云天勵飛董事長陳寧：AI推理時代已至　推理芯片崛起將是中國科技復興巨大機遇

每經記者：涂穎浩 陳 旭

當對話式人工智能工具——ChatGPT點燃的全球AI（人工智能）訓練競賽逐漸開始白熱化，一個更深層次的產業變革悄然發生。2025年，被業界普遍視為“AI應用大爆發的元年”，智能體（Agent）正從概念走向現實。而在應用爆發的背后，是百倍增長的推理算力需求與高昂成本之間的尖銳矛盾。在這場由“訓練”轉向“推理”的算力范式革命中，中國AI芯片產業能否抓住歷史性機遇？

視覺中國圖

在日前舉辦的雪球嘉年華會議期間，云天勵飛董事長兼CEO（首席執行官）陳寧在接受《每日經濟新聞》記者專訪時表示，人工智能就像當年的第一臺蒸汽機、第一個燈泡、第一臺計算機，可以說，人工智能是未來五年科技突破的關鍵。

陳寧認為，中國在算法上已能夠將跟世界先進水平之間的差距縮短至數月，甚至在應用、數據、能源、系統集成方面更有優勢。

在陳寧看來，推理芯片賽道是中國實現“超車”的關鍵。這場關于重新定義算力的競賽才剛剛吹響號角，中國第一次與全球站在相近的起跑線。“我們有機會，也必須抓住這個機會。”

推理芯片展現巨大潛力

在陳寧看來，人工智能產業的發展可以清晰地劃分為三個階段。

第一階段是2012年至2020年的“智能感知”時代，以小模型驅動特定場景的解決方案為主，市場的特點就是碎片化，難以規模化復制。

第二階段是2020年至2025年的AIGC（人工智能生成內容）時代，大模型展現出驚人的內容生成能力，除了英偉達這個“賣鏟人”，整個行業都在尋找盈利閉環。

“2025年，我們進入了第三個階段——Agentic AI（代理式人工智能）時代。”陳寧強調，無論是豆包手機、AI眼鏡，還是人形機器人，其本質都是將大模型、操作系統與硬件載體深度融合的智能體。它們能獨立完成復雜任務，替代部分工作崗位，這才是AI引發產業革命的真正形態。這個時代的核心特征是應用爆發，而應用背后所需的算力，正從以訓練為主轉向以推理為主。

“這是根本性轉折。”陳寧表示，訓練追求極致性能和迭代速度，而推理要大規模商業化，必須講求市場經濟，追求極高的性價比。

陳寧以19世紀初英國化學家戴維發明了世界上第一個實驗性電燈為例，指出直到愛迪生通過商業化改良、降低成本并建設了電網，才真正將電力革命推向千家萬戶。

陳寧笑稱，黃仁勛可能成為AI領域的戴維，因為前者定義了訓練時代，而推理時代的“愛迪生們”正在涌現，這也從另一個角度決定了誰才能真正主導一場產業革命。

正是這一轉變，打破了英偉達憑借CUDA（英偉達給自家GPU量身打造的專屬工具）生態和GPGPU（通用圖形處理器）在訓練時代建立的壟斷格局。

陳寧表示，此前，黃仁勛長期堅持“通用計算”理念，認為算法迭代極快，專用推理芯片容易過時，主張通過GPU（圖形處理器）的通用性來覆蓋推理需求。但市場規律證明了推理芯片賽道的不可替代性。谷歌在最新的TPU（張量處理器）戰略中明確了“訓推分離”的趨勢，加碼推理專用的算力權重，博通為Meta、OpenAI定制推理芯片，都證明了獨立的推理芯片賽道崛起，并展現出巨大潛力。

對于中國而言，這意味著一場難得的“超車”機遇。陳寧坦言，在訓練賽道上，由于先進制程受限、CUDA生態壁壘高筑，中國企業追趕英偉達差距較大，風險也越來越大。但在推理芯片賽道上，全球都剛剛起步，游戲規則不同。

“推理更接近應用場景，要為用戶提供更高性價比的產品，這正是中國產業所擅長的。”陳寧判斷，推理芯片的崛起，將是中國科技復興的巨大機遇。

推理需求現爆炸性場景

面對AI推理時代的全新需求與挑戰，陳寧認為，一味簡單模仿英偉達的GPGPU架構并非出路。推理任務的計算范式發生了根本變化，尤其是Prefill（預填充）和Decode（解碼）兩個階段對算力和帶寬的需求不同，傳統架構面臨瓶頸。

為此，云天勵飛（云天勵飛U，SH688343，股價77.10元，市值276.66億元）提出了新的芯片架構——GPNPU，旨在融合三大核心能力：首先是頂層結合GPGPU的SIMT編程范式，具有通用靈活的調度架構，這樣可以更便利地兼容CUDA生態；其次是結合指令集微架構設計能力，去優化GPGPU里面的矩陣類計算的硬件；與此同時，基于國產工藝和全國產產業鏈融合一系列先進封裝技術，打破內存瓶頸，降低成本。

GPNPU的目標，是在計算算力、存儲帶寬、存儲容量三者間實現更優配比，滿足面向未來推理芯片時代多元化異構推理算力的需求。無論是單位硅芯片面積的計算性能上，還是模型迭代的遷移成本上，包括算子優化提升的硬件利用率，尤其是通過高能效、低功耗等一系列的芯片技術降低運營過程中能源成本，能真正實現全方位降低用戶的TCO（總體擁有成本）。

展望未來，陳寧描繪了推理需求的爆炸性場景。他以豆包大模型為例，其日均Token（文本處理的最小單元）處理量已達50萬億且增速驚人。陳寧給出“粗算”的假設，即便以50萬億為基準不再增長，面向大規模在線推理的資本開支與運營開支也會非常可觀。

陳寧進一步判斷，若Token規模短期繼續上行，明年上半年可能觸及100萬億，而在單位能效不發生顯著改善的情況下，電力與散熱等基礎設施壓力可能出現“千倍級”的數量級躍遷。

為支撐AI規模化、產業化，陳寧提出在較短周期內把“百萬Token”的推理綜合成本降低到“一分錢”級別。這需要通過架構革命（如存算一體）和工藝創新才能實現，這也正是中國企業的機會所在。