奇异摩尔邀您相约2025长三角国际人工智能创业大会

2025长三角国际人工智能创业大会六月盛启！

6月26日-28日，杭州国际博览中心——这座承载过G20辉煌的恢弘场馆，将再次成为全球AI目光的焦点。届时，千余位全球顶尖院士、一线投资人、行业领袖与创业先锋将云集于此，共襄这场人工智能领域的年度盛事。 大会将以前沿视角，深度探讨人形机器人、智能体、AIGC、大模型等热点，聚焦技术与场景的深度融合。大会亮点还包括：多位院士与智库专家主题演讲、长三角人工智能创业企业100榜单重磅发布、AI项目挑战赛、杭州六小龙展厅参观以及西湖AI晚宴等。

奇异摩尔创始人兼CEO田陌晨确认受邀出席本次人工智能创业大会。他将在6月27日举办的分论坛，与AI产业链的学者、专家以及投资人共话人工智能带来的硬件变革与思维进化。

作为AI硬科技赛道的创业先锋，奇异摩尔CEO田陌晨的演讲将主要聚焦人工智能进化下的底层变革 - 探讨计算芯片架构的前沿演进以及DeepSeek对未来硬件架构的建议，并分享AI时代创始人的思维进化与实战感悟。

人工智能进化下的计算芯片主旋律

2025年5月IDTechEx 预测，到 2030 年，AI 数据中心的部署、AI 的商业化以及大型 AI 模型不断提高的性能要求将使已经飙升的 AI 芯片市场规模持续增长至 4000 亿美元以上。但是，底层硬件技术必须与时俱进，才能在满足更高效计算、更低成本、更高性能、大规模可扩展系统、更快推理和特定领域计算的需求下保持竞争力。

在此背景下计算芯片作为人工智能领域发展的核心基石随着AI的演进而谱写其演进主旋律。AI计算芯片的进阶之路：CPU → GPU → DSA → xPU，本质上演绎了从通用到专用、从单一到异构的算力革命。

2012 年：掀起深度学习浪潮的AlexNet是开创AI时代的第一个里程碑；AlexNet 是一个 8 层的卷积神经网络，使用 ReLU 激活函数，总共有 6 千万参数量。AlexNet 的最大贡献在于证明了深度学习的能力。AlexNet由Alex Krizhevsky等人在多伦多大学设计，其训练完全依赖英伟达GPU（2块GTX 580）。它也是第一个使用并行计算和 GPU 进行加速的网络。自此，英伟达通过推动突破性AlexNet神经网络，开启现代AI时代。

2016年：登上 Nature 的 AlphaGo是AI的另一个里程碑。2016 年 3 月，通过自我对弈进行练习的加强版 AlphaGo在比赛中以 4: 1 击败了世界围棋冠军李世石，成为第一个在无让子情况下击败围棋职业九段棋手的计算机程序，载入史册。

AlphaGo 的提出证明了深度学习与强化学习结合在复杂博弈领域的巨大潜力，展示了大模型通过自我学习和优化能达到超越人类的智能水平。AlphaGo 由于人工智能公司DeepMind开发，该公司从2014年开始被Google母公司Alphabet收购。

AlphaGO人工智能系统由Google第一代DSA 芯片TPU v1作为其预测和决策的基础，可提供高达每秒 180 万亿次浮点运算的性能，大大加速了对单个大型机器学习模型的培训。（更多阅读：Kiwi Talks | 软硬协同，全栈制胜——谷歌如何成为AI领先综合玩家）

2017年，Google的研究人员在《Attention is All You Need》一文中提出了 Transformer 模型，摒弃了RNN的递归计算和CNN的卷积结构。在这之后Transfomer架构大模型逐步成为主流。

2018年，著名计算机架构师约翰·亨尼斯西（John Hennessy）和大卫·帕特森（David Patterson）在图灵讲座中指出，半导体工艺创新的放缓将逐渐增加对架构创新的激励——即集成电路的设计方式，以执行计算任务。

他们认为，通用计算架构（如CPU）固有的低效性将开始被专门针对特定计算任务的架构（也称为领域专用架构，DSAs）的计算能力和成本效益所取代 。

2018年开始，DSA进了快速的发展期，逐步扩散到许多应用领域，如人工智能、自动驾驶、物联网和高性能计算。这些高度特定领域的计算工作负载都可以通过增加 DSA 的应用来提升性能和效率。比如用于Google 大模型训推的TPU系列、为自动驾驶设计的全自动驾驶（FSD）Tesla Dojo以及去年问世的Etched Sohu DSA。大型语言模型（生成式AI的核心引擎），例如ChatGPT，在高容量的AI工作负载中提供了进一步的专业化，这导致进一步的硬件专业化。

2022年，英伟达发布基于异构计算加速平台的超级芯片NVIDIA Grace Hopper ；NVIDIA Grace Hopper 超级芯片架构将 NVIDIA Hopper GPU 的开创性性能与 NVIDIA Grace CPU 的多功能性结合在一起，连接两者的是一种叫做NVLink-C2C的总线。其中，C2C表示芯片到芯片之间的连接，它由10组连接组成，每组包含9对信号线和1对时钟线，采用NRZ调制，工作频率为20GHz，总带宽为900GB/s是PCIe 5.0的7倍。CPU和GPU之间通过Unified Virtual Address技术实现了统一编址，并且由硬件保证了二者的cache一致性，从编程体验上降低了异构系统带来的内存管理复杂度。

近几年异构计算的新范式层出不穷，形成覆盖端侧智能设备到云端训推集群的完整技术谱系。在端侧AI，以手机芯片包括小米最新发布的芯片玄戒 O1 SoC，苹果最新的M4芯片系列为代表, 通过CPU+GPU+NPU异构设计，实现了能效比的大幅提升。在边缘AI，以智驾及机器人训练用的Tesla Dojo为典型案例；在云端AI, 训推用GPU 芯片如AMD MI300、英伟达GB200/GB300 等。虽说以上不完全是基于Chiplet&异构集成芯片技术，但均由不同的异构计算模块组成，它们深度协同工作，起到算力的最优分配，从而为人工智能应用提供强大支撑。

今年，DeepSeek的技术演进重塑了Scaling Laws的基本法则——从“拼参数”转向“拼架构效率”，从“堆算力”进化到“控熵增”。AI大模型每隔几个月就会发生变化，在通用算法尚未定型前，我们很难预测哪一种才是最合适的计算形态。可以预见，未来很长一段时间，芯片行业将呈现多元架构并存的格局，甚至可能催生更具革命性的设计范式。

关于我们

AI网络全栈式互联架构产品及解决方案提供商

奇异摩尔，成立于2021年初，是一家行业领先的AI网络全栈式互联产品及解决方案提供商。公司依托于先进的高性能RDMA 和Chiplet技术，创新性地构建了统一互联架构——Kiwi Fabric，专为超大规模AI计算平台量身打造，以满足其对高性能互联的严苛需求。

我们的产品线丰富而全面，涵盖了面向不同层次互联需求的关键产品，如面向北向Scale out网络的AI原生智能网卡、面向南向Scale up网络的GPU片间互联芯粒、以及面向芯片内算力扩展的2.5D/3D IO Die和UCIe Die2Die IP等。这些产品共同构成了全链路互联解决方案，为AI计算提供了坚实的支撑。

奇异摩尔的核心团队汇聚了来自全球半导体行业巨头如NXP、Intel、Broadcom等公司的精英，他们凭借丰富的AI互联产品研发和管理经验，致力于推动技术创新和业务发展。团队拥有超过50个高性能网络及Chiplet量产项目的经验，为公司的产品和服务提供了强有力的技术保障。我们的使命是支持一个更具创造力的芯世界，愿景是让计算变得简单。奇异摩尔以创新为驱动力，技术探索新场景，生态构建新的半导体格局，为高性能AI计算奠定稳固的基石。