AI芯片的发展,需要一个算力生态
你可能会觉得奇怪。我又不在高校工作,甚至早就大学毕业了,AI进高校,跟我有什么关系?
其实关系很大。
首先,AI要想真正被用起来,不是有模型,有算力就够的,这需要一套完整的AI生态。过去这些年,外国厂商在AI计算领域建立了很大的优势。我们一般会把这种优势理解成,它的GPU性能很强。
但实际上,还有一样非常重要的东西就是生态。简单说,GPU是硬件,生态则是一套围绕GPU建立起来的软件开发工具和计算平台。
大量AI研究人员、程序员、企业,长期使用这套工具开发程序。时间一长,各种现成的软件、算法、开发经验,都围绕它积累起来了。
这意味着,假如你现在拿到一款性能非常强的芯片,想把原来运行在外国厂商平台上的AI程序迁移过来,并不是把文件复制一下就行。因为原来的程序,可能针对芯片和软件环境做过大量优化。换了平台,有些程序需要修改,有些算法需要适配,有些任务虽然能运行,却发挥不出硬件应有的性能。
这就像我们拥有了一套很先进的机器,但原来围绕另一套机器建立的工具、操作方法和生产流程,未必能够直接搬过来。
所以,AI芯片的发展,不能只靠芯片制造商一家企业。它还需要大量软件开发者、应用企业、科研人员参与进来,在真实使用中不断发现问题、解决问题。这就是所谓的算力生态。
2025年8月,国务院印发《关于深入实施“人工智能+”行动的意见》,其中专门强调,要发挥我国产业体系完备、应用场景广阔等优势,推动人工智能与经济社会各领域广泛深度融合。
高校是观察AI进入千行万业的试验场
那么,怎么推动AI进入不同行业呢?这就要说到,高校的一个特别之处了。
高校不仅是科研和教学主体,它也是观察AI怎样进入千行万业,一个特别好的试验场。
你看,一所综合性大学,本身就像一个浓缩版的社会。这里有科研,有教学,也有财务、行政等日常管理。有人研究医学,有人研究机械、材料、化学,也有人研究人文和社会科学。不同的人面对的问题完全不同,对AI的需求也完全不同。
而AI未来真正进入社会之后,会遇到的,恰恰也是这样的情况。所以,AI进入大学,其实是在一定程度上预演一个更大的图景,AI究竟要怎样,才能真正进入千行万业?
那么,AI进高校,这个过程到底是怎样的呢?关于这个问题,我们可以看一个很有代表性的案例,这就是,上海交大和华为的合作。
上海交大自2013年就开始建设校级计算平台“交我算”,经过十多年的积累,目前已发展成为国内首屈一指的校级计算平台,还组建了一支国内高校最大的计算服务团队,为不同学科用户提供专业计算服务,目前已经支撑了一批有重大影响力的科技创新成果产出。
但进入AI时代,原来的计算服务体系遇到了新的挑战。过去,很多科研用户是有一定计算机基础的,他们研究目标明确、会提作业、会调参数、会看日志。
现在不一样了。越来越多非计算专业的师生,也希望借助AI完成自己的工作。他们可能不熟悉模型部署,也不擅长软件调优。你总不能要求一位医学教授,为了使用AI分析研究资料,先去学习怎样部署AI模型。
因此,AI进入高校真正面临的挑战不是算力规模够不够,而是算力以什么方式交到师生手上,才能变成大家容易使用的公共服务。
这里有一个特别值得注意的变化。以前,使用先进算力,往往需要先学会操作复杂的计算系统。现在,学校正在尝试让先进算力变成一种可随时方便申请和使用的公共服务。
比如,上海交大网络信息中心副主任林新华在采访中介绍,上海交大与华为合作建设了国内高校最大的智算平台“致远一号”,本地部署了以DeepSeek为代表的多款大模型,面向全校师生免费开放使用。比如,一位普通学生想使用学校本地部署的大模型,只需要在校园一网通App(“交我办”)里提交申请,系统核实学生身份后,就可以自动审批。
“致远一号”智算平台
这种变化,看起来只是简化了几个操作步骤,但实际作用远不止于此。技术门槛每降低一点,就可能有更多原本没有相关专业背景的人,开始尝试使用这项技术。目前,上海交大本地部署大模型已累计服务了校内师生5.57万人。
但比服务人数更重要的,是它开始进入真实科研工作。
比如,计算机学院的研究团队,利用“致远一号”提供的大模型API,开发了一套名叫“交学伴”的教学平台。它能够接入课程的教材、课件和知识库,帮助学生进行知识检索、课程答疑和个性化学习,并与学校现有的Canvas教学平台集成。
再比如,打造AI数字员工,用于学校财务报销审核,提升办事效率。
这些事情跟训练世界最先进的大模型相比,好像都不算惊天动地。但它们恰恰说明,一项复杂的底层技术,正在变成不同专业、不同岗位能够调用的日常能力。要让AI真正进入社会,首先得把复杂的技术,变成普通人能够方便调用的服务。
但能够使用AI,并不意味着能够把AI用好。真正进入专业领域之后,事情往往会变得更加复杂。上海交大就遇到过一个很有代表性的问题。
如何用AI来实现大型风机的故障诊断?这个问题很重要,因为大型风机在运行过程中,最怕出现设备故障。特别是海上风机,设备位置分散,维修不方便。一旦出现故障,除了维修本身,还可能造成发电损失。因此,研究人员希望利用AI,分析设备运行数据,在故障发生之前,尽早发现异常。
但这里有一个难题。不同风机企业掌握着自己的设备数据,这些数据具有商业价值,不一定愿意交给其他机构。为了解决这个问题,研究团队采用联邦学习方法构建了一套算法。
所谓联邦学习,简单说,就是不必把各家企业的原始数据全部集中起来,也能够让不同来源的数据共同用于模型训练。这样既能够利用更多数据,也有助于保护数据隐私。
到这里,算法问题有了解法。但当研究团队把这套程序运行在算力平台时,又遇到了新的困难。因为,这套程序现在需要把程序迁移到昇腾上。程序虽然迁移过去了,但一开始的运行性能并不理想,远没有发挥出芯片应有的能力。
怎么办?这时,华为的工程师参与进来,与科研团队和“交我算”团队一起攻坚克难,围绕程序迁移、代码适配和性能优化开展工作,调整了原有的运行方案。最终,在保持计算结果一致的前提下,程序运行性能比优化前提升了58%。
这个案例真正重要的地方,可能还不是58%这个数字。它揭示了一个经常被忽略的问题。一款芯片的性能参数,只代表它具备什么能力。一款芯片在真实工作中究竟能够发挥多少能力,还取决于整个软件生态。
而软件生态,不是靠某一家公司关起门来,就能独立建设完成的。必须有人提出真实需求,有人熟悉实际业务,有人能够理解底层芯片,还有人能把它们连接起来。
过去学校提供超算、云计算服务时,计算中心的服务团队能够独立支持用户。但到了算力,光靠学校计算中心和科研用户之间的合作,已经不够了,还需要技术厂商深度参与。
因此,合作关系从原来计算中心与用户之间的两方关系,变成了用户、计算中心和技术厂商共同参与的三方关系。用户提出真实需求,计算中心提供专业计算服务和资源支持,技术厂商提供算力底层技术支持。
这就比单纯采购硬件设备,往前走了一步。
把一所大学的经验,变成更多人的方法
但这一步行得通,只说明一所学校走得通。如果中国有成千上万家企业、研究机构和学校,都想使用AI算力,难道每一家都要重新摸索一遍?每个单位都要重新研究机房怎么建、计算资源怎么管理、模型怎么部署、软件怎么适配?
如果是这样,AI生态的建设速度就会受到很大的限制。因此,接下来还要再往前推进一步。能不能把一所大学已经验证过的平台建设和运营经验,也变成更多机构可以借鉴的方法?
2026年9月,上海交大网络信息中心与华为联合发布了《高校AI能力中心建设指南》。
这份指南以“致远一号”的建设和运营实践为主要参考,把建设算力平台、部署大模型、提供计算服务、日常运营维护等经验,整理成了完整的操作手册。
它涵盖了很多具体场景。比如,一所大学应该怎样估算自己的算力需求?机房需要多大的空间、怎样配置供电和散热?不同的计算任务,应该怎样分配资源?学校怎样统一管理模型服务,怎样让师生方便地接入AI?这份指南就像一本菜谱。有了菜谱,别人不必重新研究每一道菜的全部做法,而是可以根据自己的需要,借鉴已有的步骤和方法。
回过头来看上海交大与华为的合作,你会发现,它并不是一个简单的算力平台建设项目。
它至少跨越了三个不同的层次。
第一阶段,学校希望把先进算力建设成一种公共服务,让更多不同专业的师生能够方便使用。
第二阶段,当AI进入真实的科研、教学和管理场景时,学校与华为又需要共同解决软件迁移、性能优化、模型部署等复杂问题,让算力不仅能运行,还能真正解决专业问题。
第三阶段,把这些技术经验、建设经验和运营经验整理出来,让更多后来者有机会借鉴。
这三个层次,实际上对应着AI技术普及过程中的三个问题。能不能用?能不能用好?能不能让更多人用好?
这也是我们今天从上海交大这个案例中,能够获得的一种更普遍的观察方法。
以后,当你看到一家企业宣布建设AI平台,或者一个地方宣布投入大量资金建设智算中心,可以多问几个问题。比如,这些算力真正服务了哪些人?使用者遇到的问题,是靠自己解决,还是有完善的技术支持体系?应用有没有产生可验证的效果?
而从更大的视角看,中国AI产业的竞争,也正在提出类似的问题。我们当然需要自己的芯片,需要自己的基础软件,需要能够在技术体系里进行创新的人才,但与此同时,我们还需要千行万业的实际使用者。
因为只有当AI真正进入医疗、制造、教育、科研等不同领域,才会产生足够丰富的需求,暴露足够多的真实问题。这些问题又会反过来推动芯片、软件和开发工具的持续改进。
这样,AI的发展才能逐渐形成一个相互促进的过程。
高校当然不是AI进入社会的终点,而是一个足够复杂,又足够集中的试验场。AI未来进入千行万业会遇到的很多问题,可能已经提前在这里出现。一项技术的突破,可能发生在少数人的实验室里。但一项技术真正改变一个国家,一定发生在千行万业的日常工作中。
一个了不起的事物,往往要被发明两次。第一次是从无到有的出现,第二次是嵌入整个社会结构,成为人们工作生活的一部分。AI也一样,芯片和算法决定我们能不能上场,而整个AI生态决定了我们能走多远。
采访鸣谢:
上海交通大学网络信息中心副主任 林新华
上海交通大学学生创新中心人工智能实践教学中心主任 楚朋志
