幾個月就會發生變化，在通用算法尚未定型前，我們很難預測哪一種才是最合適的計算形態。可以預見，未來很長一段時間，芯片行業將呈現多元架構并存的格局，甚至可能催生更具革命性的設計范式。

關于我們

AI網絡全棧式互聯架構產品及解決方案提供商

奇異摩爾，成立于2021年初，是一家行業領先的AI網絡全棧式互聯產品及解決方案提供商。公司依托于先進的高性能RDMA 和Chiplet技術，創新性地構建了統一互聯架構——Kiwi Fabric，專為超大規模AI計算平臺量身打造，以滿足其對高性能互聯的嚴苛需求。

我們的產品線豐富而全面，涵蓋了面向不同層次互聯需求的關鍵產品，如面向北向Scale out網絡的AI原生智能網卡、面向南向Scale up網絡的GPU片間互聯芯粒、以及面向芯片內算力擴展的2.5D/3D IO Die和UCIe Die2Die IP等。這些產品共同構成了全鏈路互聯解決方案，為AI計算提供了堅實的支撐。

奇異摩爾的核心團隊匯聚了來自全球半導體行業巨頭如NXP、Intel、Broadcom等公司的精英，他們憑借豐富的AI互聯產品研發和管理經驗，致力于推動技術創新和業務發展。團隊擁有超過50個高性能網絡及Chiplet量產項目的經驗，為公司的產品和服務提供了強有力的技術保障。我們的使命是支持一個更具創造力的芯世界，愿景是讓計算變得簡單。奇異摩爾以創新為驅動力，技術探索新場景，生態構建新的半導體格局，為高性能AI計算奠定穩固的基石。