https://big5.sputniknews.cn/20260928/1073408860.html
“芯片與算法是兩條平行線”——中國AI創業者的現場觀察
“芯片與算法是兩條平行線”——中國AI創業者的現場觀察
俄羅斯衛星通訊社
... 2026年9月28日, 俄羅斯衛星通訊社
2026-09-28T12:45+0800
2026-09-28T12:45+0800
2026-09-28T13:14+0800
人工智能
評論
科技
採訪
https://cdn.sputniknews.cn/img/07e9/05/15/1065599546_0:2:2270:1279_1920x0_80_0_0_974292317ceaa13c63431e9fa390e008.jpg
盧鑫：奇點拓界（Topverse）創始人。公司聚焦空間智能（spatial intelligence），從Pico、Oculus時代的MR/VR應用開發起步（早於蘋果Vision Pro），依託自研SLAM算法（激光雷達+點雲的空間建模）轉向更加垂直的應用場景：港口、民用工程、污水處理，並探索MR眼鏡在醫療多學科會診中的應用（肺部、主動脈三維建模）。楊望舒（Eric Yang）：Meta Motors創始人。“光子賽車”讓玩家通過5G與遙操作（teleoperation）控制現實世界中的實體機器人載具，而非服務器里的仿真——團隊稱之為“物理AI”，並在中國及東南亞打造“體育機器人”賽事。我們為甚麼選擇他們技術競賽往往被講成巨頭之間的對決，但檢驗這場競賽成色的，是那些真正在用它“蓋樓”的開發者。芯片廠商和大模型公司會為自己的巨額投資辯護，而應用開發團隊是生態最挑剔的使用者——他們的技術棧選擇，每天都在接受真實項目的檢驗。上海的奇點拓界（Topverse）專注空間智能應用——從工業現場到MR眼鏡里的多學科醫療會診；北京的光子賽車（Meta Motors）把對實體機器人的遙操作變成了競技賽事。兩位創始人都是在這套生態里成長起來的中國新生代創業者，他們願意從應用開發者的視角談談這場競賽：在這裡，它的後果看得最直接——預算、工期，以及“跟誰一起造”的決定。“我們不需要自研大模型”問：美國芯片巨頭剛交出創紀錄的季度財報，又斥巨資佈局大語言模型。這對初創企業意味著甚麼？盧鑫：對初創企業來說，底層技術和中間件屬於誰，影響並不大。只要能用上特定功能、拿到預訓練好的模型來做我們自己的垂直應用，就足夠了。我們本來就沒有那麼大的算力和token量，去從0到1訓練大模型。有了預訓練模型和中間件，數據標準化、文件流轉、工作流設計都能省下大量時間和人力。做空間智能，我們主要靠引擎、目標識別加上點雲原生數據的開發；所需要的中間件，在主流開源平台上也有很多能夠本地離線部署且合規的解決方案。楊望舒：可以分兩個層面。作為科技公司和AI工具的使用者：任何新模型、新工具的出現都在提升我們的生產力、降低研發成本——更多有創意的年輕成員可以承擔開發工作，而不是必須靠非常資深的工程師。作為行業參與者：這是整個行業的趨勢和信號——越來越多的巨頭從底層芯片、通用大模型的研發，開始向垂直行業應用遷移。對我們來說，基礎設施層面的充分競爭能降低各方面的成本、提高效率，是向好的方向。唯一的潛在風險是：出現非常強的壟斷性巨頭，在生態層面把開發者綁死。所以我們希望市場格局更多元。“芯片和算法，是兩條無法並行的線”問：那真正的“卡脖子”環節在哪裡？盧鑫：有意思的是，架構已經不是問題——它們大都基於Linux，很多提供中間件或底層服務的企業本身就是Linux Foundation生態的一部分。真正的難點在於芯片與算子（針對具體算法的計算單元）的結構對應。現在芯片和算法是兩條獨立的開發體系：做芯片的人不知道算子長甚麼樣、會用在甚麼計算場景；做算法的人不知道自己將拿到甚麼芯片。兩條線沒法並行。國內只有一些大型的頭部企業在嘗試讓算法工程師和芯片廠商協同：芯片團隊提前知道將要訓練甚麼樣的算法，算法團隊也提前為芯片做小部分的初期適配。此外，芯片廠商還要考慮自己產品之間的協同——如何組成萬卡甚至十萬卡集群，並讓集群性能匹配算法架構。據行業論壇上的討論，這是國內幾家頭部芯片產商要面臨的較大挑戰。楊望舒：工程優化的空間還很大。一個方向是算力中心；另一個是小型用戶——擁有一台性能中上的單卡設備。我認為未來一兩年，會出現很多讓更大的模型在更少的算力硬件上穩定運行的方案。全球團隊都在做這件事，進度也比較統一——信息傳播快，好的方案很快會在各國落地。“硬件必須去適應軟件生態”問：市場上出現了專門做大模型推理的處理器。GPU的地位會被動搖嗎？盧鑫：初創企業天然站在軟件生態一邊，“誰適應誰”的爭論我們很清楚。大廠那邊則是有“引力”的：比如前段時間力推的某國產OS系統——軟件遷移之後就會提供流量、提升下載量，支付抽成比安卓商店低幾個點，很多開發者就願意遷移。反過來，讓芯片去適應軟件，則相對困難。我們最近接觸激光雷達：除了ROS，幾乎沒有別的選擇——硬件不兼容ROS/ROS2，我們就拿不到數據，設備就沒法用。任何新硬件、新處理器，第一步都必須兼容現有生態。楊望舒：專用推理芯片的劇本我們見過：語音領域，科大訊飛就出過專用芯片。這類芯片會在特定垂直領域佔有一席之地。但CPU、GPU作為算力核心的格局不會有大的變化——GPU這樣的架構會持續迭代，追上專用芯片的能力。最終決定勝負的一定是軟件生態：對大企業而言，芯片性能只是入場券，還要把生態、工具鏈、垂直行業解決方案的完整度做起來，才能真正拿到訂單和開發者。盧鑫：一個現實的例子：國內不少企業在推進國產算力和國產AI電腦及系統的替換。我們上上周出差，國產電腦卻被擺在一旁，實際的生產工作還是在一台裝著所需軟件的舊電腦上完成。一些通用軟件例如辦公軟件的遷移相對容易；但專業軟件例如需要完成建模、渲染、圖形輸出功能——既要底層適配它的架構，又要兼顧行業幾十年形成的使用習慣，是很困難的。“2030年不會有第二次爆發”問：到2030年，計算領域最讓人意外的是甚麼？楊望舒：GPT類平台的爆發在2023年初，此後的這幾年其實都是那一次爆發的延伸。2030年很快就會到來，我認為不會出現特別爆炸性的新東西，更多是把現有技術進一步迭代，並誕生更多商業落地場景。腦機接口、新一代大模型會持續帶來驚喜。對我們這家做具身機器人交互娛樂的公司來說，未來三四年會迎來更廣泛的普及：更多人形、非人形機器人將被用於交互產品。問：這波機會會先在哪個領域兌現——工業還是娛樂？目前人形機器人更多出現在“表演”場合。楊望舒：工業場景已經很成熟——大型機械臂、AGV運輸車；人形機器人要替代現有方案有機會，但仍需探索。娛樂和遊戲化是我們團隊專注的方向，我們認為這裡的機會更大，產品會越來越多。另外，服務型機器人——養老、生活便利服務——是未來三到五年確定性的大市場：人型、半人型甚至機械臂形態，都能填補很多服務空白。挖掘這類大眾需求，是中國科創公司的強項。盧鑫：補充兩個方向。醫療：AI模型已用於蛋白質和新藥研發，computer vision用於影像診斷；我們在做CT斷層掃描的三維重建——多學科會診時，有的醫生擅長讀斷層片但不擅長3D定位，有的只能看三維模型；去年我們嘗試在MR眼鏡里完成這種複雜會診，包括肺部、肺血管、心臟主動脈建模。最近一家專注於醫學影像語料數據庫生成的公司剛完成融資。二是太空算力：“十大空間科學攻關課題”里就有地外冷卻、算力上天、通信協同——中科院已有不少成果，包括利用太空中易得材料做冷卻；馬斯克也在部署太空算力。
https://big5.sputniknews.cn/20260924/1073373425.html
https://big5.sputniknews.cn/20260826/1072920386.html
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2026
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
News
cn_CN
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
俄羅斯衛星通訊社
feedback.cn@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
人工智能, 評論, 科技, 採訪
“芯片與算法是兩條平行線”——中國AI創業者的現場觀察
2026年9月28日, 12:45 (更新: 2026年9月28日, 13:14) 評論
機器人賽車場里，一輛實體賽車漂移過彎——握著控制器的玩家，身在幾百公里之外。上海的一間辦公室里，醫生戴上MR眼鏡，把患者的肺“看”成了立體模型。我們此行拜訪的兩支年輕團隊，本身既不生產芯片，也不自研大模型——他們的業務，恰恰直接建立在整套基礎設施之上。就在巨頭們交出創紀錄季報、為算力和模型大打價格戰的時候，恰恰是這樣的團隊，最先感知到這場技術競賽的真實溫度。
盧鑫：奇點拓界（Topverse）創始人。公司聚焦空間智能（spatial intelligence），從Pico、Oculus時代的MR/VR應用開發起步（早於蘋果Vision Pro），依託自研SLAM算法（激光雷達+點雲的空間建模）轉向更加垂直的應用場景：港口、民用工程、污水處理，並探索MR眼鏡在醫療多學科會診中的應用（肺部、主動脈三維建模）。
楊望舒（Eric Yang）：Meta Motors創始人。“光子賽車”讓玩家通過5G與遙操作（teleoperation）控制現實世界中的實體機器人載具，而非服務器里的仿真——團隊稱之為“物理AI”，並在中國及東南亞打造“體育機器人”賽事。
技術競賽往往被講成巨頭之間的對決，但檢驗這場競賽成色的，是那些真正在用它“蓋樓”的開發者。芯片廠商和大模型公司會為自己的巨額投資辯護，而應用開發團隊是生態最挑剔的使用者——他們的技術棧選擇，每天都在接受真實項目的檢驗。
上海的奇點拓界（Topverse）專注空間智能應用——從工業現場到MR眼鏡里的多學科醫療會診；北京的光子賽車（Meta Motors）把對實體機器人的遙操作變成了競技賽事。兩位創始人都是在這套生態里成長起來的中國新生代創業者，他們願意從應用開發者的視角談談這場競賽：在這裡，它的後果看得最直接——預算、工期，以及“跟誰一起造”的決定。
問：美國芯片巨頭剛交出創紀錄的季度財報，又斥巨資佈局大語言模型。這對初創企業意味著甚麼？
盧鑫：對初創企業來說，底層技術和中間件屬於誰，影響並不大。只要能用上特定功能、拿到預訓練好的模型來做我們自己的垂直應用，就足夠了。我們本來就沒有那麼大的算力和token量，去從0到1訓練大模型。有了預訓練模型和中間件，數據標準化、文件流轉、工作流設計都能省下大量時間和人力。做空間智能，我們主要靠引擎、目標識別加上點雲原生數據的開發；所需要的中間件，在主流開源平台上也有很多能夠本地離線部署且合規的解決方案。
楊望舒：可以分兩個層面。作為科技公司和AI工具的使用者：任何新模型、新工具的出現都在提升我們的生產力、降低研發成本——更多有創意的年輕成員可以承擔開發工作，而不是必須靠非常資深的工程師。作為行業參與者：這是整個行業的趨勢和信號——越來越多的巨頭從底層芯片、通用大模型的研發，開始向垂直行業應用遷移。對我們來說，基礎設施層面的充分競爭能降低各方面的成本、提高效率，是向好的方向。唯一的潛在風險是：出現非常強的壟斷性巨頭，在生態層面把開發者綁死。所以我們希望市場格局更多元。
盧鑫：有意思的是，架構已經不是問題——它們大都基於Linux，很多提供中間件或底層服務的企業本身就是Linux Foundation生態的一部分。真正的難點在於芯片與算子（針對具體算法的計算單元）的結構對應。現在芯片和算法是兩條獨立的開發體系：做芯片的人不知道算子長甚麼樣、會用在甚麼計算場景；做算法的人不知道自己將拿到甚麼芯片。兩條線沒法並行。國內只有一些大型的頭部企業在嘗試讓算法工程師和芯片廠商協同：芯片團隊提前知道將要訓練甚麼樣的算法，算法團隊也提前為芯片做小部分的初期適配。此外，芯片廠商還要考慮自己產品之間的協同——如何組成萬卡甚至十萬卡集群，並讓集群性能匹配算法架構。據行業論壇上的討論，這是國內幾家頭部芯片產商要面臨的較大挑戰。
楊望舒：工程優化的空間還很大。一個方向是算力中心；另一個是小型用戶——擁有一台性能中上的單卡設備。我認為未來一兩年，會出現很多讓更大的模型在更少的算力硬件上穩定運行的方案。全球團隊都在做這件事，進度也比較統一——信息傳播快，好的方案很快會在各國落地。
問：市場上出現了專門做大模型推理的處理器。GPU的地位會被動搖嗎？
盧鑫：初創企業天然站在軟件生態一邊，“誰適應誰”的爭論我們很清楚。大廠那邊則是有“引力”的：比如前段時間力推的某國產OS系統——軟件遷移之後就會提供流量、提升下載量，支付抽成比安卓商店低幾個點，很多開發者就願意遷移。反過來，讓芯片去適應軟件，則相對困難。我們最近接觸激光雷達：除了ROS，幾乎沒有別的選擇——硬件不兼容ROS/ROS2，我們就拿不到數據，設備就沒法用。任何新硬件、新處理器，第一步都必須兼容現有生態。
楊望舒：專用推理芯片的劇本我們見過：語音領域，科大訊飛就出過專用芯片。這類芯片會在特定垂直領域佔有一席之地。但CPU、GPU作為算力核心的格局不會有大的變化——GPU這樣的架構會持續迭代，追上專用芯片的能力。最終決定勝負的一定是軟件生態：對大企業而言，芯片性能只是入場券，還要把生態、工具鏈、垂直行業解決方案的完整度做起來，才能真正拿到訂單和開發者。
盧鑫：一個現實的例子：國內不少企業在推進國產算力和國產AI電腦及系統的替換。我們上上周出差，國產電腦卻被擺在一旁，實際的生產工作還是在一台裝著所需軟件的舊電腦上完成。一些通用軟件例如辦公軟件的遷移相對容易；但專業軟件例如需要完成建模、渲染、圖形輸出功能——既要底層適配它的架構，又要兼顧行業幾十年形成的使用習慣，是很困難的。
楊望舒：GPT類平台的爆發在2023年初，此後的這幾年其實都是那一次爆發的延伸。2030年很快就會到來，我認為不會出現特別爆炸性的新東西，更多是把現有技術進一步迭代，並誕生更多商業落地場景。腦機接口、新一代大模型會持續帶來驚喜。對我們這家做具身機器人交互娛樂的公司來說，未來三四年會迎來更廣泛的普及：更多人形、非人形機器人將被用於交互產品。
問：這波機會會先在哪個領域兌現——工業還是娛樂？目前人形機器人更多出現在“表演”場合。
楊望舒：工業場景已經很成熟——大型機械臂、AGV運輸車；人形機器人要替代現有方案有機會，但仍需探索。娛樂和遊戲化是我們團隊專注的方向，我們認為這裡的機會更大，產品會越來越多。另外，服務型機器人——養老、生活便利服務——是未來三到五年確定性的大市場：人型、半人型甚至機械臂形態，都能填補很多服務空白。挖掘這類大眾需求，是中國科創公司的強項。
盧鑫：補充兩個方向。醫療：AI模型已用於蛋白質和新藥研發，computer vision用於影像診斷；我們在做CT斷層掃描的三維重建——多學科會診時，有的醫生擅長讀斷層片但不擅長3D定位，有的只能看三維模型；去年我們嘗試在MR眼鏡里完成這種複雜會診，包括肺部、肺血管、心臟主動脈建模。最近一家專注於醫學影像語料數據庫生成的公司剛完成融資。二是太空算力：“十大空間科學攻關課題”里就有地外冷卻、算力上天、通信協同——中科院已有不少成果，包括利用太空中易得材料做冷卻；馬斯克也在部署太空算力。
京公網安備11010502053235號
