湖南卫视在线直播3ft随着AI技术不断发展落地，行业应用对于算力的需求与日俱增，这已经成为广泛共识。

　　与此同时，算法本身的规模和复杂度也在成倍增长，让整个行业正式迈入一个更高强度的算力周期，对此太初元碁联合创始人兼首席运营官乔梁表示：

　　这意味着，在未来的技术演进中，高性能计算将贯穿生产制造、科学研究到AI落地的全链路，成为各类计算场景的底层支撑力量。

　　在本次量子位MEET2026智能未来大会上，乔梁围绕超智融合、异构融合等关键词分享了自己对国产算力生态建设的看法：

　　目前，各类AI大模型、不同领域的AI Agent落地都需要大量算力来支撑，在这一背景下，“超智融合发展”已成为行业共识。

　　无论是AI算法的迭代，还是传统科学计算的发展，未来的趋势都会指向同一件事：在通用计算的场景下，通过硬件架构的设计来实现异构融合。

　　为了完整体现乔梁的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。

　　MEET2026智能未来大会是由量子位主办的行业峰会，20余位产业代表与会讨论。线+，线万+，获得了主流媒体的广泛关注与报道。

　　AI技术的成熟改变了传统科学计算模式，高性能计算技术在传统生产制造、科学研究和AI落地场景中贯穿始终。未来，硬件厂商和软件开发者都将面临更大市场机会和发展前景。

　　超智融合是大势所趋，将面向更多计算领域场景，需要综合算力基础设施提供智算底座。

　　单颗芯片性能已经成为AI算法发展瓶颈，太初元碁自主设计PC link，实现128卡芯片间高速互联，为AI算法增长提供硬件基础。

　　随着AI技术不断发展落地，行业应用对于算力的需求与日俱增，这已经成为广泛共识，AI需要算法实现毫秒级精确度，而这恰好带动算力需求呈指数级增长。

　　在过往，谈论到计算，大家脑海中或许想到的是传统科学领域的计算需求，在那个阶段，我们说算力不够，需要建设超算中心作为算力支撑，这些是服务于科学计算领域对大量高精度数据以及复杂算法处理的需求。

　　目光转移至当下，AI爆发后，我们更多需要以AI算法的泛化性来看待算力需求问题。

　　换言之，如今AI对于算力庞大的需求，是泛化性所带来的，各类AI大模型、不同领域的AI Agent落地都需要大量算力来支撑。

　　作为一家聚焦高性能计算的国产AI芯片企业，今天我们给大家分享太初元碁是如何推动高性能计算加人工智能（HPC+AI）落地，以及一些行业发展思考。

　　早些年可以看到，国内的超算中心多聚焦气候气象、流体力学等领域的科学计算分析，数智时代的到来，伴随着AI技术日趋成熟，科学计算的关注点与计算模式也正在被改变。

　　面向未来，我们认为高性能计算都将贯穿从传统科学研究到生产制造，甚至AI+的落地应用的各类场景，其重要性不言而喻。

　　基于此，对于硬件厂商、软件开发者而言，机会和前景都是无限的，市场潜力也是无限的，AI推动产业完成时代进化是不可阻挡的。

　　最近一段时间AI for science大家关注度也很高，太初元碁自身基于高性能计算领域的深耕优势，我们也尝试在很多科学计算领域去提速赋能。

　　2016年神威·太湖之光采用了有别于ASIC或DSA等的异构众核通用计算架构，实现了纯国产自主可控的硬件架构和生态体系。

　　在这之后，放眼全球，日本、美国等国家的超算中心也在探索异构众核计算系统技术路线。

　　我们认为，不管AI算法迭代还是传统科学计算领域过程的发展，未来是一个在通用计算场景下，通过硬件架构的设计实现异构融合的过程。

　　目前不管是头部企业还是知名厂商，为了更好支持各类计算场景，我们都能看到大家在不同维度上尝试了把异构众核进行融合。

　　太初元碁一直也是异构众核架构技术路线的支持者，无论是早期参与神威·太湖之光的建设，还是后续我们推出的AI芯片，我们发现AI算法逐渐向低精度转化。

　　因此我们也采用了一些细粒度的并行优化技术，在硬件层面上保证基于通用计算场景的前提下，更好支持AI场景的落地。

　　目前，单颗芯片性能已经成为AI算法发展瓶颈，太初元碁自主设计的TC link，可以实现128卡间的scale up高速互联拓展，为AI算法增长提供硬件基础。未来也需要集成度更高的高性能计算系统，为AI算法提供硬件基础。

　　太初元碁主要优势之一在于算力中心建设上，服务于大模型训练包括大型应用场景。

　　同时，我们也聚焦垂直行业的应用落地，例如，我们与龙芯中科推出AI工作站，基于国产CPU+GPU模式打造针对具体行业的AI硬件。

　　AI在千行百业落地离不开开源生态，我们认为行业需要企业共同组建开源平台来推动未来发展，我们也希望进一步把我们底层硬件、软件进行开源，吸引大家一起把整个AI产业生态建立起来。

　　回到具体的应用落地层面，太初元碁基于技术视角服务科研计算行业，比如参与国内多地公共算力基础设施建设、与高校和科研机构开展联合课题攻关等等。

　　同时，我们也希望借助我们在高性能计算领域里的经验和优势，能为教科研领域的用户进行深度赋能。

　　举个例子，最近大家可能在关注AI Agent出来后，更多的编程任务是不是可以借助AI来进行代码开发，通过AI加速实现代码开发高效化，这也是未来AI产业生态发展的一大机遇。

　　我们深度参与了百度飞桨社群的建设，太初元碁跟百度的团队也开展了很多合作，去年，我们一起完成了AlphaFold3蛋白预测模型的国产平台复现。

　　同时我们也在科研领域通过利用HPC计算集群生成很多大量、高精度的数值模拟数据，优化AI模型的参数，从而加速实现科研上的突破，例如我们与湖南大学在生物医药科研领域也开展了一些合作，取得了一定阶段性成果。

　　针对气候气象领域，大家都比较了解，气候气象是高性能计算最为擅长的领域，现在我们发现，随着算力的发展，新能源相关的需求也越来越大。

　　AI产业的发展，除了硬件作为底层支撑外，能源供应也扮演重要角色，换言之，能源利用或成为影响AI发展的主要限制因素。

　　对此，我们通过HPC算法对气候气象领域进行数据分析，再结合AI算法实现能源利用效率的提升，在全国发电站、发电场景里用AI替代一部分预测预判的算法，更好支撑全国各地建设或者支持算力基础设施的发展。

　　最后是低空经济领域，这也是热度比较高的领域，这块也是非常经典的HPC+AI的场景。

　　我们通过HPC高精度的建模实现一定区域内气象数据的分析，通过这些模型建立之后再导入到AI模型里，快速更好的支撑低空领域下AI Agent的发展。