太初元碁喬梁：AI算法已經跑到單芯片極限｜MEET2026

編輯部 整理自 MEET2026
量子位 | 公眾號 QbitAI

隨著AI技術不斷發展落地，行業應用對于算力的需求與日俱增，這已經成為廣泛共識。

與此同時，算法本身的規模和復雜度也在成倍增長，讓整個行業正式邁入一個更高強度的算力周期，對此太初元碁聯合創始人兼首席運營官喬梁表示：

• 當下行業應用對于算力的需求與日俱增，AI需要算法實現毫秒級精確度，而這恰好帶動算力需求呈指數級增長。

這意味著，在未來的技術演進中，高性能計算將貫穿生產制造、科學研究到AI落地的全鏈路，成為各類計算場景的底層支撐力量。

在本次量子位MEET2026智能未來大會上，喬梁圍繞超智融合、異構融合等關鍵詞分享了自己對國產算力生態建設的看法：

目前，各類AI大模型、不同領域的AI Agent落地都需要大量算力來支撐，在這一背景下，“超智融合發展”已成為行業共識。

無論是AI算法的迭代，還是傳統科學計算的發展，未來的趨勢都會指向同一件事：在通用計算的場景下，通過硬件架構的設計來實現異構融合。

為了完整體現喬梁的思考，在不改變原意的基礎上，量子位對演講內容進行了編輯整理，希望能給你帶來更多啟發。

MEET2026智能未來大會是由量子位主辦的行業峰會，20余位產業代表與會討論。線下參會觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關注與報道。

核心觀點梳理

• AI技術的成熟改變了傳統科學計算模式，高性能計算技術在傳統生產制造、科學研究和AI落地場景中貫穿始終。未來，硬件廠商和軟件開發者都將面臨更大市場機會和發展前景。
• 超智融合是大勢所趨，將面向更多計算領域場景，需要綜合算力基礎設施提供智算底座。
• 單顆芯片性能已經成為AI算法發展瓶頸，太初元碁自主設計PC link，實現128卡芯片間高速互聯，為AI算法增長提供硬件基礎。
• 接下來需要大規模擴展和互聯系統，為AI算法提供硬件基礎。
• 國內發展人工智能產業離不開開源生態，行業需要企業共同組建開源平臺。

以下為喬梁演講全文：

算力時代的演進：從傳統科學計算到“超智融合”

隨著AI技術不斷發展落地，行業應用對于算力的需求與日俱增，這已經成為廣泛共識，AI需要算法實現毫秒級精確度，而這恰好帶動算力需求呈指數級增長。

在過往，談論到計算，大家腦海中或許想到的是傳統科學領域的計算需求，在那個階段，我們說算力不夠，需要建設超算中心作為算力支撐，這些是服務于科學計算領域對大量高精度數據以及復雜算法處理的需求。

目光轉移至當下，AI爆發后，我們更多需要以AI算法的泛化性來看待算力需求問題。

換言之，如今AI對于算力龐大的需求，是泛化性所帶來的，各類AI大模型、不同領域的AI Agent落地都需要大量算力來支撐。

在這一背景下，超智融合發展成為共識。

作為一家聚焦高性能計算的國產AI芯片企業，今天我們給大家分享太初元碁是如何推動高性能計算加人工智能（HPC+AI）落地，以及一些行業發展思考。

早些年可以看到，國內的超算中心多聚焦氣候氣象、流體力學等領域的科學計算分析，數智時代的到來，伴隨著AI技術日趨成熟，科學計算的關注點與計算模式也正在被改變。

面向未來，我們認為高性能計算都將貫穿從傳統科學研究到生產制造，甚至AI+的落地應用的各類場景，其重要性不言而喻。

基于此，對于硬件廠商、軟件開發者而言，機會和前景都是無限的，市場潛力也是無限的，AI推動產業完成時代進化是不可阻擋的。

異構眾核、開源生態與算力系統：太初元碁的技術路線

最近一段時間AI for science大家關注度也很高，太初元碁自身基于高性能計算領域的深耕優勢，我們也嘗試在很多科學計算領域去提速賦能。

2016年神威·太湖之光采用了有別于ASIC或DSA等的異構眾核通用計算架構，實現了純國產自主可控的硬件架構和生態體系。

在這之后，放眼全球，日本、美國等國家的超算中心也在探索異構眾核計算系統技術路線。

我們認為，不管AI算法迭代還是傳統科學計算領域過程的發展，未來是一個在通用計算場景下，通過硬件架構的設計實現異構融合的過程。

目前不管是頭部企業還是知名廠商，為了更好支持各類計算場景，我們都能看到大家在不同維度上嘗試了把異構眾核進行融合。

太初元碁一直也是異構眾核架構技術路線的支持者，無論是早期參與神威·太湖之光的建設，還是后續我們推出的AI芯片，我們發現AI算法逐漸向低精度轉化。

因此我們也采用了一些細粒度的并行優化技術，在硬件層面上保證基于通用計算場景的前提下，更好支持AI場景的落地。

目前，單顆芯片性能已經成為AI算法發展瓶頸，太初元碁自主設計的TC link，可以實現128卡間的scale up高速互聯拓展，為AI算法增長提供硬件基礎。未來也需要集成度更高的高性能計算系統，為AI算法提供硬件基礎。

太初元碁主要優勢之一在于算力中心建設上，服務于大模型訓練包括大型應用場景。

同時，我們也聚焦垂直行業的應用落地，例如，我們與龍芯中科推出AI工作站，基于國產CPU+GPU模式打造針對具體行業的AI硬件。

AI在千行百業落地離不開開源生態，我們認為行業需要企業共同組建開源平臺來推動未來發展，我們也希望進一步把我們底層硬件、軟件進行開源，吸引大家一起把整個AI產業生態建立起來。

HPC+AI在科研、能源、低空經濟的落地實踐

回到具體的應用落地層面，太初元碁基于技術視角服務科研計算行業，比如參與國內多地公共算力基礎設施建設、與高校和科研機構開展聯合課題攻關等等。

同時，我們也希望借助我們在高性能計算領域里的經驗和優勢，能為教科研領域的用戶進行深度賦能。

舉個例子，最近大家可能在關注AI Agent出來后，更多的編程任務是不是可以借助AI來進行代碼開發，通過AI加速實現代碼開發高效化，這也是未來AI產業生態發展的一大機遇。

我們深度參與了百度飛槳社群的建設，太初元碁跟百度的團隊也開展了很多合作，去年，我們一起完成了AlphaFold3蛋白預測模型的國產平臺復現。

同時我們也在科研領域通過利用HPC計算集群生成很多大量、高精度的數值模擬數據，優化AI模型的參數，從而加速實現科研上的突破，例如我們與湖南大學在生物醫藥科研領域也開展了一些合作，取得了一定階段性成果。

針對氣候氣象領域，大家都比較了解，氣候氣象是高性能計算最為擅長的領域，現在我們發現，隨著算力的發展，新能源相關的需求也越來越大。

AI產業的發展，除了硬件作為底層支撐外，能源供應也扮演重要角色，換言之，能源利用或成為影響AI發展的主要限制因素。

對此，我們通過HPC算法對氣候氣象領域進行數據分析，再結合AI算法實現能源利用效率的提升，在全國發電站、發電場景里用AI替代一部分預測預判的算法，更好支撐全國各地建設或者支持算力基礎設施的發展。

最后是低空經濟領域，這也是熱度比較高的領域，這塊也是非常經典的HPC+AI的場景。

我們通過HPC高精度的建模實現一定區域內氣象數據的分析，通過這些模型建立之后再導入到AI模型里，快速更好的支撐低空領域下AI Agent的發展。