新场景、新应用引领行业迈向“算力”之春 | 联想创投CEO年会

这个春天，基于大模型技术的应用成为科技圈的风暴眼，以ChatGPT为代表的生成式AI一瞬间成为科技圈顶流，而在其背后，更需要强大算力作为基础性支撑。近日，在联想创投2022/2023 CEO年会上，“算力”成为与会嘉宾们高度讨论的当红词汇。

在以《计算产业变迁：新场景、新应用》为主题的科技圆桌Panel环节，联想集团副总裁、联想创投合伙人王光熙作为主持人，与联想集团高级副总裁、全球创新中心负责人贾朝晖，芯驰联合创始人、CEO仇雨菁，京微齐力创始人、CEO王海力，微纳核芯创始人、董事长叶乐，沐曦联合创始人、CTO兼首席硬件架构师彭莉展开了深度讨论，嘉宾们一致认为，随着AIGC相关应用的加速普及与人机交互、元宇宙等新技术新场景的诞生，将催生出对算力巨大的需求，快速带动新计算架构、新技术的突破，国内算力相关企业将迎来行业之春。

《计算产业变迁：新场景、新应用》主题Panel现场

作为联想的CVC，联想创投判断未来10年将有百倍的算力需求，相信大算力将是未来社会发展和国家竞争的重要基础，联想在这个领域具备天然优势，联想创投从2016年成立开始就把“新计算”作为重要投资方向之一，布局新的计算架构（多元异构、RISC-V、存算一体）、应用导向的芯片设计、端边云协同等，集生态优势助力大算力行业的跃迁。

以下为现场内容实录：

虚实交融催生更多新场景、新体验

王光熙：半导体是非常符合韧性生长特性的行业，在新的时代机遇下，拥有真正的广阔星海。我们先从新的场景开始讲，联想近年来也一直在探索尝试计算领域的新场景、新形态您怎么看待其中蕴含的新场景计算的大机会？

贾朝晖：伴随网络技术、大数据技术和人工智能技术的发展，数字化为人们的生活、工作和学习带来了深远影响，虚拟世界和我们生活的物理世界正在不断融合。在去年的联想创新科技大会上，提到未来数智化发展的前景，对于个人来讲，就是虚实交融，人们将享受到更多新体验。基于这个想法，我们提出了超级互联，希望能够将虚实交融的场景逐步实现，主要分为四个阶段：

第一阶段，是现在的智能设备以及物联网设备，天生具备互联的功能，不需要用户再进行学习就可以使用。

第二阶段，是数字孪生，与生产制造方面的数字孪生一样，把虚拟技术覆盖到消费者日常生活工作领域，而不仅仅是商业领域。

第三个阶段，是混合现实，在数字孪生的基础之上，比如说用户办公之后，在办公室模拟出锻炼的场景，就像实际到健身房和公园健身的场景。

第四个阶段，虚实交融，物理世界和虚拟世界的界限更加模糊。随着人工智能技术的助力，这些应用场景包括未来物理世界里面的仿生机器人等技术，将真正帮助用户实现虚实交融。

新能源汽车赛道，机会就在中国

王光熙：老贾刚刚展示了从个人计算终端出发，到多模态、多场景，再到虚实结合、虚实交融的过程，从而产生更多新场景和体验。说到新的场景，想问问芯驰的仇总，在新能源智能汽车赛道，计算这件事情如何渗透到新的场景当中？未来会有哪些变化和趋势？

仇雨菁：芯驰主要是做车规级处理器芯片，产品线围绕未来汽车电子电气架构来布局，比如说渗透率非常高的智能座舱，这是提升用户体验最直接的形式，另外还有智能驾驶芯片、中央网关芯片和高性能MCU（微控制单元）。我们的MCU芯片CPU主频最高可达到800MHz。以前的分布式ECU（电子控制单元）无法满足SOA架构的要求，因为汽车需要通过上层软件，在不同的ECU分别管理和执行，这就对ECU的要求越来越高，需要做更多的处理。我们的MCU芯片也在做电池管理，比如以前只能检测一个电池，而未来更精确的管理能够大幅提升新能源电池的安全。未来新能源汽车领域的应用场景还有很多，比如智能驾驶需要更大算力的支撑，此外还需要有更多高速的传感器接入，包括车内外信号传输要求都需要有更大的提升。

王光熙：中国新能源的渗透率相当高，也是国家大力扶持的行业。这个领域的公司，除了起跑线差不多以外，会有什么不一样的机会吗？有没有可能在一些创新领域优先起跑？

仇雨菁：在智能电动汽车领域，未来机会就在中国，中国市场正在拥抱这些变化，市场接受度超过欧美和日本，在中国最有可能先实现更大范围的商业化落地，然后再渗透到海外，我觉得这是我们的机会。

新场景催生新计算范式，需打通端边云

王光熙：中国在芯片领域一直在追赶，众多企业也纷纷加速创新竞争，想请微纳核芯的叶总分享一下您是怎么看计算行业的机会点和需求变化的？

叶乐：我们认为端边云一定是协同的，但有些计算不能只在云上做。比如AR/VR眼镜，如果只依赖云端数据再传输，是没有办法解决延迟的，但因为对眼镜的重量、大小、功耗等都有严格的要求，提升端侧算力的挑战非常大。如何把AI以及新场景的功耗做下去，算力密度和能效做上来是非常具有挑战性的。

此外目前的感知和计算是剥离的，以自动驾驶为例，高动态、高帧率的摄像头产生了大量数据，需要高算力的配合，但原始传感那一端产生的很多是垃圾数据。我们团队就在探讨如何把感知和计算融合起来，落地在端侧非常有前景的应用领域就是无人智慧系统。

王光熙：理解一下，您刚刚讲的新场景当中，其实会出现很多新的计算范式，需要把端边云网智打通得更好，在设计方法上需要有变革，这是你们想去做的事情吗？

叶乐：是的，我国工业界和国外到底差在哪，技术不是最重要的，最重要的是产品定义，比如智能手机长什么样，智能汽车长什么样，都是国外定义好了，我们再去替代。端边云三级架构，这里面是有重构产品定义的可能性的，芯片公司可能做不了，但是联想这样的龙头企业在系统解决方案上是有很多机会的。

半导体行业路行长远，更需构建产业生态协同

王光熙：目前半导体是风口浪尖的行业，是推进中国未来大算力和模型发展过程中非常重要的一环，除了算力本身之外，图形相关也是非常重要的领域，能不能请彭总分享一下，作为国产GPU新锐的经验和想法。

彭莉：半导体产业想要获得持续健康发展，就是需要可以长期坚持的“韧性“。沐曦成立两年时间，可以说并不是我们2年内做出了高算力通用GPU，而是中国半导体产业二十多年技术经验积累背景下的延伸，是沐曦技术团队十几年的经验和坚持的成果。

今天我们说ChatGPT可以达到9岁小学生的智力水平， 它也还在不停的演变和发展。我们每天都会产生非常多的数据和衍生应用，从基础硬件设施来讲“通用“是很大的趋势，需要基础算力去做稳定性的支撑。

第一，是泛化的计算能力，对于通用算力的需求是非常关键的，这一块本身需要是底层架构对于通用性的支持。第二，是易用性，对于不同算法、不同行业的支持，让更多人都能在熟悉的编程环境下做算法的迭代。实现这些都需要软件的易操作、易学习、良好的生态去做支撑。

我相信未来在整个产业链上，每一个公司以后思考的方式，会从产业垂直角度，通过上层到底层去统筹考虑，一起打造上下垂直产业链的大同。

王光熙：接下来想问下京微齐力的王总，您觉得算力新场景未来有什么新发展方向和新机会？

王海力：大算力时代下，FPGA也在扮演着非常重要的角色。在架构层面上，FPGA发生了翻天覆地的变化，从以前的传统架构过渡到现在的以计算为核心的处理架构，融入了很多计算单元，放在了最新的架构里面。

我经常说FPGA在任何场景都能被使用，那么该如何在发展中扮演好自己的角色？本质上还是希望能够和产业形成生态共赢，FPGA是要做好赋能的角色，而不是去抢占或者取代AI、CPU或者GPU的市场，相反，我们希望可以和大家一起共同承担越来越多的算力需求，实现1+1＞2的效果。比如FPGA贡献的可靠算力和灵活可变的特性，可以帮助解决一些其他芯片无法解决的问题和痛点。

然而这条路任重而道远，我们公司走了很多年，国内的客户也给到FPGA许多新的机会和需求。去年开始，我们和联想在探讨新的消费场景，未来我们的异构计算小容量FPGA芯片有望能够在联想新型消费级终端设备上与大家见面，这也是产业环境下多方共赢发展的体现。

后摩尔时代，未来如何定义新计算

王光熙：现在行业有一些声音在讨论摩尔定律什么时候失效，各位认为在后摩尔时代，计算架构和体系，会有什么最重要的变化？

贾朝晖：算力行业未来的发展趋势，首先是端边云的协同，一定是从过去的同构设计到异构设计转变过程中被充分利用到的。

其次是数据的安全和隐私。再次，随着物联网的发展，对算力的高需求也将带来对低功耗的要求。

仇雨菁：过往的很长一段时间，我们非常依赖摩尔定律，但现在摩尔定律带来的红利比以前有所减少。所以我认为未来应该从应用角度出发，不要盲目，而是针对应用场景进行设计。比如我们可以看到某些芯片的实际应用算力明显不足，利用率也相对较低，在以往大家会不计代价去开发，但现在应该在更加理解应用的前提下，再去把芯片设计出来。

王海力：集成电路走到今天，和四五年前不一样了，行业更加注重产品应用可以更贴近用户实际需求，而不是一味地对更先进工艺节点的追求。我们作为国产FPGA芯片设计公司，从硬件、架构、系统等多个角度出发，用22纳米的工艺能够实现其他更先进工艺节点所具备的优势，从而满足用户在相关应用领域的使用需求。

在与联想的合作方面，联想更注重的是“产品能帮助我解决什么问题”，某种意义上让我们可以尽情地发挥自己在应用层面上的了解，通过不断地优化和创新来满足消费终端领域对于技术应用的需求，这方面也体现出我们国产FPGA公司相比境外厂商具备近水楼台先得月的优势。

叶乐：集成电路在22纳米、16纳米相比更先进节点具备经济性，再往下走单个晶体管成本不是越来越低了，而是越来越贵了。

计算架构和体系的变化可以提几个思路，从落地的快慢来说，第一是横向跨环节的协同创新，如数据的感知、计算、存储、传输等方面，这正是微纳核芯在做的事情。第二个思路是软硬件协同设计，里面的设计架构需要重建。

创新技术方面，光通信走得越来越近，芯片内部做光互联还是有差距，但是基于微光还是可以实现的，这可能是靠谱的实现路径。还有新存储器的引入层面，计算芯片瓶颈不在于逻辑，而在于存储很慢、功耗很高。再遥远就是类脑计算、高并行的计算层面，编程不在于同步编码，而是更像人脑。这个路是正确的，但距离比较远，上下游还没有建立起来，更远的是超导、量子。

彭莉：芯片在工艺层面的性能提升可能会放缓，尤其是模拟部分。突破工艺局限，可能更需要一个体系结构的创新。我们已经看到一些实例，从应用出发来增加特定新指令，之前基础的算力可能只有几十T，引入了体系结构创新以后相同功耗可以支持几千T。ChatGPT算力尤其是通用算力需求很大，做计算融合的新指令，可能就是下一个创新方向。

另外，目前单芯片的集成度已经到了一个相对困难的阶段，但封装及系统的集成度提高还有非常大的空间，从先进封装，系统集成等方面降低功耗，提高效能又是另外一个技术演进方式。

因此，大家虽然一直在说是不是摩尔定律已死，但整个软硬件仍在一体化过程当中取得不断的新突破。