小讯AIGC

21世纪经济报道记者 倪雨晴、林典驰 深圳报道

深圳湾科技生态园中，AI弄潮者从四方汇聚。

在这片中国科技产业密度最高的区域之一，21世纪经济报道记者再次见到了云天励飞董事长陈宁。长达1个半小时的深度交流中，陈宁侃侃而谈关于AI的一切。

（云天励飞董事长陈宁）

五年前，记者与陈宁的专访，正值中国AI创业最为喧闹的阶段。新锐企业群雄并起，算法、场景与资本交织，云天励飞也刚刚踏上上市之路。五年过去，陈宁依旧精神饱满，而云天励飞的坐标，已经从AI解决方案，转向更底层、也更具长期价值的AI推理芯片赛道。

这五年，人工智能的边界被不断推开。大模型走出实验室，开始进入手机、电脑和日常生活场景；算力从幕后走向台前，成为产业竞争的核心要素；国产AI芯片，也被推至聚光灯下，成为资本、产业与政策共同关注的焦点，训练和推理市场都如火如荼。这是一个罕见的历史窗口期，而陈宁看中的“AI推理芯片时代”，正在形成市场共识。

市场上并非没有质疑之声。有观点认为，当下AI投入正在积聚泡沫。对此，陈宁有不同的看法：“AI就像蒸汽机刚出现的时候。站在一个村庄的视角，可能会觉得这是泡沫，但站在历史的角度看，这是一个时代的起点。AI一定会经历泡沫和调整，但方向本身不会错。”

陈宁坦言，真正重要的是，站在正确的长期方向上。AI远远没有到天花板，远远没有进入收敛的阶段，或者说现在涌现的只是大语言模型，还有多模态模型、世界模型，机器人模型往何处发展尚且未知，这些领域都在持续发展。

训练时代，英伟达当之无愧的王者，也是标准制定者。但在推理时代，陈宁认为，“所有人都站在同一条新的起跑线上。谁能在成本、效率和系统能力上建立优势，谁就有机会。”

当前，推理已经进入到算力的中心舞台，毫无疑问，接下来AI场上将迎来更繁荣的推理芯片和应用生态。在未来的硬件架构中，可能有更多异构组合，有专门用来做通用计算CPU、有专门做训练的GPU、也有专门做推理的推理芯片。

展望未来，陈宁表示，也许再过15年到2040年的时候，深圳每个市民都会有三台机器人，家里一台服务机器人，一台在办公场所工作，出行有着无人驾驶汽车或者提供经济的旅程。而他最希望的是，每一台机器人上面都印着powered by Intellifusion。

AI新时代的帷幕已经拉开，格局未定。在这场围绕算力、架构与成本的长期竞赛中，芯片厂商们，正在不断加速。

与AI的三个周期同行

《21世纪》：相较于2020年，如今推进芯片研发是否面临不同的契机与考量？

陈宁：事实上，我们始终在坚持做芯片。我在美国工作了十年，一直专注于芯片领域。2014年回国创业时，我们回国申报的第一个项目就是关于神经网络处理器（NPU）的研究，这本就是回国创业的初心。

深圳这座城市非常务实，不讲太多高大上的概念，而是强调解决实际问题。这种环境催生了许多以产品为导向的企业。对企业而言，要生存并穿越周期，就必须等到人工智能真正迎来爆发。因此，我们不仅要做芯片，更重要的是，通过端到端的应用闭环来验证芯片的实际价值。

我们的第一代芯片至今仍在龙岗区政府部门稳定运行。为了有效验证芯片性能，我们需要高质量的前端数据，在芯片上实际部署并测试算法的准确率。在这个过程中，我们逐步构建起覆盖应用、算法与芯片的全栈能力，打通了从芯片、算法到上层应用的完整链条。

《21世纪》：今天的云天励飞是否全面投入AI芯片领域？

陈宁：回过头看，我们的战略方向其实始终未变，但市场策略一直在与时俱进，并经历了三个发展周期。这三个周期，恰好也对应了全球人工智能行业的发展阶段，尤其是中国人工智能落地应用的演进路径。

第一个周期是从2012年AlexNet（一种深度卷积神经网络）出现到2020年，这一阶段可称为智能感知时代。当时主流模型规模较小，核心任务是解决以计算机视觉为主的智能分析问题。在中国，我们主要聚焦于安防、互联网等领域的智能感知应用。

第二个周期从2020年持续到2024年，以自然语言处理和语义理解的重大突破为标志，特别是2022年之后，以ChatGPT为代表的大模型迅速崛起，推动行业进入“大模型时代”。

随着大模型的爆发，对算力的需求激增，尤其是英伟达的高性能计算芯片成为焦点，由此开启了第三个周期，即算力驱动阶段。可以说，直到真正进入这一阶段，我们才迎来了属于自己的“春天”和爆发期。

不过需要强调的是，尽管这一轮算力热潮自2020年前后便已初现端倪，但我们并未盲目追随GPU路线，尤其没有贸然切入训练芯片的赛道。我们始终立足自身技术积累和产业定位，坚持走符合自身发展节奏的道路。

《21世纪》：怎么看中美在AI和芯片发展路径上的差异？

陈宁：美国的发展模式更偏向“从0到1”的原始创新，以理论驱动为主；而中国则更多是应用驱动，强调将技术真正落地到产业场景中。以互联网为例，许多底层技术虽由美国首创，但移动互联网在中国的发展速度和应用规模丝毫不逊色，甚至在某些方面更具活力。

人工智能领域亦是如此。中国的强项并非最早提出基础理论，而在于将已有技术快速转化为规模化、可落地的应用。正因如此，我认为中国不应只聚焦于训练芯片，更应重视推理芯片的巨大机会。

从国家政策来看，《关于深入实施“人工智能+”行动的意见》明确提出：到2027年，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长；到2030年，新一代智能终端、智能体等应用普及率超90%。

这是全球首个由国家层面如此明确、系统地推动人工智能规模化落地的战略。在我看来，中国的大模型发展已取得显著进展，我们或许不是做出最强模型的国家，但只要能与领先者的差距缩短至几个月之内，就足以支撑生产力的变革。

因此，中国的策略很清晰，既然在大模型上已基本追平、进入全球第一梯队，接下来的重点就是鼓励大规模市场化应用，加速AI在各行各业的渗透。而在这一过程中，亟需补齐的关键环节，正是高效运行的推理芯片。

为什么是推理芯片？

《21世纪》：当前业界普遍关注训练芯片与推理芯片，而你一直特别强调推理芯片的重要性，背后的逻辑是什么？

陈宁：我始终认为，训练芯片的市场规模远无法与未来推理芯片的市场潜力相比。

训练更多属于“从0到1”的技术创新阶段。这就像19世纪灯泡的发明，爱迪生并非第一个做出灯泡的人，但他通过系统工程的方式，将灯泡与电网、专利体系结合，使其真正成为可大规模使用的商品，这才引发了真正的工业革命。

同理，训练芯片是推动前沿科研和模型创新的重要工具。AI技术远未触及天花板，训练芯片仍将持续演进。但决定一场技术能否真正转化为产业革命的关键，并不只在于“0到1”的突破，更在于如何实现“1到N”的规模化落地。

在AI时代，推理环节才是真正的“电动机”和“输电网络”，它把训练好的模型部署到千行百业的实际场景中，让AI真正成为现实生产力。

据我们判断，到2030年，全球训练芯片市场规模可能达到约1万亿美元，而推理芯片市场至少将达到4万亿美元，甚至更高。

12月24日，英伟达拿下AI推理Groq的新闻，更印证了这一判断。Groq 是一家专注于 AI 推理芯片研发的明星独角兽，英伟达在 AI 推理能力与生态布局上的前置加码，进一步强化了推理基础设施加速演进的行业信号。

对中国而言，尽管在训练芯片领域与国际领先水平存在差距，追赶仍是必要且紧迫的国家战略任务；但从更长远、更具战略意义的角度看，中国真正的机会和主战场，其实在推理芯片赛道。这里不仅市场空间更大，也更契合中国以应用驱动、产业落地见长的发展优势。

《21世纪》：目前，国内许多芯片厂商都在布局推理方向，如何看待中国推理芯片的发展现状？是否已经迈上了一个新台阶？

陈宁：我想先提出一个行业判断：2025年将是一个重大的转折点。

在过去几年，AI部署主要依赖训练芯片或“训推一体”的方案，即用训练芯片来执行推理任务。那时的核心目标是解决“有没有”的问题，只要能把模型跑起来就行，对成本等指标并不敏感。

但进入2025年，一个显著的变化正在发生：训练与推理开始真正分离。训练专注于模型的构建与优化，而推理则走向专业化、高效化和场景化，形成独立的技术路径和产品体系。

今年我们已经观察到几个关键现象：过去半年，大模型的使用已从技术圈扩展到普通大众，身边的老人、孩子都在用大模型，手机上普遍安装了多个AI应用，“有事没事问一问”正成为一种日常习惯。这种用户行为的转变，是在2025年才真正成型的。

这非常类似于2007年iPhone发布后，手机从功能机迈向智能机的拐点。彼时，智能手机不仅改变了设备形态，更重塑了整个软件生态和用户生活方式。今天，AI推理的普及也正在开启一个全新的时代：AI不再只是实验室里的技术，而是嵌入每个人生活和每个产业环节的基础设施。

《21世纪》：在推理芯片这一赛道上，云天励飞的差异化在哪里？

陈宁：我们最新提出的GPNPU架构，可以理解成是中国版的TPU。相较于 GPGPU，GPNPU 在推理效率与成本控制上，能够实现数个数量级的优化。该架构在一个统一的大架构框架下，融合了三方面的核心优势：

第一，借鉴GPU在顶层架构上的可编程性与生态兼容性。这使得客户在迁移现有模型和应用时成本更低，也更易于被广大软件工程师接受和使用。

第二，继承NPU在推理任务中的高能效优势。我们的团队拥有近20年的芯片架构设计经验，长期坚持“算法芯片化”的理念，即将对AI算法的深刻理解转化为底层硬件的执行级优化，在性能、功耗与成本之间实现精细平衡。

第三，深度融合存算一体技术。我们认为，这是中国AI芯片实现差异化突破的重要机遇。在先进制程工艺受限的现实条件下，必须通过先进封装与存算一体等创新路径，构建自主可控的技术体系。

归根结底，芯片设计并非简单的公式套用，而是一门艺术，它是在性能、功耗、面积与成本之间不断权衡与优化的过程。gpnpu比gpgpu在推理效率和成本实现几个数量级的优化

《21世纪》：基于GPNPU架构的Nova500芯片现在进展如何？是在研发阶段，还是已经流片？

陈宁：基于Nova500的芯片预计将在明年流片。我们对这款芯片有比较大的期待，希望通过全新架构，在推理赛道上性能对标全球头部企业，价格还能有一定优势。

《21世纪》：目前云天励飞的芯片订单需求主要来自哪些领域？

陈宁：从客户结构来看，目前需求最明确的是来自互联网头部大厂。第二梯队包括三大通信运营商以及部分中大型互联网企业。

第三类客户是AI领域的创业公司，涵盖专注于大模型研发和AI应用整合的企业。这类公司创新节奏快，产品迭代迅速，有些甚至在短短半年内就能推出一款市场爆款，因此对推理芯片的需求增长明显。

《21世纪》：会不会出现和某一家互联网大厂合作特别紧密的情况？

陈宁：互联网大厂都会有多家供应商的策略，一方面是供应链安全，另一方面是产品线需求不同。

但可以确定的是，互联网大厂是推理芯片的终极目标客户。它们每年的采购额都是上千亿，只要做到第三、第四供应商，都是几十亿、上百亿的订单规模。

国产芯片突围、AI硬件爆发

《21世纪》：从营收结构来看，云天励飞未来会不会更多转向芯片？

陈宁：我们的营收结构变化，其实和AI行业的发展阶段是完全匹配的。

早期是以行业解决方案为主；到了大模型阶段，开始出现标品和服务；接下来，推理算力市场会爆发，推理芯片的出货量会迎来增长拐点。

《21世纪》：在研发投入加大的情况下，盈利压力怎么平衡？

陈宁：作为一家企业，我们不能盲目投入，而必须确保每一分研发资源都精准投向行业即将爆发的关键节点，并以此构建自身的核心竞争力。

首先，在 GPNPU 架构的演进中，我们重点加强与主流生态的兼容性扩展，这是市场准入的必经之路，无法绕开。因此，我们在提升架构灵活性方面进行了较大投入，以降低客户迁移成本并加速落地。

其次，在 NPU 架构优化方面，得益于团队近20年的持续积累，我们已建立起技术护城河。

最后，面向未来大算力需求，我们聚焦于3D堆叠与存算一体等技术，这将是突破先进制程限制的关键路径。

《21世纪》：在推理芯片研发和市场推进过程中，最大的挑战是什么？

陈宁：挑战是多方面的。首先是硬件本身的复杂性。芯片从设计、流片到量产是一个高投入、长周期的过程。

其次是软件生态的构建。要充分发挥硬件性能，必须投入大量资源打造完整的软件栈。

第三是AI技术本身的快速演进。大模型架构、计算范式乃至应用场景都在持续变化，而芯片的设计和制造周期通常长达一到两年。这就要求芯片架构必须具备足够的前瞻性与灵活性，既能适配当前主流需求，又能应对未来可能的技术路径变迁。

《21世纪》：如何看待半导体市场的并购趋势？

陈宁：我认为，并购活动将越来越多，根本原因在于，AI应用和AI推理这两大生态正在快速崛起，催生出大量新机会。我们自身也在积极布局，正在筹备多支产业基金，包括风险投资基金和并购基金。这种布局正是基于对赛道潜力的判断，当一个领域的市场规模从“小而散”走向“大而活”，资本和产业资源就会加速流动。

《21世纪》：如何看待广东省集成电路的发展情况？

陈宁：广东省对集成电路产业高度重视，广州、深圳、珠海等城市都在积极布局。尤其值得一提的是，全省明确提出应用场景开放驱动AI与集成电路产业发展的战略思路，这在全国具有前瞻性。

客观来看，中国集成电路整体仍处于追赶全球先进水平的阶段，尤其在制造环节仍面临“卡脖子”挑战。但广东具备独特的差异化优势，粤港澳大湾区被英伟达CEO黄仁勋称为“全球唯一一个AI与机电一体化深度融合的区域”。这一判断精准点出了广东的核心竞争力：这里不仅是AI算法和软件的试验场，更是AI原生硬件的策源地。

依托庞大的终端市场，广东已形成涵盖“端、边、云”等多元场景的完整应用生态。这种以实际应用为牵引的模式，有效拉动芯片的强劲需求。

在此基础上，广东一方面大力推动AI智能硬件产业集群的发展，另一方面又通过这些硬件产品所产生的真实市场需求，反向精准带动上游产业链，包括芯片设计、制造工艺、EDA工具等环节的协同进步。

以深圳为例，其产业政策尤为聚焦。早在五六年前，深圳就已旗帜鲜明地提出要发展NPU芯片产业。正是这种长期、稳定且前瞻的政策支持，让我们能够坚持十余年深耕NPU架构研发，并最终实现技术积累与产业落地的良性循环。

《21世纪》：今年AI产业链发展迅猛，涌现出大量AI硬件公司，其中很多都来自深圳。这是否意味着行业进入一个新的发展阶段？

陈宁：为什么这么多AI硬件的“爆品”都出自深圳？根本原因在于，深圳堪称AI产品经理的摇篮。这座城市不断孕育出新的创业公司，有些此前名不见经传，却能迅速打开全球市场，取得亮眼成绩。这背后，是深圳对市场、用户和产业土壤的深刻理解。

在深圳，产品经理不仅贴近草根市场，更能敏锐捕捉真实需求。对于AI领域而言，优秀的产品经理不仅要洞察用户痛点，还必须清楚当前大模型的能力边界：知道它们现在能做什么、不能做什么。唯有如此，才能做出务实、可落地的产品，而不是仅凭想象去设计功能。毕竟，现阶段的大模型远非万能，许多事情它实际上还做不到。正是这种脚踏实地的产品思维，让深圳在AI硬件的新阶段中持续领跑。