AI教父Hinton對話云天勵飛陳寧：AI學習效率比人類高數(shù)十億倍，推理芯片將主導5萬億市場

智東西
作者 李水青
編輯 漠影

智東西12月2日報道，今日，77歲的諾貝爾物理學獎得主、“AI教父”杰弗里·辛頓（Geoffrey Hinton）在2025 GIS全球創(chuàng)新展上發(fā)表演講，并在硅谷科學家吳軍的主持下與中國AI芯片領軍企業(yè)云天勵飛董事長兼CEO陳寧展開了一段精彩的線上對談。

辛頓有一段廣為人知的“AI養(yǎng)虎論”——在此前7月的訪華演講中，他將超級智能比作終將反噬人類的猛獸，呼吁要像幾十年前美蘇聯(lián)合預防核戰(zhàn)爭一樣進行治理。而當這位AI領域的“先知”帶著他的終極憂思，遇上正蓬勃發(fā)展的中國AI產(chǎn)業(yè)力量時，會碰撞出怎樣的思想火花？

今天這場演講及簡短而高效的對談，濃縮了從危機認知、范式博弈到技術路徑的全景探討，智東西將主要的信息干貨提煉如下：

1、（辛頓）AI系統(tǒng)之間的知識蒸餾效率相比人際信息交換，“效率提升好幾十億倍，真的非常可怕”，其進化速度可能遠超人類。

2、（辛頓）一旦制造出超級智能，它們會衍生出“生存”這個子目標，并且非常擅長欺騙人類。我們必須確保AI永遠不會來針對人類。

3、（辛頓）在AI轉型中，中國可能更有動力，政府與大企業(yè)協(xié)作更深入，對后果有更多的預防性措施，AI帶來的負面影響可能比在美國小。

4、（辛頓）發(fā)展AI若忽視實際應用，將會是一個重大失誤；只考慮應用而不推動底層理念發(fā)展，也是大錯特錯。基礎研發(fā)和應用兩者都非常重要。

5、（辛頓）受大腦啟發(fā)的模擬計算功耗極低，有巨大能效潛力，但存在“硬件與知識綁定”的缺陷；主流的數(shù)字計算則功耗高，但知識可分離和共享。

6、（陳寧）通過設計更高效的NPU（神經(jīng)網(wǎng)絡處理器），目標是實現(xiàn)百倍以上的效率提升，將智能體推理成本大大降低，將在全球帶來AI普惠。

7、（陳寧）到2030年，AI芯片產(chǎn)業(yè)規(guī)模可能達到約5萬億美元。推理芯片將占主導（約80%），其市場規(guī)模將遠超訓練芯片。

辛頓的演講及圓桌對話紀要全文如下，智東西做了不改變原意的編輯：

一、辛頓最新演講：AI學習速度已領先人類數(shù)十億倍，“真的非常可怕”

辛頓本次的演講還是從AI發(fā)展歷史和運作機制聊起，他提到，現(xiàn)代大語言模型的強大能力在于僅從預測下一個詞的任務中，就能學習到復雜的語言結構和語義，這一過程與人類學習語言的方式高度相似。

緊接著，他肯定了受大腦啟發(fā)的“模擬計算”的巨大能效潛力。他指出，我們都很習慣數(shù)字計算，這種主流計算方式功耗高，妨礙了我們使用豐富的模擬特性；受大腦啟發(fā)的模擬計算功耗極低，但也面臨“硬件與知識綁定”的缺陷。

而將視野拉回當下AI產(chǎn)業(yè)發(fā)展圖景，辛頓贊嘆了AI知識傳遞與智能體進化的驚人效率。

他提到，AI之間學習正在變快。以DeepSeek與Llama模型舉例，他闡述了“AI系統(tǒng)之間的蒸餾效率要高得多”，相比人際信息交換，“效率提升好幾十億倍，真的非常可怕”，AI進化速度可能遠超人類生物進化與文化進度。這是其本次演講中最具警示性的觀點之一。

以智能體協(xié)作的圖景為例，他談道：成千上萬的智能體一起工作，互相分享它們的經(jīng)驗，之后通過數(shù)字神經(jīng)網(wǎng)絡連接，這是人不可能做到的。雖然生物計算消耗的能量非常低，我們吃一碗飯、一個饅頭就可以用大腦，但是在信息傳遞和分享方面，效率太低了。

他進而提到，如果能源能夠便宜，那數(shù)字計算肯定比大腦計算更好用。

最后，辛頓重申了了關于超級智能的風險與治理，并強調(diào)了中國在這方面的優(yōu)勢。

他認為大部分人相信在未來20年超級智能可以被制造出來，一旦我們制造出超級智能，他們就會有“生存”這個子目標并且非常擅長欺騙人類。他倡導，我們必須想辦法確保AI永遠不會來針對人類，各國家和地區(qū)都應該攜手讓AI朝著正確的方向發(fā)展，需要去重新構架當前人與AI共存之治理模式。

他還提到，中國在這方面更有優(yōu)勢，政府與大企業(yè)協(xié)作更深入，中國在轉型當中可能更有動力，也會對這個轉型帶來的后果有更多的預防性的措施，在中國人工智能帶來的負面影響會比在美國小。

二、中國AI芯片先鋒對話辛頓：算力成本要降百倍，推理芯片將主導5萬億市場

辛頓描繪了一幅關于AI進化能力與潛在風險的宏大圖景，并提及了算力瓶頸及潛力方向。那么正處于AI產(chǎn)業(yè)化浪潮中心的中國科技力量，特別是在一線致力于“馴服”算力成本、推動技術落地的實干家們，又會作何回應？

在辛頓演講之后，硅谷科學家吳軍、中國AI芯片企業(yè)云天勵飛董事長陳寧與他從最底層的類腦計算探索，到現(xiàn)實的產(chǎn)業(yè)區(qū)域競爭，再到未來市場規(guī)模預測，展開了務實而富有前瞻性的探討。

▲吳軍（左）、陳寧（中）和辛頓（右屏幕）

1、從前沿類腦計算到NPU：智能體推理成本將降百倍

吳軍：辛頓教授剛才提到模擬計算，并與數(shù)字計算做了對比。您認為，是否有可能將數(shù)字芯片和模擬芯片集成到芯片級甚至計算機級的系統(tǒng)中，從而制造出更接近人類的系統(tǒng)，更好地模擬人類思維？我們是否有可能借此創(chuàng)造出物理世界中的數(shù)字人？

杰弗里·辛頓：這里面確實有明顯的優(yōu)勢。模擬芯片在功耗、計算能力以及傳輸效率上表現(xiàn)更好。目前有很多研究者在培育“類器官”，例如在圣克魯斯等地，類器官的培育已經(jīng)取得了一些成功。

吳軍：我們是否真能利用這類技術來實現(xiàn)細胞組合與生成，并進行計算？這樣的“類器官”是否能模擬人腦計算，從而大幅節(jié)省能源？

陳寧：在我們?yōu)椤邦惼鞴佟闭业胶线m的算法之前，很難創(chuàng)造出真正的價值。類器官必須結合高效的學習算法，才能真正實現(xiàn)能效提升，達成計算目標。

杰弗里·辛頓：目前還沒有真正實現(xiàn)基于腦細胞“類器官”的計算，這類模擬計算尚未發(fā)揮出巨大價值。谷歌的芯片在語音識別之后，可能會進一步突破，打造新的硬件芯片。如果真的想實現(xiàn)生物計算，還有很長的路要走。無論是研究的方向，還是具體的項目，都還需要更多的探索。

吳軍：當前人工智能已經(jīng)取得了很多進展，但若要訓練一個類似ChatGPT的模型，仍可能需要花費數(shù)十億美元的成本。您剛才提到可以通過模擬設施來解決這個問題，正好我們今天現(xiàn)場有一位專家，可以從他的角度談談對這個問題的看法。陳寧博士，你們是否通過研究將AI的成本從數(shù)十億美元降低到了幾千美元嗎？

陳寧：我們大約從11年前開始這項工作，公司中文名叫“云天勵飛”。我們的使命是設計更高效的AI芯片。剛才辛頓教授提到，AI非常強大，我們需要更好地訓練AI——我完全同意。我們需要更好、更高效率、更低成本的AI，這些都非常重要。AI向善意味著AI本身具備強大能力，并且是真正為人類服務，讓全人類都能廣泛受益。

我們現(xiàn)在需要建立更經(jīng)濟的AI訓練模式，NPU（神經(jīng)網(wǎng)絡處理器）是實現(xiàn)高效AI的關鍵。谷歌在TPU（一種NPU）方面做得非常出色，與同性能的GPU相比能降低約30%的成本甚至更多。2025年我們將進入AI推理時代，大家現(xiàn)在都在討論智能體，我們的目標是將智能體推理的成本降低100倍，原本需要花1美元（消耗幾百萬token）處理的任務，不久后可能只需要1美分。再過兩年，人們將能夠從AI中獲得更多益處。從這個角度看，AI將能夠覆蓋更廣泛的人群，例如在農(nóng)業(yè)農(nóng)村發(fā)展、醫(yī)療健康、教育等各個領域，AI都能發(fā)揮巨大的價值。

如今，許多國家和地區(qū)都在訓練自己的AI模型。中國在AI方面發(fā)展得非常快，也在不斷探索更多AI的應用場景。預計到2027年，也就是兩年后，AI應用和智能體的普及率將超過70%；再往后推三十年，這個比例預計會超過90%。現(xiàn)在每家公司都在使用AI，每個普通用戶也都在用。

AI能夠提供被采納后的反饋，而來自真實世界的反饋對AI來說也非常重要。這可以從兩個方面來看：一方面，我們?yōu)锳I提供輸入，這本身是一種反饋；另一方面，AI給出反饋后，我們再對它進行反饋，這樣AI就會變得更聰明。這也是我們公司的目標和產(chǎn)品方向——我們已經(jīng)設計了5代NPU和GPU，希望能為整個行業(yè)提供更具成本效益的AI芯片。

2、辛頓稱忽視實際應用或底層技術，都是重大失誤

吳軍：今年7月您曾去過上海，看到有很多研究機構都在做大語言模型；您也經(jīng)常來香港，香港和深圳北正成為全球硬件中心并誕生大量原生AI硬件。在AI時代，您認為兩地（長三角和粵港澳大灣區(qū)）哪個有更明顯的優(yōu)勢？

杰弗里·辛頓：長三角和大灣區(qū)各自的優(yōu)勢是不同的。我們需要思考如何通過AI的應用與研究來創(chuàng)造更多價值，針對不同的應用場景提出新思路，這些都非常關鍵。我們努力讓AI變得更智能，但如果忽視實際應用，將會是一個重大失誤；而如果只考慮應用，卻不思考如何改進技術、推動底層理念的發(fā)展，那同樣是大錯特錯。中國擁有上海周邊的長三角地區(qū)，那里聚集了大量的AI技術開發(fā)力量；而大灣區(qū)或許會更側重于AI的應用層面。基礎研發(fā)和應用兩者都非常重要。

吳軍：下一個問題想問陳博士。您提到五年后token的計算價格可能會大幅降低，屆時芯片市場或許會占整個AI市場的20%。您預計未來3-5年芯片市場規(guī)模會達到多大？如果不考慮英偉達，未來3-5年整個市場規(guī)模又是多少？這將對整個行業(yè)產(chǎn)生怎樣的影響？

陳寧：五年后，芯片在整體市場中的份額確實會下降。到2030年，AI芯片產(chǎn)業(yè)規(guī)模可能達到約5萬億美元（市場收入）。今年我們還沒看到大的變化，但到2035年，AI將實現(xiàn)從訓練到推理的整體轉型或說過渡。AI模型會有更多應用，而智能體的應用也需要做得非常出色。大約12個月后，我們或許會看到推理芯片的市場規(guī)模超過訓練芯片。

到2030年，訓練芯片的規(guī)模可能在1萬億美元左右，而推理芯片可能接近4萬億美元。剛才提到芯片占整體市場的比例會下降，這主要是由于訓練芯片占比降低，但推理芯片有望大幅增長。總體來看，通過相應的計算，推理芯片應該會占到AI芯片的80%，這個數(shù)字是經(jīng)過比較準確的測算的。

未來五年，AI將重新定義所有數(shù)字應用、硬件和電子設備，AI智能體也可以幫助我們的生活變得更高效、更美好，屆時AI推理芯片將無處不在。我也向國際電聯(lián)提出建議，希望他們能啟動一項全球推理芯片的標準制定，讓世界各地都能在互聯(lián)互通的網(wǎng)絡中獲取更多收益和價值。相信AI芯片會像水電一樣無處不在，發(fā)揮巨大作用，同時成本也會大幅降低。

3、辛頓：不后悔發(fā)布神經(jīng)網(wǎng)絡論文，但應該更早警惕AI風險

吳軍：我對您的經(jīng)歷很感興趣，您在本科沒有讀計算機而是選擇心理學等其他專業(yè)，廣泛的涉獵如何幫助你成為最頂尖的計算機科學家？或者說，對計算機科學家而言，是否有其他技能可以幫助他們更好地錘煉自己？

杰弗里·辛頓：我讀的是心理學、生理學和哲學，一開始完全不懂計算機科學。如果說要我動手搭建一條管線，我可能毫無辦法；但如果是要提出一個解決方案，我可以給你一些相關的建議。早在中學時期，我就對生理學特別感興趣，我想弄明白大腦是如何運作的。我學習了心理學、生理學，后來又學了人工智能和神經(jīng)科學。這些不同的學科其實都是為了解決某些具體問題。所以當我們遇到真正棘手、特別困難的難題時，跨學科的知識往往能提供更好的解決辦法。當我們想要解決一個問題時，就會主動去學習那個領域的知識，以此推動問題的解決。這也是為什么我后來會去學習統(tǒng)計物理學。

吳軍：上世紀90年代初，神經(jīng)科學還是一個非常熱門的領域，但十年之后出現(xiàn)所謂的“神經(jīng)科學的冬天”，很多這個領域人才離開了研究崗位，轉向其他領域。對你來說，是什么讓你相信自己仍然走在正確的道路上？在人工智能遭遇寒冬的時候，你為什么會堅持走下去？

杰弗里·辛頓：對我來說，最關鍵的并不是我要做出怎樣的技術，而是我想理解大腦是如何學習的。當我們最初發(fā)現(xiàn)神經(jīng)網(wǎng)絡時，在數(shù)據(jù)有限的情況下，它的表現(xiàn)甚至不如SVM（支持向量機）。但我依然繼續(xù)研究神經(jīng)網(wǎng)絡，因為我對大腦的學習機制太感興趣了。后來事實證明，支持向量機之所以一度表現(xiàn)優(yōu)于神經(jīng)網(wǎng)絡，是因為當時使用的數(shù)據(jù)集比較小；一旦有了海量數(shù)據(jù)，神經(jīng)網(wǎng)絡的價值就真正展現(xiàn)出來了。

陳寧：如果您有一臺時光機，可以回到2012年，甚至回到開始研究神經(jīng)網(wǎng)絡后的幾十年，你還會發(fā)表那篇AlexNet論文嗎？如果沒有發(fā)表那篇論文，現(xiàn)在的技術發(fā)展會慢很多嗎？

杰弗里·辛頓：這個問題其實不太好回答。我認為該發(fā)生的終究會發(fā)生，我可能還是會發(fā)表那篇論文。但如果真能回到過去，我可能會從那時候起，就開始警惕人工智能可能帶來的一系列風險——這是我現(xiàn)在能想到的、若回到過去會想做的事。

結語：務實發(fā)展推動AI普惠，全球協(xié)作治理推動AI向善

在這場跨越地域與視角的對話中，辛頓以其一以貫之的深刻與警醒，將超級智能的長期風險置于聚光燈下。而來自中國AI產(chǎn)業(yè)前沿的探索者，則展示了如何通過技術創(chuàng)新與產(chǎn)業(yè)協(xié)作，在當下解決成本、能效與普惠等迫切問題。

兩者看似一遠一近，實則構成了應對AI時代挑戰(zhàn)不可或缺的一體兩面。沒有對終極風險的清醒認知，當下的狂奔可能迷失方向；而缺乏將宏大愿景轉化為務實解決方案的能力，再深刻的警告也可能淪為無力的空談。

可以看到，從降低百倍推理成本的具體目標，到構建全球芯片互聯(lián)標準的倡議，中國力量正在嘗試將安全、普惠與發(fā)展的多重目標，編織進技術演進的現(xiàn)實路徑中。