872
本次活動(dòng)于2025年3月15日舉辦，采用線上+線下的方式，研討主題為：AI Infra賽道。本次分享會(huì)得到了來(lái)自于深合投資、毅嶺資本、碧鴻投資等機(jī)構(gòu)的廣大投資人的熱情參與和探討。后續(xù)我們將持續(xù)進(jìn)行其他主題的行業(yè)分享會(huì)，如有意愿參與分享的企業(yè)和嘉賓，可聯(lián)系我們報(bào)名參與。
分享企業(yè)簡(jiǎn)介——澎峰科技
澎峰科技是一家以“軟件定義算力”為核心的AI基礎(chǔ)設(shè)施領(lǐng)軍企業(yè)，核心團(tuán)隊(duì)源自中科院，匯聚了高性能計(jì)算與人工智能領(lǐng)域的頂尖專家。公司致力于通過(guò)自主研發(fā)的國(guó)際領(lǐng)先算力基礎(chǔ)軟件棧，為算力芯片企業(yè)提供加速計(jì)算解決方案，通過(guò)軟件優(yōu)化釋放硬件潛能，構(gòu)建從芯片適配到行業(yè)落地的AI全棧能力。作為國(guó)產(chǎn)算力生態(tài)的關(guān)鍵參與者，公司已攜手海光、華為、中科院等10+芯片企業(yè)及20+智算中心，推動(dòng)國(guó)產(chǎn)AI基礎(chǔ)設(shè)施的規(guī)?；瘧?yīng)用，加速智能時(shí)代的全面到來(lái)。
—核心產(chǎn)品—
PerfMPL高性能計(jì)算庫(kù)：以O(shè)penBLAS為基礎(chǔ)，覆蓋FFT、SPARSE、DNN等計(jì)算場(chǎng)景，顯著提升芯片計(jì)算性能，適配國(guó)產(chǎn)異構(gòu)算力硬件（如華為昇騰、寒武紀(jì)、燧原等）。PerfXAPI異構(gòu)計(jì)算平臺(tái)：提供統(tǒng)一API接口，支持跨架構(gòu)硬件(CPU/GPU/NPU)的快速開(kāi)發(fā)與部署，內(nèi)置集成開(kāi)發(fā)環(huán)境，簡(jiǎn)化復(fù)雜工作負(fù)載管理。PerfXCloud大模型服務(wù)平臺(tái)：向下兼容主流國(guó)產(chǎn)算力與AI框架，向上提供模型推理、微調(diào)、插件生態(tài)等全流程服務(wù)，已集成80+大模型，助力企業(yè)及開(kāi)發(fā)者高效開(kāi)發(fā)AI應(yīng)用。
01分享會(huì)內(nèi)容概要
AI Infra賽道是生成式人工智能領(lǐng)域的重要組成部分，涵蓋了從算力芯片的研發(fā)到算力運(yùn)營(yíng)的全過(guò)程。隨著深度學(xué)習(xí)模型的不斷發(fā)展，尤其是像DeepSeek這樣的模型的出現(xiàn)，AI基礎(chǔ)設(shè)施的需求和應(yīng)用正在經(jīng)歷巨大的變革。
AI Infra的定義
- 算力芯片：包括GPU、FPGA、ASIC等芯片的研發(fā)和生產(chǎn)，這些芯片為AI模型提供強(qiáng)大的計(jì)算能力。
- 算力運(yùn)營(yíng)：涉及算力中心的建設(shè)和運(yùn)營(yíng)，確保算力資源的高效分配和使用。
- 軟硬件協(xié)同：AI模型的訓(xùn)練和推理不僅依賴于硬件，還需要高效的軟件優(yōu)化，如模型壓縮、分布式計(jì)算等技術(shù)。
產(chǎn)業(yè)鏈
- 上游芯片制造：國(guó)產(chǎn)芯片企業(yè)（如華為、寒武紀(jì)等）正在崛起，但在技術(shù)上仍與國(guó)際領(lǐng)先企業(yè)（如英偉達(dá)）存在差距。
- 中游算力中心：國(guó)內(nèi)大量建設(shè)算力中心，但存在算力利用率低、適配性差等問(wèn)題。
- 下游應(yīng)用需求：AI應(yīng)用（如大模型、智能助手等）的爆發(fā)式增長(zhǎng)，推動(dòng)了對(duì)算力的巨大需求。
現(xiàn)狀與未來(lái)
- 單純的算力規(guī)模并不能滿足需求，關(guān)鍵在于如何提高算力效率，即“有效算力”的重要性日益顯現(xiàn)。算力中心建設(shè)與實(shí)際應(yīng)用需求之間存在脫節(jié)，導(dǎo)致部分算力資源閑置。一方面我們可以看到應(yīng)用場(chǎng)景的多樣化，AI應(yīng)用正在滲透到內(nèi)容生成、數(shù)據(jù)分析、智能助手等多個(gè)領(lǐng)域。另一方面我們也可以注意到許多企業(yè)和組織都在構(gòu)建自己的AI生態(tài)，通過(guò)技術(shù)優(yōu)化和資源整合，提升算力資源的利用效率。
- 展望未來(lái)， AI Infra的發(fā)展需要芯片、算法、算力中心等多環(huán)節(jié)技術(shù)的深度融合，構(gòu)建高效、安全、可持續(xù)的AI基礎(chǔ)設(shè)施，是未來(lái)AI技術(shù)發(fā)展的關(guān)鍵?？傊?，AI Infra賽道正處于快速發(fā)展和變革之中，技術(shù)、產(chǎn)業(yè)鏈和安全將是未來(lái)發(fā)展的核心要素。
02研討會(huì)問(wèn)題精選
問(wèn)：國(guó)內(nèi)目前的這些AI Infra企業(yè)，如果從長(zhǎng)遠(yuǎn)的商業(yè)化來(lái)看，未來(lái)的發(fā)展路徑會(huì)是什么樣呢？以及你為什么認(rèn)為這樣發(fā)展？
答：我認(rèn)為可以用“向左走、向右走”來(lái)總結(jié)。
- 向左走：將軟件算法能力轉(zhuǎn)化為硬件化、IP化、工具化，服務(wù)于國(guó)產(chǎn)芯片公司（如華為昇騰、寒武紀(jì)等）。例如，通過(guò)優(yōu)化模型適配國(guó)產(chǎn)硬件，推動(dòng)軟硬協(xié)同創(chuàng)新。
- 向右走：直接面向市場(chǎng)提供AI服務(wù)，包括綁定國(guó)產(chǎn)芯片銷售算力、開(kāi)發(fā)API接口服務(wù)客戶，或?yàn)槠髽I(yè)提供定制化算力解決方案。例如，無(wú)問(wèn)芯穹通過(guò)私有化部署AI工具鏈降低企業(yè)推理成本。
問(wèn)：為何企業(yè)需要在這兩個(gè)方向中選擇？
答：我認(rèn)為核心原因是AI產(chǎn)業(yè)鏈的“斷層”現(xiàn)狀：
- 上游芯片與下游應(yīng)用脫節(jié)：國(guó)產(chǎn)芯片（如海光、昆侖芯）的性能尚未完全匹配大模型需求，導(dǎo)致應(yīng)用層企業(yè)需適配不同硬件架構(gòu)。
- 算力效率瓶頸：?jiǎn)渭兌哑鏊懔σ?guī)模無(wú)法解決實(shí)際問(wèn)題，需通過(guò)算法優(yōu)化提升“有效算力”。
- 商業(yè)模式分化：企業(yè)需在技術(shù)自研（向左）與商業(yè)化落地（向右）之間平衡投入與收益。
向左走適合適合具備算法積累的企業(yè)，通過(guò)技術(shù)復(fù)用降低硬件適配成本，或者叫技術(shù)導(dǎo)向型的企業(yè)。風(fēng)險(xiǎn)在于需長(zhǎng)期投入研發(fā)，短期商業(yè)化效果有限。向右走適合已有客戶資源的企業(yè)，通過(guò)快速迭代服務(wù)搶占市場(chǎng)份額，或者叫市場(chǎng)導(dǎo)向型企業(yè)。風(fēng)險(xiǎn)在于依賴外部算力供應(yīng)商，議價(jià)能力較弱。
從市場(chǎng)來(lái)看，向右走（商業(yè)化落地）更受資本青睞，例如提供MASS API服務(wù)的初創(chuàng)企業(yè)融資活躍。但我認(rèn)為長(zhǎng)遠(yuǎn)來(lái)看，向左走（軟硬協(xié)同）將成為核心競(jìng)爭(zhēng)力，尤其在國(guó)產(chǎn)替代背景下，算法與芯片的深度綁定是突破“卡脖子”問(wèn)題的關(guān)鍵。
問(wèn)：國(guó)產(chǎn)AI Infra在生態(tài)與能效上面臨哪些挑戰(zhàn)？
答：生態(tài)碎片化：國(guó)產(chǎn)芯片廠商（如華為、寒武紀(jì)）的軟件棧與CUDA生態(tài)不兼容，開(kāi)發(fā)成本高。能效比低：智算中心處理1G數(shù)據(jù)耗電13kW·h，需通過(guò)液冷技術(shù)、異構(gòu)計(jì)算架構(gòu)（如16卡GPU集群）提升能效。未來(lái)AI生態(tài)的構(gòu)建需兩者結(jié)合，回到前一個(gè)問(wèn)題中，我認(rèn)為通過(guò)左側(cè)的技術(shù)創(chuàng)新支撐右側(cè)的商業(yè)落地，最終形成“算法-芯片-應(yīng)用”的閉環(huán)。
問(wèn)：開(kāi)源生態(tài)對(duì)AI Infra發(fā)展有何影響？
答：開(kāi)源生態(tài)會(huì)推動(dòng)技術(shù)普惠，DeepSeek開(kāi)源的FlashMLA、DeepGEMM等工具鏈，推動(dòng)大模型訓(xùn)練效率提升至硬件極限。也可以加強(qiáng)生態(tài)整合，開(kāi)源社區(qū)加速國(guó)產(chǎn)芯片適配，例如驛基于3FS系統(tǒng)構(gòu)建低成本存儲(chǔ)方案，兼容主流框架。開(kāi)源可能導(dǎo)致技術(shù)同質(zhì)化，風(fēng)險(xiǎn)與機(jī)遇并存，同時(shí)也為初創(chuàng)企業(yè)提供硬件創(chuàng)新機(jī)會(huì)（如LPU推理芯片）。
問(wèn)：AI Infra市場(chǎng)的未來(lái)格局會(huì)是怎樣的？
答：市場(chǎng)可能呈現(xiàn)“公有主導(dǎo)、私有補(bǔ)充”態(tài)勢(shì)，但存在兩大變數(shù)：硬件不確定性：國(guó)產(chǎn)芯片（如寒武紀(jì)）與進(jìn)口芯片（如英偉達(dá)H100）的適配效率影響市場(chǎng)格局，異構(gòu)計(jì)算架構(gòu)或成主流。應(yīng)用驅(qū)動(dòng)：若AI應(yīng)用（如Agent）爆發(fā)，可能由應(yīng)用廠商主導(dǎo)AI Infra需求，倒逼基礎(chǔ)設(shè)施升級(jí)。
問(wèn)：創(chuàng)業(yè)公司在AI Infra賽道中如何與大廠競(jìng)爭(zhēng)？
答：創(chuàng)業(yè)公司需聚焦細(xì)分場(chǎng)景與大廠形成差異化競(jìng)爭(zhēng)。例如，選擇企業(yè)私有化部署場(chǎng)景，通過(guò)優(yōu)化模型推理成本（如DeepSeek的千億模型部署方案）切入市場(chǎng)。具體策略我認(rèn)為可總結(jié)為3點(diǎn)。第一，技術(shù)專精：即針對(duì)特定硬件（如國(guó)產(chǎn)芯片）或場(chǎng)景（如端側(cè)推理）開(kāi)發(fā)適配工具鏈，減少算力閑置并提升效率。第二，成本控制：通過(guò)模型壓縮、FP8精度計(jì)算等技術(shù)降低推理成本，例如DeepSeek將千億模型推理成本壓縮至可商用范圍。第三，生態(tài)合作：與芯片廠商（如華為昇騰）或云服務(wù)商聯(lián)合開(kāi)發(fā)訓(xùn)推一體機(jī)，彌補(bǔ)自身硬件短板。
