心智观察所：AI的新技术生态要形成内生活力并不容易，您在与AI芯片厂商、系统集成商和终端用户的互动中有哪些经验和心得？

奇异摩尔祝俊东：如果把这个问题的情境放到AI基础设施范畴来说，我们会发现，过去其实一个项目里分工是非常明晰的，系统厂商、服务器厂商、计算芯片厂商和网络芯片厂商，其实大家有非常明晰的标准也好，分工界面也好，大家在自己的角色内根据标准把东西做好，原来是非常简单清晰的。但是现在，我们发现这个边界正在模糊化，也就是说算法厂商需要去关心硬件是怎么做的，那云厂商或者说集成厂商我需要知道算法是怎么做，硬件厂商也会希望知道算法是怎么来运行的，我们需要知道GPU怎么做的，GPU供应商反过来也一样，所以这个边界其实正在打破。

比如DeepSeek在整个算法、集群建设、底层协议的优化和通信的优化上，他们其实做了很多的工作，这些端到端的优化被证明是非常有效的。这件事情其实在其他的厂商也在发生，奇异摩尔通过产业链协同合作的方式和其他厂商共同优化大模型的基础设施底座。

心智观察所：新生态您觉得会走出来一条怎样的演化路径？

奇异摩尔祝俊东：这里面可能有两种类型吧，第一种类型就是以英伟达为代表的端到端闭环，垂直一体化，他自己做全部技术栈，那第二种类型就是形成一个开放的生态，其实除了英伟达以外，大家都在做一些开放的标准和协议，出现了越来越多的组织，比如UEC，UAlink，UCIe，国内也有不少开放联盟在推进。

心智观察所：能否请您介绍一下与复旦大学合作的3D IC项目“芯斋”？我注意到介绍资料里说28纳米工艺实现了相当于先进制程的性能。

奇异摩尔祝俊东：对于这个项目，我们和复旦做的是存算一体计算架构，因为现在其实计算集群里算力并不是唯一的瓶颈，甚至不是最大的瓶颈，存储墙和互联墙同样严峻。因此通过存算一体来解决数据传输的效率问题是一个非常有意义的提升手段。存算一体的最终极目标当然是完全颠覆冯诺依曼架构，不过近期的探索比如芯斋，其实是基于近存计算的范式。它大概的思路是下面的底座集成了所有对外的交互接口以及大容量的片上缓存，然后在上面3D堆叠很多不同种类的计算Die，相当于上面是计算，下面是存储。因为是通过3D封装来互联的，所以带宽延时以及功耗都是传统芯片的几分之一，在同等制程下至少能够提供5倍以上的性能提升。

心智观察所：沿着这个思路，您觉得短期内能看到的性能提升上限大概在什么地方？

奇异摩尔祝俊东：应该这么来说吧，现在的国产制程和海外大体上差两代左右，我们通过这种方式，差不多可能追接近一代或者一代半，也就是说可能会差半代到一代。如果未来我们能够实现真正的存内计算的话，那是有可能接近甚至超过现在利用传统范式做的SoC。

心智观察所：很振奋的评估，最后一个问题，除了大模型训练推理之外，您还看到了哪些新兴AI应用场景的潜力？

奇异摩尔祝俊东：我觉得可能对于我们公司来说，原来互联技术还是以在云端数据中心场景应用为主，但看看英伟达最近推出的DGX企业AI平台，其实现在边缘端的系统里互联要求也越来越高、规模越来越大，特别是现在大家都在自己做DeepSeek开源模型的本地部署，这个在企业市场其实有非常大的应用前景，这类系统对于带宽实时性的需求也都非常高。

从更广泛的视角来看，不管是个人设备终端，然后包括汽车也好，或者是现在非常火热的具身智能方向也好，这些系统都带来了更多的实时联网数据交互需求，所以在这个层面上来说，未来边缘设备会具备智能并且它需要跟周边的物理世界进行实时沟通，这些我觉得会是一个非常大的应用市场。

原来已经在联网的或者未来更多的联网数据，将产生实际使用价值。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。