2025年是AI應用爆發(fā)的元年，當全球AI競賽步入“中國時刻”，一場深刻的技術變革正悄然改寫產(chǎn)業(yè)格局。在此關鍵節(jié)點，行業(yè)面臨核心命題：如何跨越AI技術到規(guī)?；瘧玫镍櫆希肯乱粋€顛覆性的AI超級應用將誕生于何處？
4月18日，由36氪主辦的2025 AI Partner大會于上海模速空間盛大啟幕。本次大會以“Super APP來了”為主題，聚焦AI應用對千行百業(yè)的顛覆性變革。大會分為“Super App來了”和“誰是下一個超級應用”兩大篇章，覆蓋“在AI世界中長大”“2025卷AI就卷超級應用”等七大話題，涵蓋10+場主題演講、3場圓桌對話與兩大優(yōu)秀AI案例企業(yè)名冊發(fā)布環(huán)節(jié)，深度剖析AI技術如何重構商業(yè)邏輯、重塑產(chǎn)業(yè)格局，探索AI超級應用帶來的無限可能。
當日，無問芯穹首席解決方案架構師劉川林帶來了《以智能底座重構AI產(chǎn)業(yè)生態(tài)》的主題分享。
以下為劉川林演講內容，經(jīng)36氪整理編輯：
各位領導、嘉賓，下午好！非常榮幸受邀參與 36 氪的活動。作為專注支撐 AI 超級應用的AI算力運營商與基礎設施建造者，無問芯穹的技術能力覆蓋從算力優(yōu)化、模型開發(fā)到算法調優(yōu)的全鏈條，致力于為中國 AI 市場構建堅實的技術底座，助力更多創(chuàng)新應用破局而生。
無問芯穹首席解決方案架構師劉川林
今天的分享將圍繞三個核心展開：第一塊Infra 層的趨勢變革：探討模型開發(fā)、訓練、推理環(huán)節(jié)的技術演進；第二塊無問芯穹的實踐路徑：解析我們如何通過技術創(chuàng)新培育 AI 超級應用的生長土壤；第三塊未來展望：挖掘行業(yè)需求，推動跨時代 AI 原生應用的誕生。
回顧人工智能的發(fā)展歷程，每一次重大突破都源于關鍵要素的升級。自GPT-3橫空出世以來，在Scaling Law作用下，算法和算力都得到了空前的發(fā)展，而隨著公開可用的優(yōu)質文本數(shù)據(jù)逐漸耗盡，Ilya就曾在去年預言，預訓練時代即將結束。
以GPT系列為例，從GPT-4到GPT-5的迭代周期顯著拉長，預訓練數(shù)據(jù)的稀缺性愈發(fā)凸顯。而DeepSeek的出現(xiàn)，帶來了全新的技術范式——通過R1強化學習，將訓練、推理、對齊形成閉環(huán)，實現(xiàn)模型性能的二次飛躍。其技術路徑可概括為：冷啟動階段：基于R1 Zero模型，結合Reward Model和對齊算法完成初步強化；數(shù)據(jù)優(yōu)化階段：融入優(yōu)質行業(yè)數(shù)據(jù)與通用數(shù)據(jù)集，提升模型泛化能力；閉環(huán)迭代：通過 “訓練 - 推理 - 對齊 - 再訓練” 的循環(huán)，持續(xù)優(yōu)化模型表現(xiàn)。
這一變革對 Infra 提出了雙重挑戰(zhàn)：底層支撐：需構建適配強化學習的AI Infra系統(tǒng)，滿足大模型開發(fā)需求；應用賦能：通過Infra優(yōu)化，幫助AI應用實現(xiàn)更低延遲、更高效率、更優(yōu)成本，提升商業(yè)價（ROI）。
作為清華電子系孵化的企業(yè)，我們依托軟硬件聯(lián)合優(yōu)化技術實力，構建了貫穿上下游的技術生態(tài)：算力層：融合多家國產(chǎn)芯片，通過異構計算提供多樣化算力支持；平臺層（PaaS）：打造高效易用的算力管理平臺，提升資源調度效率；服務層（MaaS）：提供穩(wěn)定的模型即服務，降低應用開發(fā)門檻。
在云端服務中，我們堅持“三位一體”策略：多元異構適配：兼容不同架構芯片，保障算力彈性供給；軟硬協(xié)同優(yōu)化：深度整合硬件與軟件，釋放算力潛能；服務效能提升：通過智能化調度，確保資源高效利用。
受中美技術博弈與國產(chǎn)芯片崛起的影響，未來3年，國產(chǎn)芯片將成為大模型訓練與推理的重要載體。為此，我們在上海等地落地千卡級異構混訓任務，攻克國產(chǎn)芯片兼容性難題，構建“國產(chǎn)算力 + 國產(chǎn)應用”的完整生態(tài)。通過統(tǒng)一調度框架，實現(xiàn)不同芯片間的協(xié)同計算，顯著提升訓練效率。
針對 DeepSeek 引發(fā)的計算范式變革，我們從三個維度優(yōu)化工程架構：訓練框架創(chuàng)新：自研適配 LLM（語言模型）、MOE（混合專家模型）的訓練框架，支持更高性能訓練，并兼容多類型加速卡；通信效率優(yōu)化：通過計算與通信的深度重疊，減少數(shù)據(jù)傳輸延遲，在 MOE 模型訓練中降低資源占用；動態(tài)資源分配：基于MOE模型特性，實現(xiàn)專家模型的智能調度與PD 分離，提升整體架構靈活性。
以生數(shù)科技為例，我們?yōu)槠涠嗄B(tài)模型訓練提供一站式服務：環(huán)境秒級啟動：快速部署訓練環(huán)境，縮短項目周期；自動化容錯：實時監(jiān)控訓練過程，自動處理異常情況；推理效率優(yōu)化：通過底層加速，提升模型部署后的響應速度。
目前，我們已在上海模速空間落地算力生態(tài)服務平臺，并在浙江省打造政企合作標桿項目，通過技術支持，降低AI企業(yè)的創(chuàng)新成本。
在AI應用場景中，推理效率直接影響用戶體驗與商業(yè)價值。我們針對大語言模型與文生圖模型，推出定制化解決方案：以DeepSeek R1為例，其MOE架構與FP8精度對部署資源要求極高。我們通過以下優(yōu)化實現(xiàn)效率突破：工程化改造：重構服務框架，將推理速度提升至 30 Tokens / 秒；穩(wěn)定性保障：優(yōu)化調度算法，確保高并發(fā)場景下服務零中斷；效果對齊：在加速同時保持與官方模型的生成精度一致。用戶可通過我們的平臺一鍵調用R1服務，大幅降低部署門檻。
針對AIGC應用的流量波動問題，我們基于 ComfyUI 構建接口化服務。削峰平谷：動態(tài)分配算力資源，避免流量低谷期的資源浪費；架構解耦：通過標準化接口兼容新模型與框架，減少工程團隊重復開發(fā)；多模態(tài)支持：整合視頻、語音、圖文等多模態(tài)能力，實現(xiàn)全產(chǎn)業(yè)鏈無縫對接。實際案例顯示，某電商生圖企業(yè)采用我們的服務后，降低了成本，提升了推理速度，并且提升服務效能。
AI 技術的快速迭代中，唯有把握“變”與“不變”的平衡，方能搶占先機：變：技術架構、計算范式、模型形態(tài)持續(xù)演進；不變：用戶對高效、智能、個性化服務的核心需求始終存在。
我們期待與各行業(yè)專家深入交流，挖掘真實場景需求，共同推動 AI 原生應用的創(chuàng)新突破。正如今天分享的嘉賓們所展現(xiàn)的，無論是電商商拍、教育賦能還是具身智能，每一個細分領域都蘊藏著誕生超級應用的潛力。我們愿以算力基礎設施為舟，與合作伙伴攜手，駛向 AI 產(chǎn)業(yè)的深水區(qū)，打造跨時代的AI原生APP。
熱門跟貼