昆仑芯科技亮相2026亚布力中国企业家论坛并发表主题演讲

3月17日，2026亚布力论坛第二十六届年会正式开幕。昆仑芯CEO欧阳剑受邀出席大会开幕式，并发表了题为《拥抱智能时代，共谱计算新篇——AI算力发展的新机遇，新范式》的主题演讲。在演讲中，欧阳剑围绕大模型时代算力产业的演进趋势展开深入分析，并全面分享了昆仑芯在AI算力基础设施领域的前沿探索与实践成果。

以下基于演讲内容，在不改变原意的情况下进行编辑修订：

AGI的加速度：激荡浪潮、历历在目，而这一切，仅过去3年半

如今，人工智能已深度融入大众生活，从社交媒体的热议到新闻资讯的推送，大模型技术进展与创新应用层出不穷。而这一切颠覆性变化，仅在短短三年多的时间里发生。

三年前，业内谈起AI大模型时，普遍的共识还是“难以创造实际价值”：应用落地难、盈利模式模糊。然而短短几年间，大模型的能力迅速跃升——不仅能解决复杂的科学问题，辅助处理工作中的多种挑战，甚至已能实现部分编程工作的智能化替代。这些智能化能力的集中涌现，仅在两三年内完成。更难预判的是，未来两三年AI会如何发展。

回望模型的技术演进历程，大模型走向产业不过四年。早期大模型的应用曾因算力消耗巨大且实用价值有限而备受质疑。ChatGPT的出现，人们发现它能写出不错的文章。紧接着，多模态模型快速演进，具备更强推理能力的模型在数学解题、科学研究等领域表现出色。再后来，Gemini等新一代模型的出现，使得大模型在更多工作场景中的效率提升变得更加明显。

应用层面的变化同样显著。一年前，许多企业还对大模型应用持怀疑态度，认为相关投入主要是成本消耗，客户难以获得真实价值。而如今，大模型已经成为重要辅助工具，程序员如果不借助AI进行辅助编程，其效率将明显落后。许多非技术型企业在引入AI和智能体之后，工作效率得到了显著提升。近期出现的全民“养龙虾”现象，某种程度上正反映出AI应用正在进入快速爆发阶段。

Token：将会是AI时代水电煤，生产生活“新刚需”

回顾行业发展，一个共识正逐渐形成：Token将成为AI时代的“水电煤”，成为生产生活的“新刚需”。

Token是大模型的输入输出单位，有了大模型后，Token成为所有信息形式（文本、图像、语音）的统一描述，这使得信息的表达和计算变得非常简洁。同时，Token也是衡量大模型使用量的直接指标：用得越多，计算消耗和成本自然就越高。

从用户侧观察，Token的消费模式正逐渐形成。普通用户每天与AI对话可能消耗数万个Token，月支出在几元至几十元；内容创作者由于涉及图像、视频等多模态内容，Token使用量更大；开发者在编程过程中调用大模型，消耗规模也相当巨大。整体来看，无论用户类型如何，过去半年其Token使用量均呈现出显著的增长趋势。

与此同时，AI正逐渐渗透进不同年龄层用户的日常生活。越来越多的人开始频繁与Chatbot交流，虚拟助手正成为日常生活中的重要工具。人与AI持续交互的模式正在成为常态，而这背后，意味着海量Token正在被不断消耗。

技术进步+应用落地驱动，Token需求将持续爆发增长

在技术进步和应用落地的共同推动下，全球Token消耗规模正迅速扩大。当前Token需求量已达千万亿级别，并仍在持续增长。多家科技公司的公开数据显示，Token年增长率已超过200%，甚至可能每半年提升一个数量级。

从技术演进的视角看，Scaling Law依然有效，并持续推动模型规模的扩展。随着模型不断增大，对Token的需求也随之上升。

然而，高速增长的背后也伴随着严峻挑战。模型规模扩大导致单个Token的计算成本不断增加，引发业界对能源电力消耗的担忧：AI算力消耗是否会挤占工农业生产能源份额，这些正在成为AI行业必须解决的重要课题。

与此同时，Token成本实现了量级下降

但挑战之中亦蕴藏机遇。Token作为社会基础设施，普惠应当是它的基本属性。

当前，AI行业正从多维度探索降低Token成本的路径，包括优化计算方法、改进模型结构以及降低硬件成本等。过去几年，大模型计算成本已经出现明显下降趋势。数据显示，Token的实际使用价格正以每年5至100倍的速度持续下降。

Token成本的“Downward Scaling Law”

——需要以至少10x/年的速度持续下降

当Token成为普惠的社会基础设施，关键在于推动Token成本实现量级式下降。未来，Token成本将遵循“Downward Scaling Law”，需要保持至少每年10倍的下降速度，才能支撑海量市场需求。这既是产业面临的全新挑战，也孕育着技术创新的重要机遇。

要破解这一问题，需要从两个层面推动范式革新：

一是技术层面，芯片、硬件系统、软件系统协同创新加强，科技再次迎来从芯片，系统到应用的爆发式创新；

二是社会层面，按照基础设施的方式建设和运营算力，并带动半导体、能源等产业协同发展。

技术新范式：科技再次迎来从芯片、系统到应用的爆发式创新

技术层面，核心挑战在于解决系统规模与计算效率问题，并通过芯片、硬件系统和软件系统的协同创新来提升整体计算效率。从技术发展历程来看，每一次技术浪潮都会推动计算体系发生系统性的技术升级。

互联网时代，芯片层面出现了多核处理器和闪存等关键技术突破；系统层面诞生了MapReduce等新架构，推动了超大规模数据中心的发展；算法方面，推荐算法和数据挖掘逐渐成熟；应用层面则催生了搜索、电商和内容推荐等重要互联网服务。

相比之下，人工智能正在引发更大规模的技术创新。芯片层面，AI芯片以及存储、互联技术持续创新演进；系统层面，Web-Scale数据中心正向千兆瓦（GW）级规模扩展；软件方面，高效推理框架不断优化以降低计算成本；算法模型创新持续加速；应用层面，以Chatbot和智能体为代表的新形态不断涌现。

基础设施新范式：Token成为核心基础设施，辐射多维产业发展

社会层面，按照基础设施建设和运营算力，并以此带动半导体、能源等产业协同发展。在这一进程中，大幅降低Token成本，使其真正成为核心基础设施，是推动产业实现量级式发展的关键前提。

能源领域的“算电协同”正是在此背景下提出的。正是AI带来的巨量电力消耗，促使业界开始系统性地思考这一方向。随着Token时代的全面到来，半导体、先进封装、服务器系统等相关产业也将迎来生产规模的指数级扩张；而规模效应又将反过来驱动成本实现量级式下降，形成正向循环。

畅想未来，Token甚至可能催生全新的商业模式。正如移动通信时代需要支付话费一样，当Token成为像水电煤一样的基础资源之后，围绕Token的计量、运营、交易和服务，完全有可能形成全新的产业形态。

昆仑芯完整经历AI技术发展浪潮，持续拥抱AI时代新机遇

作为AI技术浪潮的深度参与者，昆仑芯已在AI计算领域深耕十五年。

昆仑芯团队自2011年起便深耕AI加速计算领域，完整经历了从深度学习到大模型爆发、再到AI应用全面落地的发展历程。早在深度学习尚处萌芽阶段，团队就开始探索利用FPGA、GPU等硬件对深度学习算法进行加速，相关研究成果不仅大规模应用于数据中心，更在Hot Chips、ASPLOS等国际顶级学术会议上发表。

历经三代产品的稳步迭代，昆仑芯现已实现从模型推理到训练的全场景覆盖，全面支持客户从单机到万卡级集群的规模化部署，每一代产品定义都在技术变革的关键节点精准把握方向。

昆仑芯产品前瞻定义，代代成功

自2018年启动芯片研发以来，昆仑芯1代系列产品于2020年率先应用于百度内部数据中心，完成了技术验证与场景初探，成为当时国内最早实现大规模应用的AI芯片之一，在全球范围内也处于领先行列。2021年，昆仑芯团队从百度独立拆分，引入外部投资人，发展步伐全面提速。

在AI产业尚未全面爆发的早期阶段，算力价值与大模型潜力仍面临诸多质疑，AI芯片的发展挑战重重。然而随着大模型技术迅速崛起，算力需求呈现爆发式增长，产业价值逐渐凸显。2024年和2025年，昆仑芯业务规模实现显著增长，目前仍保持高速发展态势。

当前，昆仑芯实现三代产品的量产，每一代产品在客户侧均达到数万卡甚至十几万卡的部署规模。未来，公司还将持续推出新一代产品，不断加快产品迭代节奏，进一步提升国产算力的技术能力。

系统层面率先落地3万卡集群，超节点产品开创先河

昆仑芯从芯片、硬件系统到软件生态开展全栈协同优化，持续提升计算效率，有效降低Token计算成本，为大模型训练推理提供更具性价比的算力解决方案。例如，通过集成数十卡甚至数百卡的大型计算系统，提高整体计算效率；在更大规模的数据中心环境中，实现数万张算力卡的互联，从而支持大规模训练与推理任务。2025年昆仑芯成功点亮首个国产3.2万卡集群，并实现长期稳定运行。

深耕一域，带动全局，引领国内半导体与AI算力产业协同发展

目前，昆仑芯提供的算力已经服务于多个关乎国计民生的重要行业，并支撑着数亿用户使用的典型应用场景。

与此同时，昆仑芯积极推动产业链协同发展。通过与合作伙伴共同推进先进封装、服务器系统技术的创新，多项技术已实现从实验阶段到规模量产的跨越，为产业生态的持续完善注入动力。

“让计算更智能”——这是昆仑芯在2017年确立的企业使命。彼时团队思考的是，什么样的使命能够在未来十几年持续指引方向。如今回看，让计算更智能这个使命，正是当下AI时代永不过时的方向。