當(dāng)大模型時(shí)代呼嘯而來(lái)，算力成為制約 AI 發(fā)展的關(guān)鍵瓶頸。傳統(tǒng)的馮·諾依曼架構(gòu)中，數(shù)據(jù)在存儲(chǔ)單元和計(jì)算單元之間頻繁“搬運(yùn)”，不僅耗費(fèi)時(shí)間，更消耗了 60% 至 90% 的無(wú)用功耗，形成了難以逾越的“存儲(chǔ)墻”和“功耗墻”。

存算一體技術(shù)正是為破解這一困局而生。它將計(jì)算與存儲(chǔ)融合在一起，讓數(shù)據(jù)在存儲(chǔ)單元內(nèi)部就近完成計(jì)算，從根本上解決了數(shù)據(jù)搬運(yùn)的問(wèn)題。2024 年，隨著三星與 SK 海力士推動(dòng) LPDDR6-PIM 技術(shù)標(biāo)準(zhǔn)化，以及多款存算一體 AI 芯片相繼出貨，這一技術(shù)正加速?gòu)膶?shí)驗(yàn)室走向產(chǎn)業(yè)應(yīng)用。據(jù)預(yù)測(cè)，2025 年全球存算一體芯片市場(chǎng)規(guī)模將突破 120 億美元，中國(guó)占比達(dá) 30%。

在這一賽道上，知存科技是最早入局、堅(jiān)持最久的玩家之一。2017 年，創(chuàng)始人王紹迪博士畢業(yè)后回國(guó)創(chuàng)業(yè)，帶領(lǐng)團(tuán)隊(duì)實(shí)現(xiàn)了存算一體芯片的量產(chǎn)，產(chǎn)品已應(yīng)用于二十多款消費(fèi)電子產(chǎn)品。2025 年 9 月，知存科技入選《麻省理工科技評(píng)論》年度“50 家聰明公司”，他們的上榜理由是“突破傳統(tǒng)芯片存儲(chǔ)與計(jì)算分離的架構(gòu)，在能效、計(jì)算并行度、功耗等多個(gè)維度獲得顯著提升”。

本期對(duì)話，我們與王紹迪博士深入探討存算一體技術(shù)的原理與前景，從內(nèi)存漲價(jià)的底層邏輯，到端側(cè)大模型的算力困局，再到 AI 時(shí)代芯片產(chǎn)業(yè)的競(jìng)爭(zhēng)格局，試圖勾勒出一幅由高效算力驅(qū)動(dòng)的智能未來(lái)圖景。

以下是對(duì)話正文：

DeepTech：歡迎王紹迪博士做客 DeepTalk，能否先簡(jiǎn)單介紹一下自己和知存科技？

王紹迪：我是知存科技的創(chuàng)始人兼 CEO。公司 2017 年底成立，到現(xiàn)在已經(jīng)八年了，時(shí)間過(guò)得很快。知存和我一直專注在存算一體芯片這個(gè)賽道，應(yīng)該是這個(gè)領(lǐng)域中最早做的，也是堅(jiān)持到現(xiàn)在最久的。目前在這個(gè)領(lǐng)域做得還算領(lǐng)先，也有一定的成果。

DeepTech：了解到你博士學(xué)的并不是存算一體，創(chuàng)業(yè)時(shí)為什么選擇這個(gè)賽道？

王紹迪：存算一體在我博士剛開(kāi)始的時(shí)候，也就是 2011 年，其實(shí)既沒(méi)有 AI 也沒(méi)有存算一體這個(gè)概念。那時(shí)候深度學(xué)習(xí)還沒(méi)火，AlexNet 這些卷積神經(jīng)網(wǎng)絡(luò)是 2012 年左右才開(kāi)始受關(guān)注。但到我博士快畢業(yè)時(shí)，AI 已經(jīng)很熱門(mén)了，雖然還沒(méi)落地到產(chǎn)業(yè)界，但大家都預(yù)測(cè)未來(lái)會(huì)是 AI 的時(shí)代。

我博士期間從 2014 年開(kāi)始做了很多跟存儲(chǔ)器有關(guān)的工作?？飚厴I(yè)時(shí)我意識(shí)到，如果 AI 未來(lái)能力越來(lái)越強(qiáng)，算法模型越來(lái)越大，對(duì)存儲(chǔ)器的依賴會(huì)遠(yuǎn)遠(yuǎn)超過(guò)現(xiàn)在的 CPU 和 GPU。所以那時(shí)候就覺(jué)得，用存儲(chǔ)器直接去計(jì)算 AI 可能是個(gè)好方向。博士最后一年，我們已經(jīng)開(kāi)始做一些存算一體的工作，寫(xiě)了一些 proposal，后來(lái)也得到了幾千萬(wàn)的項(xiàng)目資助。但我沒(méi)有參與進(jìn)去，proposal 寫(xiě)完之后就畢業(yè)回國(guó)開(kāi)始創(chuàng)業(yè)做存算一體了。

DeepTech：你博士階段做存儲(chǔ)器，今年內(nèi)存漲價(jià)是個(gè)熱門(mén)話題，你怎么看？

王紹迪：這個(gè)其實(shí)比較有意思。我們看到這兩年大模型發(fā)展很快，對(duì) GPU 的需求最大，英偉達(dá)股價(jià)都漲到快 5 萬(wàn)億美金了。

如果我們拆開(kāi)一個(gè) GPU 芯片看，里面可能有 2 個(gè) GPU 計(jì)算的核心顆粒，但有五百多個(gè)內(nèi)存顆粒——這些都是高帶寬內(nèi)存（HBM），不是普通手機(jī)或 PC 上用的 DDR 內(nèi)存，帶寬要高得多。

現(xiàn)在手機(jī)、個(gè)人電腦的內(nèi)存和閃存都在漲價(jià)，其實(shí)是因?yàn)楦邘拑?nèi)存需求太大了。高帶寬內(nèi)存性能好、賣得貴、利潤(rùn)高，從去年開(kāi)始韓國(guó)海力士在高端內(nèi)存領(lǐng)域收入和利潤(rùn)上反超了三星和美光。大家都知道這是好生意，幾大內(nèi)存廠商全部開(kāi)始轉(zhuǎn)產(chǎn)高帶寬內(nèi)存，把原先生產(chǎn) DDR 的產(chǎn)能都轉(zhuǎn)過(guò)去了。一些落后的產(chǎn)品比如 LPDDR4 完全不生產(chǎn)了，這些廠商同時(shí)也生產(chǎn)固態(tài)硬盤(pán)、手機(jī)存儲(chǔ)卡，一部分產(chǎn)能也被轉(zhuǎn)走。所以高帶寬內(nèi)存需求大，把所有產(chǎn)能都吸走了，反而導(dǎo)致 LPDDR 和普通內(nèi)存、存儲(chǔ)都缺貨漲價(jià)。

DeepTech：所以本質(zhì)上不是為了減產(chǎn)而減產(chǎn)，而是把產(chǎn)能換到了更掙錢(qián)的賽道？這是不是給國(guó)內(nèi)廠商一些機(jī)會(huì)？

王紹迪：非常對(duì)。國(guó)內(nèi)內(nèi)存廠商比如長(zhǎng)鑫，它的 LPDDR4 、 LPDDR5 產(chǎn)品原先面臨很大的價(jià)格競(jìng)爭(zhēng)，現(xiàn)在因?yàn)檫@樣一個(gè)機(jī)會(huì)，價(jià)格就可以上漲了。包括閃存廠商，整體是利好的。

DeepTech：內(nèi)存漲價(jià)對(duì)存算一體有影響嗎？還是說(shuō)這反而是你們的機(jī)會(huì)？

王紹迪：其實(shí)跟我們沒(méi)有太大關(guān)系。存算一體雖然也有“存”字，涉及很多存儲(chǔ)器技術(shù)，但目前還不會(huì)用商業(yè)化的存儲(chǔ)廠商產(chǎn)線去生產(chǎn)。它用的是一些存儲(chǔ)器的原理，在常規(guī)的邏輯代工廠做生產(chǎn)，所以產(chǎn)能方面是不相關(guān)的。

另外，很多人覺(jué)得存算一體是存儲(chǔ)器，但它雖然“存”在前面，實(shí)際上是個(gè)計(jì)算芯片?？梢园阉?dāng)成用存儲(chǔ)器做計(jì)算，像 GPU、 CPU 這類能夠完成計(jì)算的東西，而不是存儲(chǔ)芯片。

DeepTech：能不能深入介紹一下存算一體的計(jì)算范式？

王紹迪：我舉個(gè)例子。比如我想做 2 加 3 這個(gè)計(jì)算，在現(xiàn)在的芯片架構(gòu)中，2 和 3 要從存儲(chǔ)器里讀出來(lái)，讀到 CPU 之后做加法，結(jié)果是 5，再把 5 存回存儲(chǔ)器。一次計(jì)算涉及讀兩次數(shù)、做一次加法、寫(xiě)一次數(shù)，三次讀寫(xiě)操作加一次計(jì)算操作。

這里面消耗時(shí)間最大、功耗最高的，實(shí)際上是把數(shù)據(jù)從存儲(chǔ)器里讀出來(lái)、再寫(xiě)回去的過(guò)程。為什么代價(jià)大？可以理解成存儲(chǔ)器陣列特別大。如果從三四個(gè)人中找一個(gè)人很快，但從一個(gè)幾萬(wàn)人的學(xué)校里找一個(gè)人，從找到他到他走到校門(mén)口，時(shí)間就特別長(zhǎng)。

現(xiàn)在計(jì)算算力越來(lái)越強(qiáng)，存儲(chǔ)容量越來(lái)越大，就像一個(gè)幾十萬(wàn)人的大規(guī)模場(chǎng)地，我們要從中間找出兩個(gè)人做計(jì)算，再放回原位，算起來(lái)是挺容易的事，但找人、放回去的過(guò)程是最大的瓶頸。

存算一體為什么能解決這個(gè)問(wèn)題？因?yàn)?AI 計(jì)算是非常規(guī)整的陣列級(jí)計(jì)算，雖然能力很強(qiáng)，但基礎(chǔ)方式很簡(jiǎn)單——乘法和加法占了 90%，而且是相鄰數(shù)據(jù)之間的交互?，F(xiàn)在的做法是雖然數(shù)據(jù)站成方陣，還是要把人拉出來(lái)拉很遠(yuǎn)做計(jì)算，代價(jià)很大。存算一體就是把相鄰的數(shù)據(jù)在存儲(chǔ)器內(nèi)部直接做乘法加法。乘法加法并不復(fù)雜，不需要到復(fù)雜的 CPU、 GPU 去算，在存儲(chǔ)器內(nèi)部就能實(shí)現(xiàn)，不用跑那么遠(yuǎn)。就像兩個(gè)鄰居開(kāi)門(mén)問(wèn)一句“吃飯了嗎”，各回各家就行了，甚至不用出單元門(mén)，效率會(huì)高很多。

DeepTech：傳輸過(guò)程是瓶頸還是找數(shù)據(jù)的過(guò)程是瓶頸？

王紹迪：分情況看。在不同的芯片上，傳輸路徑長(zhǎng)度不一樣。從存儲(chǔ)器里找數(shù)的代價(jià)肯定很大，傳輸路徑代價(jià)也很大。比如從 5 公里外的小區(qū)找一個(gè)人，他從小區(qū)里出來(lái)是一段路程，打車過(guò)來(lái) 5 公里又是很長(zhǎng)的時(shí)間。

高帶寬內(nèi)存做的事情就是把存儲(chǔ)器和計(jì)算芯片放近。比如從 5 公里外改成 10 米外隔一條馬路的小區(qū)，中間路徑就變短了。但從小區(qū)里找人的代價(jià)還是存在的。

從手機(jī)或個(gè)人電腦來(lái)看，找人和傳輸?shù)拇鷥r(jià)都很大；從現(xiàn)在的高性能計(jì)算來(lái)看，從“小區(qū)”里找人出來(lái)的代價(jià)更大一些，傳輸相對(duì)代價(jià)小一些。

DeepTech：這個(gè)代價(jià)體現(xiàn)在什么方面？是性能下降、發(fā)熱還是延遲？

王紹迪：這些其實(shí)是一致的。發(fā)熱意味著代價(jià)大，意味著做工多——人走 100 米和 1 公里做的工不一樣。做的工多，走的距離長(zhǎng)，速度就慢，性能就下降。這些是同時(shí)產(chǎn)生的。

但發(fā)熱還有一個(gè)因素：高帶寬內(nèi)存可能同時(shí)有 1,024 或 2,048 條通路連到 GPU 上，手機(jī)上可能是 144 根線。高帶寬內(nèi)存之所以帶寬高，就是因?yàn)檫B的通路多。同樣發(fā)熱量下，它傳輸?shù)臄?shù)據(jù)會(huì)多一些，因?yàn)榫嚯x近但并行度高。

DeepTech：蘋(píng)果把 SOC 和內(nèi)存一體封裝，是不是就是你說(shuō)的距離變近？華為的超節(jié)點(diǎn)用光傳輸，是不是用光的傳輸密度來(lái)提升效率？

王紹迪：對(duì)，蘋(píng)果把內(nèi)存和 SOC 封裝在一起，距離可能在幾毫米的級(jí)別。英偉達(dá)的 GPU 內(nèi)存和芯片也是幾毫米的級(jí)別。

光計(jì)算是另一個(gè)故事。常規(guī)的方式是這個(gè)人打車過(guò)來(lái) 5 公里，光計(jì)算可能是坐磁懸浮或高鐵。同樣五分鐘路程，可以從 20 公里甚至 100 公里外到達(dá)。光計(jì)算的傳輸速度和密度更大，距離可以遠(yuǎn)，但消耗的能耗低。

DeepTech：存算一體相當(dāng)于中間這個(gè)路程消失了，找到人之后直接計(jì)算？

王紹迪：對(duì)?？梢岳斫獬稍葍蓚€(gè)人在某個(gè)小區(qū)某個(gè)單元同一層樓，比如都在五層是鄰居，現(xiàn)在做計(jì)算要把他倆叫出來(lái)到辦公室，問(wèn)一句“吃飯了嗎”——因?yàn)?AI 里做計(jì)算就是乘法加法，很簡(jiǎn)單，就像問(wèn)一句話。用存算一體的方式，兩個(gè)鄰居開(kāi)門(mén)問(wèn)一句“吃飯了嗎”，回答完各回各家就行了，甚至都不用出單元門(mén)，效率就更高。

DeepTech：所以存算一體是把存儲(chǔ)和計(jì)算放在一起，計(jì)算效率和密度都更高，比蘋(píng)果的一體封裝是更深層次的架構(gòu)升級(jí)？

王紹迪：可以理解成針對(duì) AI 這種計(jì)算需求，找到了一個(gè)適合它的計(jì)算方式。

DeepTech：現(xiàn)在手機(jī)都在推 AI 計(jì)算，存算一體芯片能用在手機(jī)上嗎？

王紹迪：手機(jī)上還沒(méi)有。傳統(tǒng)芯片架構(gòu)針對(duì) AI 的計(jì)算需求會(huì)不斷優(yōu)化，但架構(gòu)本身如果不是針對(duì) AI 設(shè)計(jì)的，優(yōu)化只是小部分改進(jìn)。比如 CPU 也在優(yōu)化 AI 計(jì)算性能、圖形渲染性能，但所有能力始終不如 GPU，因?yàn)?GPU 天生就是針對(duì)圖形渲染設(shè)計(jì)的，同時(shí)也比 CPU 更適合 AI。存算一體本身就是針對(duì) AI 設(shè)計(jì)的，在效率上會(huì)比 GPU 更高。

存算一體的特點(diǎn)是功耗可以很低。目前我們的存算一體芯片已經(jīng)用在很多消費(fèi)電子產(chǎn)品當(dāng)中，比如耳機(jī)。耳機(jī)平時(shí)工作就在幾毫瓦級(jí)別，在這個(gè)功耗下想做復(fù)雜的 AI 算法是很困難的。但存算一體可以讓幾毫瓦功耗下的計(jì)算能力比原有芯片高出 50 到 100 倍。我們現(xiàn)在有客戶用類似 Transformer 這種大模型算法在耳機(jī)上做聲音處理。

舉個(gè)直接的例子：原先耳機(jī)的降噪或拾音，需要把噪聲識(shí)別出來(lái)，從聲音里摳掉，還原干凈的人聲。但這類算法有上限，去噪的同時(shí)會(huì)損失人聲，沒(méi)辦法做到徹底干凈。現(xiàn)在用大模型的能力做降噪，算法變成：我知道你在說(shuō)什么，知道你的音色、語(yǔ)氣，重新生成一段干凈的聲音。生成過(guò)程中就沒(méi)有原始噪音了，效果更好。

DeepTech：相當(dāng)于兩個(gè)應(yīng)用場(chǎng)景，降噪是我耳朵聽(tīng)到的噪音降低，拾音是我打電話時(shí)降低背景音。

王紹迪：對(duì)，這塊還有很多場(chǎng)景。聲音處理就像圖像處理一樣，現(xiàn)在都在 AI 化，有識(shí)別類的、低功耗識(shí)別類的，大概有七八種不同場(chǎng)景，各種各樣的算法。

DeepTech：相當(dāng)于在追求極致功耗的場(chǎng)景下把 AI 運(yùn)行起來(lái)。現(xiàn)在跑大模型功耗特別高，傳統(tǒng)架構(gòu)可能有功耗極限？

王紹迪：對(duì)?，F(xiàn)在云端跑算法是幾百瓦級(jí)別，手機(jī)能提供的功耗大概幾瓦，中間差 100 倍。如果想把同樣的算法從云端移到手機(jī)，能效得提高 100 倍。這在現(xiàn)有基礎(chǔ)上很難突破，20 年前摩爾定律發(fā)展很快時(shí)，可能十年差不多有 100 倍提升，但現(xiàn)在很難看到未來(lái)十年有 100 倍提升了。

DeepTech：摩爾定律是不是已經(jīng)失效了？

王紹迪：傳統(tǒng)意義上的摩爾定律很早就失效了。最近十年大家用各種方式給摩爾定律“續(xù)命”，但自從 AI 出來(lái)之后，更多是在做架構(gòu)和工程上的創(chuàng)新，而不是直接 scaling 先進(jìn)制程。

DeepTech：存算一體目前大概需要多少納米制造？

王紹迪：存算一體的概念現(xiàn)在比較廣泛，我把它分為兩部分：近存計(jì)算和存內(nèi)計(jì)算。

打個(gè)比方，如果在樓外邊設(shè)一個(gè)處理點(diǎn)，人從樓里出來(lái)到處理點(diǎn)辦事，這叫近存計(jì)算——相當(dāng)于把原先集中辦公的地方放到每個(gè)居民樓外邊。存內(nèi)計(jì)算是不需要單獨(dú)的處理人員，兩個(gè)鄰居直接對(duì)話，這種叫存內(nèi)計(jì)算。

近存計(jì)算還是很依賴工藝的，工藝越先進(jìn)越好，性能會(huì)越強(qiáng)，同時(shí)要挑戰(zhàn)怎么把先進(jìn)工藝跟存儲(chǔ)器工藝更好地結(jié)合。目前業(yè)界有很多人在做這方面的工作，包括大廠和創(chuàng)業(yè)公司，涉及先進(jìn)集成等技術(shù)。

存內(nèi)計(jì)算是更徹底的變化，沒(méi)有專門(mén)的處理單元，計(jì)算單元和存儲(chǔ)單元本身就是一體的。存儲(chǔ)單元只能做簡(jiǎn)單的乘法加法，但這正好是 AI 需要的。它對(duì)芯片工藝的需求跟現(xiàn)有邏輯工藝完全不一樣。過(guò)去 30 年半導(dǎo)體加工工藝都是針對(duì) CPU 優(yōu)化，現(xiàn)在可能針對(duì) GPU 優(yōu)化，讓計(jì)算單元、寄存器、緩存性能更好，但跟存算一體的需求不同。

存內(nèi)計(jì)算用了很先進(jìn)的邏輯工藝，并不能帶來(lái)性能提升，它需要自己的工藝優(yōu)化方法。我們現(xiàn)在采用的是成熟的半導(dǎo)體工藝，28 納米及以上，在這個(gè)工藝下做存儲(chǔ)器的定制，就可以實(shí)現(xiàn)存算一體功能，性能也不錯(cuò)。

DeepTech：相當(dāng)于換了一條賽道。過(guò)去卷制程，卷到一納米之后可能就結(jié)束了，現(xiàn)在換一個(gè)架構(gòu)邏輯，用更高制程實(shí)現(xiàn)先進(jìn)計(jì)算能力。

王紹迪：可以這么理解。

DeepTech：存算一體是做主芯片還是輔助芯片？現(xiàn)在很多 AI 芯片其實(shí)是輔助芯片。

王紹迪：這個(gè)問(wèn)題我一直在想。整個(gè)芯片領(lǐng)域中，只有做主芯片才有最大的價(jià)值。主芯片可能是吃肉，輔助芯片可能連湯都喝不了。

我們看發(fā)展趨勢(shì)：97、98 年我上小學(xué)時(shí)，所有游戲都在 CPU 上打，那時(shí)候還沒(méi)有 GPU 或者叫圖形加速卡，畫(huà)面很糟糕。后來(lái)出了雷神之錘這樣的游戲，CPU 跑不動(dòng)了，大家就買(mǎi)圖形加速卡，這是最早的 GPU 芯片。

GPU 開(kāi)始是以輔助芯片的形式出現(xiàn)的，因?yàn)榇蟛糠秩蝿?wù)都是 CPU 在管理調(diào)度，GPU 只負(fù)責(zé)圖形渲染。游戲打得再多，GPU 都是輔助芯片，因?yàn)橹蛔鲞@一個(gè)任務(wù)。后來(lái)越來(lái)越多的應(yīng)用開(kāi)始用 GPU，包括手機(jī)上的圖像處理，CPU 要集成一個(gè) GPU，但還是沒(méi)法替代 CPU。

到了 AI 之后，事情發(fā)生了巨大轉(zhuǎn)變。現(xiàn)在數(shù)據(jù)中心百分之七八十運(yùn)行的是 AI 任務(wù)，不是 CPU 任務(wù)了?？梢钥吹?，整個(gè)數(shù)據(jù)中心突然轉(zhuǎn)變，以 GPU 為主，CPU 變成調(diào)度、數(shù)據(jù)傳輸、網(wǎng)絡(luò)管理的輔助功能了。這個(gè)轉(zhuǎn)變就在過(guò)去四五年，放到十年前大家都不會(huì)想到。

那什么時(shí)候在端側(cè) AI 計(jì)算任務(wù)會(huì)重于其他任務(wù)呢？比如機(jī)器人的應(yīng)用，AI 計(jì)算任務(wù)肯定高于其他類應(yīng)用，這類任務(wù)的主芯片可能就不是現(xiàn)在的 CPU 了，而是以 AI 計(jì)算為主的芯片。未來(lái)手機(jī)操作系統(tǒng)邏輯也可能改變，比如以智能化操作系統(tǒng)為主，甚至讓 AI 去管理任務(wù)。如果是這種情況，計(jì)算需求也不是現(xiàn)在的 CPU 了。

所以很多時(shí)候賭的是趨勢(shì)。云端已經(jīng)是 GPU 主導(dǎo)的 AI 計(jì)算為主了，這個(gè)趨勢(shì)會(huì)慢慢下放到 PC 、手機(jī)、機(jī)器人。機(jī)器人毫無(wú)疑問(wèn)會(huì)是 AI 主導(dǎo)的計(jì)算，計(jì)算任務(wù)發(fā)生變化時(shí)，主芯片的角色就會(huì)發(fā)生很大變化。

DeepTech：你提到 CPU 和 GPU 的比較，有個(gè)經(jīng)典案例是 GPU 打點(diǎn)是一下把整個(gè)笑臉打出來(lái)，CPU 是一個(gè)一個(gè)點(diǎn)打。存算一體的通量比 GPU 還高？

王紹迪：對(duì)。CPU 一次打一個(gè)點(diǎn)，GPU 一次可以打比如 10 萬(wàn)個(gè)點(diǎn)——這 10 萬(wàn)個(gè)點(diǎn)是從存儲(chǔ)器讀出來(lái)做計(jì)算的。存算一體大概可以達(dá)到 10 億個(gè)點(diǎn)，就是百倍。

因?yàn)榇鎯?chǔ)器從里面讀數(shù)是由它外圍的周長(zhǎng)決定的，像一個(gè)方形的存儲(chǔ)器或 CPU、GPU，所有接口都在邊長(zhǎng)上。邊長(zhǎng)比如 10 毫米，就走 10 毫米的帶寬。存算一體的意思是，因?yàn)?AI 計(jì)算是矩陣類計(jì)算，如果以邊長(zhǎng)的形式讀數(shù)，一次只能讀一行出來(lái)。GPU 相當(dāng)于一次讀一行，讀幾萬(wàn)次把 10 毫米乘 10 毫米的存儲(chǔ)器數(shù)據(jù)都讀出來(lái)。存算一體是一次就把 10 毫米乘 10 毫米里的所有數(shù)據(jù)都完成計(jì)算，不需要把它搬出來(lái)再搬進(jìn)去。

用居民樓來(lái)比喻：一棟 30 層的樓只有一個(gè)單元出口，30 層的人都要排隊(duì)出來(lái)。GPU 相當(dāng)于整棟樓有 20 個(gè)單元口，一次出 20 個(gè)人。存算一體相當(dāng)于 20 個(gè)單元口都不需要了，所有人都并行在做計(jì)算，并行維度比 GPU 更高一個(gè)維度。

DeepTech：現(xiàn)在用在 TWS 耳機(jī)上，未來(lái)會(huì)用在機(jī)器人上，從輔助芯片可能轉(zhuǎn)變成主芯片。在中間的過(guò)渡態(tài)，是以小功率設(shè)備為主還是會(huì)逐漸演化到大功率設(shè)備？

王紹迪：科技公司要做的事情是不能等需求來(lái)了再做。成功的公司都是預(yù)判了未來(lái)需求的改變，同時(shí)做了很多技術(shù)研發(fā)的提前迭代。英偉達(dá)也是在 AI 出來(lái)之前，大概 08 、 09 年就開(kāi)始做 CUDA 做科學(xué)計(jì)算，AI 真正開(kāi)始普及到應(yīng)用是 17 、 18 年左右，英偉達(dá)當(dāng)時(shí)特別大的算力芯片是 19 、 20 年左右出來(lái)的，大模型是 22 、23 年出來(lái)的。

對(duì)于存算一體公司來(lái)說(shuō)，我們預(yù)判未來(lái)會(huì)發(fā)生變化，知道未來(lái)需求是什么，就要做好怎么把現(xiàn)在 TWS 耳機(jī)的小芯片一點(diǎn)點(diǎn)做大，性能做得更強(qiáng)，能適應(yīng)手機(jī)、機(jī)器人、汽車這些產(chǎn)品。這個(gè)過(guò)程不是簡(jiǎn)單把芯片做大，還要針對(duì)存儲(chǔ)器的特殊工藝做修改和改進(jìn)，讓它更適配性能 scale up。這個(gè)過(guò)程可能有四五年時(shí)間，讓技術(shù)和發(fā)展趨勢(shì)同步。

DeepTech：技術(shù)在發(fā)展，市場(chǎng)也在發(fā)展，中間有個(gè)調(diào)和的過(guò)程。你提到機(jī)器人，今年機(jī)器人太熱了，分成大腦和小腦。大腦用大模型計(jì)算思考，身體做本體控制。現(xiàn)在很多公司大腦和身體是分開(kāi)的，未來(lái)本體上能用 AI 芯片嗎？

王紹迪：本質(zhì)上也可以。拿車來(lái)舉例，車的大腦是自動(dòng)駕駛算法，但車的操控、平衡還是傳統(tǒng)算法。車在原有駕駛操控類算法上加一個(gè)自動(dòng)駕駛大腦，就能完成自動(dòng)駕駛。

機(jī)器人也可以這樣理解：我們現(xiàn)在已經(jīng)有車了，它有基本的平衡和行走能力，但需要的是把自動(dòng)駕駛能力開(kāi)發(fā)出來(lái)。目前這部分挑戰(zhàn)最大，也是未來(lái)價(jià)值最大的地方。如果機(jī)器人只能走，可能只有觀賞價(jià)值——車還有人開(kāi)，機(jī)器人只能走也不行。如果機(jī)器人能做事，大腦要更強(qiáng)。大家現(xiàn)在想把機(jī)器人從觀賞比賽的機(jī)器人，轉(zhuǎn)化成能做有生產(chǎn)力的機(jī)器人，所以大腦更重要。

DeepTech：現(xiàn)在機(jī)器人不管是比賽還是表演，都側(cè)重平衡能力和運(yùn)動(dòng)能力，但核心還是有遙控。把本體架構(gòu)好之后再做大腦。現(xiàn)在端側(cè)是端云協(xié)同，端為輔云為主。如果芯片功率降下來(lái)、性能提高了，未來(lái)有沒(méi)有可能純端側(cè)計(jì)算就能完成很多事情？

王紹迪：這不是有沒(méi)有可能的問(wèn)題，機(jī)器人未來(lái)想很好地商用，必須在端側(cè)完成很多事情。云端計(jì)算成本其實(shí)很低，延時(shí)相對(duì)也低，一個(gè)請(qǐng)求過(guò)去可能 20 毫秒就回來(lái)了。但機(jī)器人為什么一定要端側(cè)完成？

因?yàn)闄C(jī)器人如果只是走到隔壁屋這樣的任務(wù)，可以每秒鐘跟云端交互 20 次，每 50 毫秒問(wèn)一次“我現(xiàn)在怎么走”，云端實(shí)時(shí)反饋就可以了。但未來(lái)機(jī)器人用于生產(chǎn)后，是跟物理世界實(shí)時(shí)交互的：機(jī)械手會(huì)實(shí)時(shí)反饋受到的力量，視覺(jué)會(huì)看到物體怎么移動(dòng)，皮膚會(huì)感知壓力……這些反饋之后，大模型要實(shí)時(shí)生成計(jì)算。這時(shí)候端到端延時(shí)要做到一毫秒級(jí)別，沒(méi)辦法在云端做——云端延時(shí)做不到這么短。一毫秒是正常操作的機(jī)器人，20 毫秒就是一個(gè)慢動(dòng)作的機(jī)器人。想讓它有生產(chǎn)能力，反饋鏈路必須越來(lái)越短。

端側(cè)現(xiàn)在為什么還要依賴云端？因?yàn)闆](méi)有這樣一個(gè)芯片能把很好的模型跑在端側(cè)。開(kāi)發(fā)階段對(duì)云端依賴很強(qiáng)，但未來(lái)必須是端側(cè)。

DeepTech：相當(dāng)于做到端側(cè)就是自主決策，不依賴云端。云端鏈路畢竟涉及通訊過(guò)程，延遲做得再短也達(dá)不到端側(cè)計(jì)算的鏈路。存算芯片已經(jīng)用在小的端側(cè)計(jì)算上了，但我一直有個(gè)疑問(wèn)：端側(cè)計(jì)算、降噪、運(yùn)動(dòng)控制，傳統(tǒng)架構(gòu)也能做，只是存算一體做得更好。有沒(méi)有獨(dú)特的場(chǎng)景是非存算芯片不可的？

王紹迪：這個(gè)問(wèn)題四五年前我也在問(wèn)自己。為什么會(huì)這么問(wèn)？因?yàn)槟菚r(shí)候 AI 算法并不大，算力需求也不大，跟我們剛創(chuàng)業(yè)時(shí)預(yù)判的不一樣。我們當(dāng)時(shí)預(yù)判 AI 算法會(huì)越來(lái)越大、性能越來(lái)越強(qiáng)，對(duì)存算芯片的需求會(huì)越來(lái)越強(qiáng)。但在 20、21、22 年，算法甚至比 17、18 年的算法還小。那時(shí)候端側(cè)芯片成本降得非常低，功耗也非常低。

直到大模型出來(lái)，大模型比原先的 CNN 算法基本上大了 1 萬(wàn)倍左右。大模型出來(lái)之后，一下就看到端側(cè)芯片跑不了大模型——現(xiàn)有架構(gòu)跑不了。這時(shí)候存算的優(yōu)勢(shì)就很大了。

如果做同樣規(guī)模的芯片，存算芯片在端側(cè)的性能，在大模型之前可能是傳統(tǒng)架構(gòu)的兩三倍，現(xiàn)在是 100 倍到 200 倍。手機(jī)上想跑云端一樣的模型，要提升 100 倍性能不太現(xiàn)實(shí)，只能跑弱一點(diǎn)的模型，但成本比云端還高，能力也沒(méi)云端強(qiáng)。

存算一體的機(jī)會(huì)就在這里：做成同樣成本，可以跑一個(gè)性能比云端更強(qiáng)的東西。為什么現(xiàn)在還沒(méi)有？因?yàn)槿ツ瓴趴吹竭@個(gè)轉(zhuǎn)變，去年我們才開(kāi)始 all in 存算一體往更大規(guī)模做，往手機(jī)、機(jī)器人方向做。還有幾年的時(shí)間。雖然我們當(dāng)時(shí)預(yù)判了模型會(huì)變大，但也沒(méi)那么大膽。21、22 年我們跟很多公司聊，美國(guó)一家互聯(lián)網(wǎng)巨頭說(shuō)，你們這個(gè)技術(shù)應(yīng)該做 Transformer。但那時(shí)候我們覺(jué)得 Transformer 沒(méi)有應(yīng)用，只做翻譯，效果也不是特別好，就沒(méi)下定決心。到了 22、23 年一看，Transformer 就這么強(qiáng)了。如果早兩年做，相當(dāng)于多了兩年提前研發(fā)的時(shí)間。

DeepTech：我們之前試用 GPT-2 的時(shí)候覺(jué)得不太行，3.5 出來(lái)后才覺(jué)得是個(gè)大方向。

王紹迪：對(duì)，感知是類似的。所以像你剛才的問(wèn)題，哪些東西是端側(cè)現(xiàn)在芯片做不了我們能做的？當(dāng)前可能還不好說(shuō)，但兩三年后，當(dāng)前芯片提升十倍不太可能，存算一體可以把規(guī)模從 TWS 做到手機(jī)、機(jī)器人這個(gè)級(jí)別。

DeepTech：這中間的過(guò)程是科學(xué)問(wèn)題還是工程問(wèn)題？

王紹迪：兩者都有?？茖W(xué)問(wèn)題是解決能做不能做的問(wèn)題，涉及很多理論未知的東西。比如 Transformer 的計(jì)算范式能不能完全映射到存算一體的計(jì)算范式中，這是科學(xué)問(wèn)題。工程問(wèn)題是怎么把一個(gè) TWS 的小規(guī)模低功耗芯片做大，從 2 毫瓦做到 2 瓦，這是 1,000 倍的規(guī)模。

科學(xué)問(wèn)題可能花一兩年解決，工程問(wèn)題可能要花五年以上。我們從 17 年開(kāi)始創(chuàng)業(yè)，到第一個(gè)芯片量產(chǎn)是 22 年，花了五年多。從去年開(kāi)始，我們把存算一體在 CNN 上的能力轉(zhuǎn)化到 Transformer 上，有工程和科學(xué)兩方面的問(wèn)題?？茖W(xué)問(wèn)題這兩年已經(jīng)大部分解決了，接下來(lái)三年主要是工程問(wèn)題。

DeepTech：面對(duì)工程問(wèn)題，會(huì)有生產(chǎn)問(wèn)題和生態(tài)問(wèn)題。很多中國(guó)產(chǎn)品缺乏生態(tài)——開(kāi)發(fā)者是否足夠多，生態(tài)是否完善。

王紹迪：我覺(jué)得生態(tài)不是做出來(lái)的，不是投入大、有人專門(mén)做就能做出來(lái)。為什么手機(jī)現(xiàn)在用 ARM？ARM 當(dāng)時(shí)剛開(kāi)始是非常小的公司，國(guó)內(nèi)很多公司把 ARM 買(mǎi)下來(lái)，那時(shí)候最強(qiáng)的是 x86 的 CPU。但我們看到手機(jī)在很小的時(shí)候就進(jìn)入了 ARM 處理器，在 ARM 上長(zhǎng)出了很多手機(jī)應(yīng)用，ARM 成為手機(jī)的主生態(tài)。

操作系統(tǒng)最強(qiáng)的是微軟，但現(xiàn)在看不到微軟的操作系統(tǒng)在手機(jī)上。智能手機(jī)剛出來(lái)時(shí)是 iOS 和安卓，所有應(yīng)用都在 iOS 和安卓上開(kāi)發(fā)出來(lái)的。

AI 為什么現(xiàn)在在英偉達(dá)生態(tài)上？因?yàn)槌擞ミ_(dá)還沒(méi)有人針對(duì) AI 做芯片，大家都在針對(duì)游戲 GPU 、操作系統(tǒng)做 CPU。英偉達(dá)提供了一個(gè)強(qiáng)大的算力平臺(tái)，比如市場(chǎng)需求是 100T 算力，英偉達(dá)推出了 1 萬(wàn) T 的平臺(tái)，大家在 1 萬(wàn) T 的平臺(tái)上開(kāi)發(fā)出 1 萬(wàn) T 的算法，然后有了 Transformer，最終有了大模型。

所以生態(tài)是應(yīng)用長(zhǎng)在平臺(tái)上自然形成的。做成生態(tài)的都是第一個(gè)在沒(méi)有需求的時(shí)間先把它做出來(lái)的東西。如果東西已經(jīng)做出來(lái)了，大家都在這個(gè)平臺(tái)上長(zhǎng)出應(yīng)用了，再想把應(yīng)用遷移出來(lái)挑戰(zhàn)是很大的。Windows 我們用了這么久，所有 Excel 、 Office，有很多 AI 工具比它好用，但過(guò)去 20 年沒(méi)有人去切換，因?yàn)榱?xí)慣都在上面長(zhǎng)出來(lái)的。Office 和 Windows 是在 Intel 的 CPU 上長(zhǎng)出來(lái)的，我們現(xiàn)在的 PC 也都是 x86 的 CPU 為主。ARM 性能更高，想搶 PC 和服務(wù)器花了十幾年。

DeepTech：蘋(píng)果切換 ARM 芯片之后，姿態(tài)也很低去吸引開(kāi)發(fā)者。

王紹迪：對(duì)，后進(jìn)入者可能得花十幾年、投入超千倍，去搶一個(gè)之前只花了半年一年就拿到的生態(tài)位。比如安卓比 Windows Phone 只早了半年一年，但就得到了這么大的收益。

很多時(shí)候是在最早期的時(shí)候，誰(shuí)先做出一個(gè)平臺(tái)，在上面長(zhǎng)出應(yīng)用，生態(tài)就形成了。端側(cè)現(xiàn)在沒(méi)有大腦，如果能有一個(gè)很強(qiáng)的大腦，用這個(gè)大腦做出很多產(chǎn)品，生態(tài)循環(huán)起來(lái)就成了。

DeepTech：所以有了底座之后，發(fā)展到某個(gè)階段，開(kāi)發(fā)者會(huì)自然而然選擇某個(gè)基座，從而形成生態(tài)。

王紹迪：廣泛的開(kāi)發(fā)者是很有智慧的，大家一直在試各種平臺(tái)去開(kāi)發(fā)好應(yīng)用。如果有一個(gè)很好的平臺(tái)能開(kāi)發(fā)出別人做不到的應(yīng)用，大家都會(huì)涌向這個(gè)平臺(tái)，生態(tài)就產(chǎn)生了。對(duì)于存算一體來(lái)說(shuō)，我們需要在端側(cè)提供一個(gè)遠(yuǎn)超現(xiàn)在需求的算力平臺(tái)，大家基于它能開(kāi)發(fā)出非常好的應(yīng)用，這時(shí)候才會(huì)誕生生態(tài)。

DeepTech：在這個(gè)生態(tài)上有沒(méi)有可能長(zhǎng)出超級(jí)應(yīng)用？

王紹迪：我覺(jué)得很有可能。拉長(zhǎng)到十年、 20 年，大家都覺(jué)得它會(huì)發(fā)生。比如十年、 20 年后，我們的操作系統(tǒng)是不是 AI 主導(dǎo)的？為什么當(dāng)前不行？因?yàn)槲覀兏芏嘧鲞@方面的人交流——算不動(dòng)、跑得慢、功耗高、模型跑不大、能力不強(qiáng)，都是現(xiàn)實(shí)平臺(tái)的限制。如果有個(gè)東西在 2 瓦功耗下提供云端的能力或比云端更強(qiáng)，大家在它上面開(kāi)發(fā)新的操作系統(tǒng)，能不能出來(lái)？肯定有很多開(kāi)發(fā)者愿意去嘗試。有人嘗試成功了，新的應(yīng)用、新的生態(tài)就會(huì)出現(xiàn)。

DeepTech：你認(rèn)為有沒(méi)有一個(gè)里程碑事件可能會(huì)達(dá)到轉(zhuǎn)折點(diǎn)？

王紹迪：有幾點(diǎn)，但這個(gè)判斷肯定不準(zhǔn)。放到三年前也不一定能判斷大模型能做到現(xiàn)在這個(gè)程度，未來(lái)也有很高的升級(jí)空間。

現(xiàn)在大家在端側(cè)的期望是既有記憶能力，又有很強(qiáng)的主動(dòng)能力——不是我們被動(dòng)給它需求它才做，而是主動(dòng)幫我們管理、預(yù)判需求、推薦需求。它需要非常強(qiáng)的個(gè)性化和記憶能力。

這部分有很多算法研究，但目前可能是在云端場(chǎng)景下，根據(jù)多輪對(duì)話抽取人的特征，還不是在端側(cè)。端側(cè)一直使用手機(jī)去抽取記憶、使用習(xí)慣，會(huì)很受限，因?yàn)榇鎯?chǔ)、帶寬、算力要求很高。做不到輸入的 token 非常多，可能記半小時(shí)記憶就把東西用滿了，拉長(zhǎng)到一個(gè)月、半年能做出什么效果，大家還沒(méi)法嘗試。這是平臺(tái)和應(yīng)用開(kāi)發(fā)互補(bǔ)的關(guān)系。

DeepTech：相當(dāng)于可能出現(xiàn)某個(gè)里程碑，讓 AI 能主動(dòng)提供服務(wù)，真正成為 24 小時(shí)工作的 AI 助手。之前我們算過(guò)一個(gè)賬，如果 AI 運(yùn)行 24 小時(shí)，手機(jī)可能兩小時(shí)就要充一次電。如果功耗降下來(lái)、算力升上去，AI 可能真的是常駐在工作，無(wú)感化的服務(wù)，而不是現(xiàn)在的調(diào)用式。

王紹迪：對(duì)，而且現(xiàn)在調(diào)用的時(shí)候會(huì)把所有計(jì)算資源都占滿，其他任務(wù)就跑不了了。

DeepTech：我的手機(jī)用的是華為最新系統(tǒng)，可以后臺(tái)幫我買(mǎi)東西，但一旦后臺(tái)在跑，前臺(tái)應(yīng)用就非常卡，甚至?xí)⒑笈_(tái)進(jìn)程，只留一個(gè)前臺(tái)和一個(gè) AI 模型。

王紹迪：對(duì)。未來(lái)的手機(jī)放到十年后，我們希望它是一個(gè)個(gè)人助理——不是現(xiàn)在 Siri 、小愛(ài)這種，而是更了解自己、幫我們完成所有事兒。比如今天早上我遲到了幾分鐘，它應(yīng)該在我快到地庫(kù)的時(shí)候，提前幫我發(fā)個(gè)信息說(shuō)“我馬上到了”?，F(xiàn)在我還得停下來(lái)發(fā)信息。這類主動(dòng)感知是應(yīng)該做的。

DeepTech：這可能才是未來(lái)的殺手級(jí)應(yīng)用。

王紹迪：對(duì)，長(zhǎng)期看肯定會(huì)發(fā)生。我們需要做的就是把技術(shù)開(kāi)發(fā)好，讓?xiě)?yīng)用開(kāi)發(fā)者有這樣的平臺(tái)去做這些事情。

DeepTech：你是從國(guó)外回國(guó)創(chuàng)業(yè)的，目前來(lái)看國(guó)內(nèi)外的合作交流上，你覺(jué)得中國(guó)跑得快還是國(guó)外跑得快？

王紹迪：過(guò)去中國(guó)在應(yīng)用上是跑得比國(guó)外快的。每一波 AI 技術(shù)發(fā)展之后，國(guó)內(nèi)應(yīng)用發(fā)展速度都比國(guó)外快，這是大家的刻板印象。17、18 年人臉識(shí)別落地在國(guó)內(nèi)遠(yuǎn)遠(yuǎn)快于海外，這波大模型其實(shí)也是這樣。但中國(guó)已經(jīng)參與了很多了。

最近兩年我看到，不僅在應(yīng)用側(cè)，在技術(shù)推進(jìn)側(cè)，比如 DeepSeek 這類算法出現(xiàn)，也在慢慢追趕。中國(guó)的迭代走出了一條獨(dú)具特色的道路。現(xiàn)在科學(xué)方面是追趕階段，而且越來(lái)越好。應(yīng)用方面一直保持更快的迭代速度。

從長(zhǎng)期角度來(lái)看，包括我們跟海外合作者交流，他們也看到我們?cè)诤芏嘈录夹g(shù)新應(yīng)用上的發(fā)展速度和需求是快于海外的——可能現(xiàn)在也不是歐美了，就是美國(guó)在 AI 上做得更好。很多海外合作方也愿意跟中國(guó)企業(yè)合作，因?yàn)槲覀兡軒?lái)應(yīng)用方面包括技術(shù)方面新的指引。

DeepTech：美國(guó)社交媒體上在討論 AI 泡沫問(wèn)題，有沒(méi)有可能像 00 年代互聯(lián)網(wǎng)泡沫一樣？

王紹迪：這個(gè)不好說(shuō)，因?yàn)?AI 比互聯(lián)網(wǎng)更技術(shù)化一些?；ヂ?lián)網(wǎng)泡沫時(shí)期，技術(shù)發(fā)展相對(duì)還是比較明確的。如果我們回過(guò)頭看 2000 年，可能會(huì)想為什么有互聯(lián)網(wǎng)泡沫？互聯(lián)網(wǎng)那么好。當(dāng)時(shí)大家擔(dān)心互聯(lián)網(wǎng)發(fā)展不及預(yù)期，達(dá)不到那個(gè)程度。很多時(shí)候大家對(duì)短期期盼很高，但低估了長(zhǎng)期發(fā)展。

AI 現(xiàn)在比之前理性了。大家不期望三年就實(shí)現(xiàn) AGI 、三年大家都退休了，但拉長(zhǎng) 20 年，這些事情肯定可以實(shí)現(xiàn)。即使有泡沫，我覺(jué)得也會(huì)有很多人在這個(gè)泡沫中成為最大的機(jī)會(huì)——就像 2000 年成立的好多巨頭公司都是在互聯(lián)網(wǎng)泡沫那個(gè)時(shí)候起步的。

DeepTech：會(huì)理性很多，互聯(lián)網(wǎng)泡沫那波之后反而進(jìn)入了快速發(fā)展階段。那波是資本推動(dòng)，現(xiàn)在大家都更理性了。包括 DeepSeek 出來(lái)后很多公司估值要重新定價(jià)。

王紹迪：對(duì)，估值重塑。但很多時(shí)候估值重塑反而會(huì)帶來(lái)行業(yè)發(fā)展的加速，有人虧了，就給更多人看到賺錢(qián)的機(jī)會(huì)，更多人就會(huì)投入進(jìn)去。

DeepTech：你們公司也是今年麻省理工科技評(píng)論“50 家聰明公司”的一員，你怎么看這個(gè)評(píng)價(jià)？

王紹迪：都是非常優(yōu)秀的公司。我們?yōu)槭裁丛诶锩?？我覺(jué)得是因?yàn)槲覀兊娜瞬琶芏缺容^高。之前我們每年校招里，大概 85% 是 Top 10 學(xué)校的博士，Top 5 的話占了百分之五六十，都是很優(yōu)秀的。同時(shí)整個(gè)研發(fā)團(tuán)隊(duì)過(guò)去三年的能力提升也是超過(guò)一倍以上的。我們?cè)谌瞬琶芏壬鲜欠浅?yōu)秀的。

另外還有一點(diǎn)：聰明人需要發(fā)揮的地方。我們現(xiàn)在大概 440 多人，這個(gè)規(guī)模正好適合聰明人發(fā)揮。公司不是大公司，但五臟俱全，各個(gè)領(lǐng)域都有人。同時(shí)我們又在做一個(gè)很需要?jiǎng)?chuàng)新的事情，聰明人可以發(fā)揮出很多創(chuàng)新方面的能力。交流還很緊密，大家的 idea 交流很充分。所以在這個(gè)層面上，我們肯定算是 50 家聰明公司之一。這個(gè)榜單從另外一個(gè)角度去評(píng)價(jià)公司，不是以規(guī)模、場(chǎng)景或估值，反而更看重潛力。

DeepTech：這也是我們做這個(gè)榜單的目標(biāo)。

王紹迪：對(duì)，聰明的公司要在聰明的時(shí)間選擇對(duì)的時(shí)間做聰明的事兒，這是更重要的。

DeepTech：你當(dāng)年回國(guó)創(chuàng)業(yè)的時(shí)候也是博士剛畢業(yè)，對(duì)現(xiàn)在有志的年輕人有什么建議？

王紹迪：每個(gè)時(shí)代都有每個(gè)時(shí)代的機(jī)會(huì)。如果想要工作，就投入到現(xiàn)在 AI 發(fā)展的過(guò)程中，這是最好的時(shí)代。今年的薪資比去年漲得還高，去年比前年漲得還高，是 AI 快速發(fā)展的階段。

如果是想要?jiǎng)?chuàng)業(yè)，我覺(jué)得需要再找新的場(chǎng)景。創(chuàng)業(yè)肯定不能是在一個(gè)行業(yè)最火的時(shí)候去繼續(xù)做這個(gè)行業(yè)，那時(shí)候成功率會(huì)非常低。要找到下一個(gè)可能三四年之后會(huì)開(kāi)始火的行業(yè)，提前進(jìn)入。不要太關(guān)注怎么把大模型做好、能力做好，更多應(yīng)該關(guān)注大模型能力很好之后怎么用起來(lái)，或者其他領(lǐng)域怎么跟大模型結(jié)合，比如健康、生物醫(yī)藥這些。需要對(duì)未來(lái)有一個(gè)預(yù)判。

DeepTech：還是需要長(zhǎng)期主義和預(yù)判。就像你剛開(kāi)始做的時(shí)候，已經(jīng)早于行業(yè)發(fā)展。

王紹迪：對(duì)，很多研究是在 19 、 20 年才開(kāi)始做，我們是 17 年成立公司準(zhǔn)備做產(chǎn)業(yè)化的。

運(yùn)營(yíng)/排版：何晨龍