对话无问芯穹CEO夏立雪：算力错配如何破局？

中新经纬3月31日电 (林琬斯 谢婧雯)随着大模型技术取得突破性进展，AI算力需求呈现爆发式增长。如何优化算力资源配置、推动国产芯片应用场景落地？

30日，2025中关村论坛年会期间，无问芯穹智能科技有限公司(下称无问芯穹)联合创始人、CEO夏立雪接受中新经纬采访时表示，中国AI正以“算力标准化整合+软硬协同优化”破局生态分散与算力错配，国产芯片在推理场景的可用性已获验证。

无问芯穹联合创始人、CEO夏立雪 受访者供图

生态分散与算力错配是AI的“成长烦恼”

在人工智能技术加速迭代的当下，中国AI产业正面临双重挑战——生态分散与算力错配。

夏立雪指出，当下中国人工智能的算力生态比较分散，并未打通和整合。与此同时，算力供需的结构性矛盾日益突出。一方面，大模型训练与推理需求激增，算力供给不足；另一方面，算力资源分布不均，利用率差异显著。“某些地区算力闲置，某些地区资源疯抢，整体配置和使用效率不高。”夏立雪表示。

夏立雪举例，DeepSeek推出后爆火，但推理场景的性价比较低仍旧是当前面临的挑战，暴露的本质问题仍是算力不足和供需关系失衡。他表示，很多国产芯片支撑AI在场景落地时，仍需解决能效优化、应用适配性和平台兼容性等多方面问题。夏立雪指出，中国人工智能生态的分散性已形成显著掣肘。“芯片厂商不了解算法需求，算法厂商不熟悉芯片性能，闭环难以形成。”

无问芯穹是一家AI标准化算力运营商，实现了多种大模型算法在多元芯片上的高效协同部署。针对算力供给不足和供需匹配错位的问题，无问芯穹打造了一个中间协调的平台——Infini-AI异构云，通过协调芯片厂商和算法厂商，以“淘宝式”资源整合破解困局，实现整个AI生态的闭环整合。

夏立雪提到，分散的算力中心就像毛坯房，需要通过技术优化“装修”成标准化产品，再以中介平台实现跨区域调度。他认为，平台既要当装修工又要成为“链家”一样的中介。装修工需要优化底层硬件性能，中介则要帮助匹配供需，促进资源最大化利用。

国产芯片支撑中国AI应用落地已得到验证

夏立雪透露，无问芯穹于春节后快速上线了7款国产芯片适配DeepSeek-R1和V3的推理服务，其中部分芯片通过线下定制化模式同步推进。“我们看到了一些令人振奋的成果。”国产芯片已能支持DeepSeek推理任务落地，其性价比可以通过一些优化手段提高。“这证明中国的芯片其实是能够支撑中国的AI落地的。”

夏立雪表示，此前其团队也帮助国产芯片在AI的训练环节成功使用。“我们用了某一款国产芯片的显卡完成大模型训练任务，这初步证明国产芯片也能在训练阶段应用。”夏立雪坦言，尽管当前千亿参数级大模型对算力要求陡增，国产芯片仍可通过混合训练破局——将英伟达与国产芯片组合搭建集群。“先解决‘跑起来’的问题，再逐步优化系统效率。”

针对算力瓶颈问题，夏立雪提到目前存在两个解决方案。一是通过多元异构实现算力标准化，将不同架构芯片整合为资源池。“就像水电煤等基础资源中的电力资源一样，我们不管它是风电、水电还是火电，都能用起来。”

而对于芯片异构时产生的效率和性价比问题，夏立雪表示，这时需要用到第二个方案——软硬协同优化技术。软硬件协同的系统架构设计对于推动Scaling Law， 特别在国内算力受限场景下实现模型能力的突破，具有重要意义。例如，根据新一代模型架构来定义未来芯片的底层电路实现，以及根据国产AI系统的互联通信方式来设计高效的混合专家模型结构等。“这与DeepSeek团队优化英伟达硬件的思路一致，但我们聚焦于国产芯片价值挖掘。”夏立雪强调。

夏立雪认为，国产芯片在大模型的推理场景大有可为，因其可实现任务拆分，可逐渐走向市场。但在更大规模的模型训练上，单芯片的算力会受到一定限制，需要搭建更大的集群，才能完成国外相同算力的产出。“训练领域确实还需要更多上下游的紧密配合。”夏立雪说。

针对人工智能产业投资热度能否持续的问题，夏立雪表示，技术落地确定性的提升，是投资信心增强的核心动因。他感受到，投资圈在DeepSeek出世后，对人工智能的信心大幅提升。此前投资圈最担忧大模型何时真正落地，而DeepSeek验证了技术变现的可行性，市场预期向好。

他强调，中国兼具最大应用场景与强政策支持双重优势，人工智能产业上下游都是非常值得投资的赛道。对于短期热度，夏立雪认为其对于产业的快速发展是有帮助的，AI是典型的技术驱动型行业，前期投入除了商业订单也需要资本支撑。

(更多报道线索，请联系本文作者林琬斯：linwansi@chinanews.com.cn)(中新经纬APP)

(文中观点仅供参考，不构成投资建议，投资有风险，入市需谨慎。)

中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其他方式使用。

责任编辑：常涛 罗琨