每經(jīng)記者｜楊卉    每經(jīng)編輯｜魏文藝    

12月20日，摩爾線程首屆MUSA 開發(fā)者大會（MDC 2025）在北京中關(guān)村國際創(chuàng)新中心開幕。

在MDC 2025的主論壇環(huán)節(jié)，中國工程院院士、清華大學(xué)計算機系教授鄭緯民提出，在芯片產(chǎn)業(yè)全球化分工遭遇技術(shù)封鎖的背景下，構(gòu)建中國“主權(quán)AI”計算引擎成為緊迫任務(wù)，要實現(xiàn)“主權(quán)AI”，需從算力自主、算法自強、生態(tài)自立三方面入手。

從“主權(quán)AI”基建的角度出發(fā)，發(fā)展國產(chǎn)萬卡/十萬卡系統(tǒng)是不得不走的一步，但仍需解決互聯(lián)網(wǎng)絡(luò)與拓?fù)洹⒖煽啃耘c運維、能耗與供電散熱等方面的問題。至于國產(chǎn)芯片廠商都要面對的終極問題——生態(tài)建設(shè)，在鄭緯民看來，真正決定“主權(quán)AI”生態(tài)成敗的，是有沒有足夠多的開發(fā)者愿意長期在這套棧上寫代碼。未來，國產(chǎn)平臺要提高用戶的開發(fā)體驗，還需解決遷移成本高、工具鏈不成熟、文檔/社區(qū)與支持不足等問題。

如何實現(xiàn)算力自主？

過去很長一段時間，芯片產(chǎn)業(yè)一直處于全球化分工的狀態(tài)，架構(gòu)設(shè)計、制造裝備、代工、封測等環(huán)節(jié)均涉及不同領(lǐng)域。然而，近年來，高端AI（人工智能）芯片面臨出口管制、技術(shù)封鎖等困境，算力從一般生產(chǎn)要素上升為戰(zhàn)略資源，“主權(quán)AI”也從學(xué)術(shù)討論逐步變?yōu)槊總€國家必須回答的現(xiàn)實問題。

鄭緯民認(rèn)為，要實現(xiàn)“主權(quán)AI”，有三個支柱需要同步配備：算力自主、算法自強、生態(tài)自立，三者互為前提，相互約束，共同構(gòu)成“主權(quán)AI”。

《每日經(jīng)濟新聞》記者了解到，具體來看，算力自主是物理層的“安全底座”。

鄭緯民強調(diào)，所謂算力自主，是指自主可控的芯片與加速器、可持續(xù)的代工與供應(yīng)鏈、可靠的機房以及電力與網(wǎng)絡(luò)基礎(chǔ)設(shè)施，最終目標(biāo)是不被單一外部算力平臺“卡脖子”，關(guān)鍵行業(yè)與基礎(chǔ)設(shè)施能夠在本土算力上運行。

鄭緯民進一步表示，要實現(xiàn)這一目標(biāo)，則需做到三點：第一，芯片設(shè)計能力方面需有自主權(quán)，包括GPU（圖形處理器）/加速器、架構(gòu)設(shè)計指令集規(guī)劃、片上互連與存儲架構(gòu)等；第二，制造與供應(yīng)鏈風(fēng)險要可控，即在現(xiàn)有全球產(chǎn)業(yè)格局下，通過多源代工、庫存策略與本土化能力布局來降低斷供風(fēng)險；第三，系統(tǒng)與集群交付的能力要強，不僅能“造出卡”，還要能夠穩(wěn)定交付服務(wù)器與大規(guī)模集群，并具備持續(xù)運維與優(yōu)化的能力。

“這三條做到了，才是算力自主。”鄭緯民表示。

據(jù)《每日經(jīng)濟新聞》記者了解，算法自強是指在國產(chǎn)算力上做“原生創(chuàng)新”。以GPU為例，需要其做到能針對大模型做適配，如支持Transformer、MoE等主流與前沿模型結(jié)構(gòu)；能做大模型的訓(xùn)練，可支持千億級、萬億級參數(shù)級別的預(yù)訓(xùn)練與多任務(wù)訓(xùn)練；能讓模型進一步優(yōu)化，在國產(chǎn)算力環(huán)境下探索更適配本地應(yīng)用與數(shù)據(jù)特點的模型架構(gòu)。

最后一個支柱是生態(tài)自立。在鄭緯民看來，真正決定“主權(quán)AI”生態(tài)成敗的，是能否有足夠多的開發(fā)者愿意長期在這套棧上寫代碼，某種程度上，生態(tài)建設(shè)甚至比算力和算法更為重要。“不是說芯片上能跑一個軟件就可以了，要（讓用戶）愿意用這個芯片。”

這就要求廠商以開發(fā)者為主來提供解決方案，要求廠商在關(guān)鍵工具鏈、自研框架與驅(qū)動上具備持續(xù)迭代的能力，而不是完全依賴單一的境外生態(tài)。

鄭緯民強調(diào)，開發(fā)者才是生態(tài)的核心資源，平臺的成敗由開發(fā)者決定。因此，國產(chǎn)平臺急需解決遷移成本高、工具鏈不成熟、文檔/社區(qū)與支持不足等問題，盡可能兼容主流框架（如PyTorch、TensorFlow、PaddlePaddle等）與常見編程習(xí)慣（如CUDA風(fēng)格），最終目標(biāo)是實現(xiàn)從“能用”到“愿用”的根本性轉(zhuǎn)變。

做GPU要滿足三個要求

除了“主權(quán)AI”，鄭緯民還提到了AI+3D+HPC架構(gòu)建設(shè)的必要性。

“我們的物理AI與世界模型需要怎樣的芯片？大概有三個方面內(nèi)容：AI（大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與推理）、3D（高質(zhì)量圖形渲染與場景表示）、HPC（嚴(yán)格物理約束下的數(shù)值模擬與求解）。”鄭緯民表示。

鄭緯民還進一步強調(diào)，做GPU 一定要滿足三個要求，即能實現(xiàn)完整的圖形流水線、可加強張量計算核心以支持主流框架、能提供高精度浮點單元用于科學(xué)計算。

值得注意的是，鄭緯民還提到了算力資源，從單卡到萬卡集群的轉(zhuǎn)變。

鄭緯民直言，從“主權(quán)AI”基建的角度出發(fā)，發(fā)展國產(chǎn)萬卡/十萬卡系統(tǒng)等于本土大模型與行業(yè)模型的“母機”與基座，是不得不走的一步。一方面，模型時代算力的基本單位已經(jīng)是集群總算力，而不是單卡性能。另一方面，預(yù)訓(xùn)練超大規(guī)模模型、服務(wù)國民級推理需求都需要持續(xù)可用的萬卡級訓(xùn)練集群。

不過，《每日經(jīng)濟新聞》記者了解到，國產(chǎn)算力要做到萬卡甚至十萬卡的集群并不簡單。

從工程角度出發(fā)，據(jù)鄭緯民介紹，互聯(lián)網(wǎng)絡(luò)與拓?fù)?、可靠性與運維、能耗與供電散熱都是需要解決的問題。

“十萬卡怎么連起來？十萬卡連在一塊，平均一個小時要出一次錯，出錯了如何繼續(xù)訓(xùn)練下去？十萬卡是一個‘大火爐’，電要供得上，散熱也要做得好。”在此背景下，鄭緯民認(rèn)為，國產(chǎn)集群第一步是先做到能用，然后才是好用。

在演講最后，鄭緯民提到了開源。

在鄭緯民看來，“后CUDA（英偉達生態(tài)）時代”，模型使用者已經(jīng)是“使用開源項目”，而不是“使用CUDA”。因此，生態(tài)自立的一個現(xiàn)實路徑就是讓國產(chǎn)平臺成為開源創(chuàng)新的一個選擇。

鄭緯民指出，目前，產(chǎn)業(yè)仍面臨著內(nèi)卷與碎片化問題，如不同廠家提供不同的接口，需要開發(fā)者做不同的適配。

“我們要團結(jié)一心，解決應(yīng)用不足與生態(tài)薄弱的問題。產(chǎn)業(yè)界要團結(jié)起來，應(yīng)用也要團結(jié)起來。我一直強調(diào)生態(tài)問題不是一個廠家的問題，開發(fā)者要發(fā)揮很大作用，一起努力解決這個問題。”鄭緯民稱。