AI時代，如何打造屬于中國的“摩爾定律”?

撰 文|郭津毓 暨南大學(xué)國際商學(xué)院講師

孫黎 麻省大學(xué)羅威爾分校副教授

在全球科技浪潮洶涌澎湃的今天，中國企業(yè)面臨著前所未有的機遇與挑戰(zhàn)。英特爾創(chuàng)始人戈登·摩爾（Gordon Moore）于1965年提出的摩爾定律，不僅為英特爾的創(chuàng)業(yè)與規(guī)模發(fā)展提供了方向指引，更深刻影響了芯片、個人電腦、互聯(lián)網(wǎng)、智能手機等眾多領(lǐng)域的技術(shù)創(chuàng)新節(jié)奏。摩爾定律本質(zhì)上是一種尺度定律（Scaling Law），它揭示了系統(tǒng)某些屬性隨著規(guī)模（大小、數(shù)量、時間等）的變化而呈現(xiàn)冪律（Power Law）或指數(shù)關(guān)系。這種規(guī)律不僅貫穿于英特爾的創(chuàng)新歷程，更成為高科技產(chǎn)業(yè)新產(chǎn)品開發(fā)、供應(yīng)鏈協(xié)同、生產(chǎn)效率提升、生態(tài)系統(tǒng)發(fā)展乃至國際產(chǎn)業(yè)競爭的核心邏輯。如今，在新興的AI領(lǐng)域與綠色能源領(lǐng)域，類似的摩爾定律或尺度定律正成為全球競爭的核心。

中國企業(yè)若能深刻領(lǐng)悟摩爾定律的精髓，將有望擺脫過去單純的技術(shù)追趕、模仿或彎道超車模式，轉(zhuǎn)而站在技術(shù)發(fā)展節(jié)拍的前沿，協(xié)調(diào)供應(yīng)鏈各方力量，營造出屬于自己的“摩爾定律”，從而發(fā)展出強大的生態(tài)系統(tǒng)，引領(lǐng)全球技術(shù)創(chuàng)新發(fā)展。特別是在當(dāng)前全球AI、新能源車等領(lǐng)域的激烈競爭中，中國企業(yè)若能在這些新技術(shù)領(lǐng)域提出類似摩爾定律的路線圖，其意義將極為深遠。

中國企業(yè)為什么需要“摩爾定律”
設(shè)定行業(yè)標桿，推動行業(yè)發(fā)展

摩爾定律本質(zhì)上是對芯片核心參數(shù)發(fā)展進程的預(yù)測，它規(guī)定了在特定時間節(jié)點芯片上晶體管數(shù)量的大致范圍，這一范圍可視為行業(yè)的標桿。在同一時期內(nèi)，行業(yè)內(nèi)所有企業(yè)都圍繞這一標桿展開競爭。那些在特定時間節(jié)點能夠達到甚至超越標桿性能的企業(yè)將獲取競爭優(yōu)勢，而無法達到標桿性能的企業(yè)則會面臨劣勢。盡管摩爾定律所規(guī)定的18個月行業(yè)周期意味著短期的優(yōu)勢和劣勢不足以決定一家企業(yè)的成敗，但這一行業(yè)公認的標桿的存在，卻能在長期促進行業(yè)內(nèi)企業(yè)的優(yōu)勝劣汰，激勵企業(yè)不斷進行創(chuàng)新，推動整個行業(yè)波浪式前進。

從全球芯片制造中心的變遷來看，從最初的美國，到后來的日本、韓國，再到如今的中國臺灣，許多企業(yè)因未能跑贏摩爾定律而衰落甚至消亡，而另一些企業(yè)則踏準了技術(shù)發(fā)展的節(jié)奏，趁勢崛起，引領(lǐng)了摩爾定律的發(fā)展。如今，DeepSeek在全球AI產(chǎn)業(yè)的崛起，正是通過低成本創(chuàng)建了新的AI標桿，引發(fā)了全球?qū)I商業(yè)模式的重新思考。這表明，行業(yè)標桿的設(shè)定對于推動技術(shù)創(chuàng)新和行業(yè)發(fā)展具有不可替代的作用。

推動技術(shù)擴散，促進行業(yè)協(xié)同，分散創(chuàng)新風(fēng)險

新技術(shù)的出現(xiàn)往往需要在多個相關(guān)領(lǐng)域進行巨量的創(chuàng)新投入，其風(fēng)險巨大，單靠一家企業(yè)難以完成。為了滿足摩爾定律的要求，芯片產(chǎn)業(yè)的上下游企業(yè)必須相互配合，協(xié)同創(chuàng)新。從上游的材料、設(shè)備、化學(xué)品、氣體，到中游的芯片設(shè)計、晶圓制造、封裝測試，再到下游的電腦、手機、汽車等芯片應(yīng)用，整個產(chǎn)業(yè)鏈的企業(yè)各司其職，圍繞共同目標協(xié)同創(chuàng)新，從而分散了創(chuàng)新風(fēng)險。

例如，先進制程芯片的制造依賴于上游企業(yè)對芯片制造設(shè)備和原材料的創(chuàng)新，芯片設(shè)計企業(yè)需要先進的輔助設(shè)計工具（EDA）才能為下游創(chuàng)造出適用于各種場景的芯片。而下游的軟硬件廠商則通過不斷更新迭代產(chǎn)品，創(chuàng)造出新的需求，使得最新的芯片不至于因“性能過剩”而無人問津。這種產(chǎn)業(yè)鏈的協(xié)同發(fā)展，使得摩爾定律能夠主導(dǎo)芯片產(chǎn)業(yè)多年，而并非英特爾一家企業(yè)的功勞。如今，DeepSeek的崛起也將引發(fā)全球AI生態(tài)系統(tǒng)的巨大變化。

建立發(fā)展預(yù)期，降低不確定性

類似摩爾定律這樣的行業(yè)路線圖，對企業(yè)而言具有重要意義。企業(yè)可以根據(jù)行業(yè)路線圖來確定自身技術(shù)發(fā)展規(guī)劃，把握最佳的時間節(jié)奏，避免因研發(fā)投入不足而無法跟上行業(yè)節(jié)奏，喪失競爭優(yōu)勢，同時也避免因過量投入而在一個周期內(nèi)無法收回成本，影響企業(yè)長期發(fā)展。行業(yè)路線圖能夠降低企業(yè)研發(fā)的不確定性，幫助企業(yè)找到適合自身的最佳創(chuàng)新節(jié)奏。

此外，行業(yè)技術(shù)路線圖還能為消費者建立預(yù)期，幫助企業(yè)進行針對性的營銷，提升市場份額。例如，在手機行業(yè)，得益于摩爾定律，各大公司在每年的新產(chǎn)品發(fā)布會上都會展示芯片性能較上一代產(chǎn)品或友商產(chǎn)品的提升比例。久而久之，消費者心中形成了對下一代產(chǎn)品性能的預(yù)期。每當(dāng)有廠商發(fā)布新手機時，消費者或評測機構(gòu)會橫向比較當(dāng)年其他廠商手機性能的提升比例，縱向比較相對于上一代自身和友商產(chǎn)品性能的提升比例，提升越大，競爭優(yōu)勢可能就越大。

摩爾定律的緣起

1965年，當(dāng)時還在仙童半導(dǎo)體公司任職的摩爾應(yīng)邀為《Electronics》雜志撰寫一篇觀察評論文章，對未來十年半導(dǎo)體元件工業(yè)的發(fā)展趨勢做出判斷。這篇文章的題目是“Cramming More Components onto Integrated Circuits（讓集成電路填滿更多的元件）”。摩爾在文章開篇便給出了對未來的預(yù)測：“單位元件成本會隨著每個集成電路的元件數(shù)量的增加而下降，到1975年，經(jīng)濟性可能會要求在單一硅片上擠壓多達65000個元件”。

摩爾是如何得出這一結(jié)論的呢？他首先從成本曲線的角度分析了集成電路上單位元件成本與單個集成電路元件數(shù)量的關(guān)系。如圖1所示，摩爾發(fā)現(xiàn)，集成電路上單位元件成本會先隨著元件數(shù)量的增加而下降，但隨著元件數(shù)量的進一步增加，復(fù)雜性上升，產(chǎn)量下降，單位元件成本又會上升，二者之間呈現(xiàn)U型關(guān)系。因此，摩爾認為，在技術(shù)演化的任意給定時間段內(nèi)，都存在一個最低成本點。在當(dāng)時（1965年），單個集成電路上元件數(shù)量為50時，達到了最低單位成本。

圖1 單位元件成本與集成電路元件數(shù)量關(guān)系曲線

圖片來源：Gordon E. Moore. (1965). Cramming More Components onto Integrated Circuits, Electronics, pp. 114–117.

進一步地，摩爾觀察過去幾年“最低單位成本元件數(shù)量”的變化，發(fā)現(xiàn)這個數(shù)量大概每年會增加一倍，并且他認為這一增長速度至少會保持10年（如圖2所示）。因此，摩爾推算出到1975年，每個集成電路上元件的數(shù)量將達到65000個的水平，并且基于對工程技術(shù)的理解，他還預(yù)測這65000個元件僅需占用四分之一平方英寸的面積。這就是最初版本的“摩爾定律”。

圖2 最低單位成本元件數(shù)量變化預(yù)測

圖片來源：Gordon E. Moore. (1965). Cramming More Components onto Integrated Circuits, Electronics, pp. 114–117.

到了1975年，摩爾又向電氣與電子工程師協(xié)會（IEEE）國際電子設(shè)備會議提交了一篇論文，名為“Progress in Digital Integrated Electronics（數(shù)字集成電路進展）”。文章首先用過去10年的數(shù)據(jù)驗證了預(yù)測的準確性（如圖3所示），并討論了這一趨勢繼續(xù)下去的可能性。摩爾基于過往數(shù)據(jù)將影響集成電路元件數(shù)量的因素分解為三部分（如圖4所示）：芯片面積（die size）、線寬和線間距（dimensions）、以及晶體管設(shè)計和排布（device and circuit cleverness），并分別討論了這三個因素對元件數(shù)量增長速度的貢獻是否會變化。最終，摩爾調(diào)整了最初的預(yù)測，將未來10年元件數(shù)量“每一年翻一倍”調(diào)整為“每兩年翻一倍” （如圖5所示）。

圖3 摩爾定律驗證

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

圖4 影響元件數(shù)量的因素分解

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

圖5 調(diào)整后的摩爾定律

圖片來源：Gordon E. Moore. (1975). Progress in digital integrated electronics, IEEE International Electron Devices Meeting, pp. 11–13.

摩爾定律的發(fā)展與應(yīng)用

目前，業(yè)界最廣為流傳的摩爾定律版本是“半導(dǎo)體集成電路的密度每18個月翻一番”，這一說法由前英特爾高管大衛(wèi)·豪斯（David House）提出。谷歌前CEO埃里克·施密特（Eric Schmidt）曾指出，如果反過來看摩爾定律，一個IT公司如果今天和18個月前賣掉同樣多的同樣的產(chǎn)品，其營業(yè)額就要降一半，這被稱為“反摩爾定律”。

根據(jù)摩爾定律的描述，計算機硬件的性能呈指數(shù)增長，那么會不會有一天硬件性能遠超人們實際需求，導(dǎo)致先進產(chǎn)品無人問津呢？事實上，這種擔(dān)憂是多余的，因為有“安迪-比爾定律”（Andy and Bill’s Law）的存在。這條定律源于20世紀90年代某計算機會議上的一句俏皮話：“What Andy giveth, Bill taketh away（安迪提供什么，比爾就拿走什么）”。安迪和比爾分別是英特爾前首席執(zhí)行官安迪·格羅夫（Andy Grove）和微軟前首席執(zhí)行官比爾·蓋茨（Bill Gates）。眾所周知，英特爾主導(dǎo)硬件，微軟主導(dǎo)軟件，二者的合作關(guān)系為兩家公司帶來了豐厚的利潤。如今，各大手機廠商在不斷推出新一代產(chǎn)品的同時，也在同步更新操作系統(tǒng)，以充分發(fā)揮新硬件的性能。同時，各大軟件廠商也會隨著硬件的更新不斷升級自己的軟件產(chǎn)品。例如，微信的安裝包大小從1.0版本的457K增長到8.0版本的260多M，足足增加了550多倍。更大的安裝包意味著更復(fù)雜的編程、更大的內(nèi)存占用以及對硬件性能的更高需求。

摩爾定律的發(fā)展和應(yīng)用還擴散到了IT之外的其他行業(yè)領(lǐng)域。在制藥領(lǐng)域，杰克·斯坎內(nèi)爾（Jack Scannell）等人在2012年發(fā)表于《Nature Reviews Drug Discovery》的文章中提出了“倒摩爾定律”（Eroom’s Law），正好是“摩爾定律”（Moore’s Law）倒過來寫。該定律指出，自1950年以來，盡管技術(shù)在進步，但新藥的發(fā)現(xiàn)速度越來越慢且越來越貴。在不考慮通脹的前提下，一種新藥的開發(fā)成本大約每九年翻一番，這與摩爾定律預(yù)測的芯片價格隨時間推移不斷下降正好相反。有趣的是，在一篇英特爾至強系列處理器的官方宣傳文稿中，提出“摩爾定律”的英特爾聲稱要助力AlphaFold2（一款基于AI的蛋白質(zhì)結(jié)構(gòu)分析工具）打破“倒摩爾定律”。

隨著大數(shù)據(jù)、人工智能、萬物互聯(lián)時代的到來，新的“摩爾定律”呼之欲出。OpenAI公司CEO薩姆·奧特曼（Sam Altman）提出，AI數(shù)量每18個月會翻一倍。在汽車行業(yè)，由于AI輔助駕駛的出現(xiàn)，未來人們可能不再關(guān)注“馬力”，而是關(guān)注“算力”（單位是TOPS，1TOPS為每秒一萬億次運算）。汽車算力可能正沿著新的“摩爾定律”進化。以顛覆性技術(shù)投資聞名方舟投資則應(yīng)用類似的Wright’s Law（賴特定律），預(yù)測電動車的成本將加速下降，電動車行業(yè)將通過自動化制造、AI 設(shè)計優(yōu)化、供應(yīng)鏈效率提升來加速生產(chǎn)，例如特斯拉 Gigafactory 展示了機器造機器的可能性，使得生產(chǎn)成本指數(shù)級下降。

摩爾定律對中國企業(yè)的啟示

從摩爾定律的提出、演變和發(fā)展過程來看，摩爾定律最初是摩爾基于過去幾年的芯片數(shù)據(jù)參數(shù)，結(jié)合他對工程技術(shù)的理解和對經(jīng)濟成本的核算，提出的芯片核心參數(shù)的發(fā)展趨勢。摩爾定律并非像牛頓運動定律那樣是自然界的客觀規(guī)律，而是人為塑造的規(guī)律。然而，為什么芯片行業(yè)的企業(yè)會幾十年如一日地遵循這個規(guī)律發(fā)展呢？這固然離不開摩爾對技術(shù)和經(jīng)濟的深刻洞察力以及英特爾在芯片行業(yè)的統(tǒng)治力，但更重要的原因是，在英特爾提出并遵循這一規(guī)律后，芯片產(chǎn)業(yè)的其他企業(yè)發(fā)現(xiàn)，遵循同樣的規(guī)律能夠在每個迭代周期取得足夠的利潤，規(guī)避創(chuàng)新的風(fēng)險。同時，由于整個行業(yè)形成了這樣一種發(fā)展節(jié)奏，新成立或新進入的企業(yè)會被或主動或被動地卷入同樣的節(jié)奏中。由于這一節(jié)奏是由行業(yè)生態(tài)系統(tǒng)中的多方參與者共同塑造的，形成了大勢，新企業(yè)很難擺脫行業(yè)大勢獨自發(fā)展。

中國企業(yè)需要應(yīng)用技術(shù)路線圖創(chuàng)新產(chǎn)品性能，找準開發(fā)節(jié)奏。隨著行業(yè)生態(tài)的演變，節(jié)奏的主導(dǎo)者可能會發(fā)生變化。在英特爾一家獨大的時代，其對芯片技術(shù)的發(fā)展節(jié)奏有較大的掌控權(quán)，可以借此獲取最大的利益。例如，英特爾曾經(jīng)被消費者戲稱為“牙膏廠”，在臺積電通過外包模式快速提升創(chuàng)新速度之前，英特爾連續(xù)幾代CPU性能提升不大，像“擠牙膏”一樣每次只擠一點，結(jié)果無法進一步按照摩爾定律創(chuàng)新技術(shù)，提升芯片性能。最終，英特爾可能面臨被分拆出售的命運。

在新興的AI與新能源車領(lǐng)域，中國企業(yè)如DeepSeek與比亞迪的創(chuàng)新，展現(xiàn)了運用摩爾定律創(chuàng)新的范例。比亞迪鋰電池CTO孫華軍在第二屆中國全固態(tài)電池創(chuàng)新發(fā)展高峰論壇上表示，固態(tài)電池正在從實驗室邁向規(guī)模化應(yīng)用，預(yù)計到2030年將實現(xiàn)穩(wěn)定的商業(yè)化應(yīng)用。比亞迪計劃在2027年開始批量示范裝車，真正大規(guī)模應(yīng)用可能在2030年后。其核心策略包括：優(yōu)化活性物質(zhì)占比，提高電池能量密度，降低生產(chǎn)成本；減少電解質(zhì)用量，提升制程穩(wěn)定性，降低制造成本；通過技術(shù)迭代，逐步達到固液同價，實現(xiàn)經(jīng)濟可行性。

這一發(fā)展模式與DeepSeek在AI領(lǐng)域?qū)Τ叨榷傻膬?yōu)化類似，強調(diào)技術(shù)突破、成本控制與可規(guī)模化應(yīng)用。這種模式顯示了中國企業(yè)正在掌握摩爾定律，在AI和新能源等新質(zhì)生產(chǎn)力前沿領(lǐng)域取得競爭優(yōu)勢。

在摩爾定律指導(dǎo)的產(chǎn)業(yè)路線圖的建立和發(fā)展過程中，政府可以發(fā)揮重要作用。例如，政府可以牽頭召集行業(yè)優(yōu)秀企業(yè)建立產(chǎn)業(yè)發(fā)展協(xié)會，組織行業(yè)資深專家制定行業(yè)發(fā)展路線圖，并向行業(yè)內(nèi)企業(yè)宣傳推廣，鼓勵企業(yè)以路線圖為指導(dǎo)建立自身的發(fā)展計劃。在產(chǎn)業(yè)發(fā)展的過程中，對于路線圖上的核心關(guān)鍵技術(shù)節(jié)點給予政策或資金支持，引領(lǐng)行業(yè)有節(jié)奏地向前發(fā)展。

摩爾定律不僅是半導(dǎo)體行業(yè)的增長模型，更是一種創(chuàng)新路徑與產(chǎn)業(yè)預(yù)測模式。中國企業(yè)可以借鑒其核心原則，設(shè)定技術(shù)迭代時間表，引導(dǎo)行業(yè)節(jié)奏（如DeepSeek在AI計算優(yōu)化、比亞迪在固態(tài)電池發(fā)展）；打造協(xié)同創(chuàng)新產(chǎn)業(yè)鏈，減少對外部技術(shù)的依賴，提升本土科技競爭力；利用規(guī)模效應(yīng)降低成本，加速新技術(shù)的市場化推廣，提高普及率；推動政府政策與行業(yè)標準制定，形成國家級技術(shù)競爭力；強化開源生態(tài)建設(shè)，增強中國企業(yè)在全球科技生態(tài)中的影響力。

“萬物流變，無物常駐。”希臘哲學(xué)家赫拉克利特的名言道出了摩爾定律所體現(xiàn)的不斷變革與創(chuàng)新的精神。它不僅推動了半導(dǎo)體行業(yè)的進步，更成為中國創(chuàng)新生態(tài)系統(tǒng)升級的重要驅(qū)動力。未來，隨著AI、量子計算、新能源等領(lǐng)域的蓬勃發(fā)展，中國企業(yè)將以摩爾定律為鑒，持續(xù)突破技術(shù)邊界，引領(lǐng)科技生態(tài)，讓創(chuàng)新之河奔流不息。

DeepSeek對全球人工智能產(chǎn)業(yè)尺度定律的突破與影響

在AI領(lǐng)域，尺度定律描述了AI模型性能如何隨著參數(shù)規(guī)模、計算量、數(shù)據(jù)量增長而提升，起到了類似摩爾定律的作用。DeepSeek在AI領(lǐng)域的創(chuàng)新正在改變尺度定律的傳統(tǒng)模式，推動AI計算效率的優(yōu)化，并對全球AI生態(tài)系統(tǒng)產(chǎn)生深遠影響。

DeepSeek優(yōu)化了尺度定律

傳統(tǒng)尺度定律認為，數(shù)據(jù)量越大、算力越強大，模型性能就越高。然而，DeepSeek憑借其對算法和硬件的優(yōu)化，正在挑戰(zhàn)這一傳統(tǒng)觀念。

2月18日，馬斯克在其X平臺上發(fā)布了最新旗艦版AI大模型Grok 3。巧合的是，同一天，DeepSeek官方也在X平臺發(fā)布了一篇技術(shù)論文——《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention（原生稀疏注意力：硬件對齊且可原生訓(xùn)練的稀疏注意力機制）》，重點介紹了一種名為NSA（Natively Sparse Attention，原生稀疏注意力）的技術(shù)，DeepSeek創(chuàng)始人梁文鋒也是該論文的共同作者之一。這便形成了一個有趣的對比：Grok 3是利用當(dāng)前世界上最頂尖的算力集群（20萬塊英偉達H100 GPU）訓(xùn)練而成的大模型，馬斯克稱其為“地球上最聰明的人工智能”，并表示該模型在推理能力上超越了包括ChatGPT在內(nèi)的其他領(lǐng)先AI模型，其規(guī)模和性能的提升再次印證了“大力出奇跡”策略在AI訓(xùn)練中的有效性。

與此同時，DeepSeek的論文詳細闡述了NSA技術(shù)如何通過硬件對齊優(yōu)化設(shè)計，大幅提升超長文本的訓(xùn)練與推理效率，同時有效降低預(yù)訓(xùn)練成本，且不犧牲性能。有分析對比了使用2000張H800 GPU訓(xùn)練兩個月的DeepSeek V3，計算結(jié)果顯示，Grok 3的實際訓(xùn)練算力消耗是V3的263倍，然而DeepSeek V3在大模型競技場榜單上與得分1402分的Grok 3的差距不到100分。DeepSeek通過算法和硬件的優(yōu)化，降低了對高性能GPU的依賴，提升了AI模型的可擴展性，并且適配國產(chǎn)AI硬件，減少了對Nvidia CUDA生態(tài)的依賴。

促進AI生態(tài)開源化，影響全球AI競爭格局

打破頭部廠商壟斷：通過部分開源模型策略，挑戰(zhàn)了OpenAI、Google等閉源生態(tài)，這些傳統(tǒng)AI巨頭通過強大的模型性能和巨額資本投入構(gòu)建了較高的競爭壁壘。然而，DeepSeek憑借低成本、高性能的模型，快速追趕并挑戰(zhàn)了這些頭部廠商的地位。使企業(yè)可以更低成本部署AI，這使得AI計算更加高效，中小企業(yè)也能負擔(dān)得起大模型應(yīng)用，AI醫(yī)療助手、智能金融、工業(yè)自動化等領(lǐng)域?qū)⒁虼耸芤妗鴥?nèi)外巨頭如AMD、英偉達、亞馬遜、微軟、華為、阿里等紛紛擁抱DeepSeek，推動了AI平權(quán)的進程。

重構(gòu)AI產(chǎn)業(yè)鏈價值分配
DeepSeek的出現(xiàn)使得AI產(chǎn)業(yè)鏈的價值分配邏輯發(fā)生變化。原有的頭部模型廠商依靠模型優(yōu)勢獲取超額利潤的模式受到?jīng)_擊，未來產(chǎn)業(yè)鏈價值將更多地向場景、生態(tài)和數(shù)據(jù)傾斜。DeepSeek采用低功耗推理優(yōu)化，使AI更容易部署在中國企業(yè)有優(yōu)勢的邊緣計算和移動設(shè)備上。因此，我們預(yù)測DeepSeek作為中國AI發(fā)展的重要突破，將建立起中國本土的AI應(yīng)用與生態(tài)系統(tǒng)，促進AI應(yīng)用的產(chǎn)業(yè)化落地，極大地影響國際AI競爭格局。未來AI的發(fā)展可能不再依賴單純的“bigger is better”（更大的模型帶來更好的結(jié)果），DeepSeek指引出一個更智能、更高效、更去中心化的新方向。

（作者感謝國家自然科學(xué)基金青年項目72202086，重點項目72091311、72172154、72232010的支持）