AI会客厅实录|对话太初洪源：让AI回归最本质的工具属性

2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》，标志着我国在推动人工智能与经济社会各领域深度融合方面迈出系统性、战略性的关键一步，明确提出以“人工智能+”行动为抓手，全面推动人工智能在科技、产业、消费、民生、治理及全球合作等六大重点领域的融合应用，旨在重塑生产生活范式，促进新质生产力发展，构建智能经济和智能社会新形态。

AI+和+AI给大众生活带来了什么样的影响？对AI硬件生态链上的企业意味着怎样的机遇和挑战？AI+高性能计算领域有何前沿进展？2025人工智能计算大会（AICC2025）特别策划了“AI会客厅”直播活动，智东西总编张国仁与太初元碁首席产品官、副总裁洪源围绕上述问题展开了深入讨论。以下内容根据直播整理。

张国仁： 首先欢迎太初（无锡）电子科技有限公司CPO、副总裁洪源来到AI会客厅，我们这一场主要围绕人工智能在行业的应用来展开。首先人工智能+大家都不陌生，但是我们如何理解人工智能+以及对社会各行各业的影响，现在也听到“+AI”和“AI+”不同的说法，两者有没有什么区别？

洪源：AI+和+AI可以先从定义做一个探讨，他们既有不同点，本质又是相同的。几年前我们就在探索AI应用在不同行业的落地，从字面上理解，AI+就是AI跟不同行业相结合，AI能够服务或者赋能不同行业；调了个顺序之后，+AI的意思从字面上理解就是不同行业引入AI。

我觉得本质的点，大家现在越来越认识到不管是行业主动去拥抱引入AI，还是AI去赋能服务行业，核心还是要把AI回归到一个工具的本身，这样一个本质共识的达成才有可能让不同行业和用户去认识到AI的能力，并且更好地或者最大限度地使用AI。

AI不是万能的，但没有AI是万万不能的，所以我们一定把它当成一个工具，这个工具能够帮助我们提升效率，比如在企业中缩短业务流程处理耗时、提升准确性。对C端用户来说，2025年是Agent元年，未来可能每个人都会有一个智能助手， AI就是我们在处理日常工作过程中一个很好的帮手。无非就是我们怎么样能够把这个工具嵌入到工作流中去，这个工具足够好用，性价比足够高。

张国仁：过去这些年人工智能+科技、+产业也在变迁过程中，上一轮有互联网+，互联网+跟AI+有什么本质的不同？

洪源：先说相同。互联网也是一个工具，并且极大改变了我们的生活，包括出行、就餐、购物，以及生活方式比如抖音这些社交媒体，伴随着技术快速的更新迭代，互联网+其实还是以一种工具的方式，去提升了效率，解决了实际的问题，创造了实际的价值。AI+也是一样，AI可能会更聚焦于通过技术革新、技术奇点的达到去提升效率。

再举一个更具体的例子，现在AI+在具体行业里有很多落地应用了。外卖通过互联网+的形式已经改变了我们的生活，AI+通过后台算力和海量数据分析，让骑手能更快把餐送到用户手上，两者不断融合。本质都是工具，互联网更多承载是网介质，AI更多是技术层面效率的提升。但是我觉得最终都是在解决每一个用户的实际问题。

张国仁：人工智能+不仅是行业话题，也已经上升到国家经济社会层面。今年8月份国家出台了人工智能+行动计划，其中提到27年前要建成10个国家级AI算力枢纽，这个标志性行动计划对AI硬件生态链产生哪些机遇和影响？

洪源：对于硬件软件等整个AI生态链上的企业都是非常大的利好。具体而言从硬件角度来说，第一我们肯定要完善整个国产硬件的生态，怎么让用户基于你的生态能够更好地使用算力？

机遇和挑战并存。今年AICC大会的主题有三个。一是筑基，硬件基座有了之后，第二就是开放，整个生态上下游企业要有一个开放的心态，开放代表着用户能更好使用我们产品，不管是软件还是硬件。而且开放的结果是能够降低软硬件企业之间适配耦合的成本，最终还是给用户创造价值。第三个主题叫“燎原”，基础和开放的心态动作有了，接下来整个生态上下游企业一起给客户赋能，从星星之火开始。怎么燎原？核心还是回归到产品足够好，判断是否好就是看能不能低成本高效地解决客户问题，从这几个维度正好也扣了今天大会主题，也回答了这个问题。

张国仁：从算力侧来看，人工智能不管是+科技还是+产业，这些领域落地的话哪些方面是比较具有挑战的？

洪源：我在这个行业做了15年，也见证了人工智能几波浪潮，从最开始2012年微软发布语音助手，到2016年AlphaGO，近年来从ChatGPT开始，然后到DeepSeek，其实人工智能的浪潮一浪接一浪，但是我觉得人工智能+科技，或者+行业落地，核心影响因素有几块。我们经常说人工智能有三要素：数据、算法、算力，第一先讲一下数据，刚才您说互联网+，过去积累了海量的数据，中国的数据是比较开源开放的，数据量是够的，只是说怎么高质量处理这些数据，这需要不同行业专家参与到整个数据处理过程。为什么说数据标注师、数据处理工程师是未来一个很吃香的行业，因为不光是会使用处理软件，而是要知道这个行业场景怎么处理数据，这里面需要有专家知识。

第二是算法，2017年谷歌推出Transformer架构之后，大语言模型、视觉、多模态模型都在往这个架构上做统一，我们觉得在大的结构上，算法在短期内可能不会有太大的变化。但是在某些局部，可以做一些算法的调优优化，包括经常行业垂类模型，这实就是在基座模型上结合行业数据做一些调优。

第三是算力。这也是刚才咱们讲到国家为什么要去构建整个大的算力枢纽，其实国家也看到在这三要素里面比较缺的是在算力这一块。

除了这三个要素之外，还有一个很重要的点是AI在行业落地过程中，大家对于效果的预期和技术当下所能达到效果之间的认知gap逐渐在统一。2022年ChatGPT发布大家觉得大模型原来可以这么牛，但过了半年很多没有落地；又过了两年，我非常明显地感觉，今年DeepSeek发布之后普通人的感受度很强，因为它是开源的，很多场景都在使用它，发现DeepSeek慢慢能够解决一些问题了。

有了算力、算法、数据之后，还有一个是技术和问题之间的gap需要去解决，这个解决就需要整个上下游企业，一起让用户看到基于整个国产算力生态是能够做很多工作的，这其实也是在过去很长一段时间，我们跟浪潮信息这样一些优秀的企业一直在做尝试。

张国仁：这几年变化其实是很大的，从之前确实是“一芯难求”，只能使用国外的，到现在不管是用超节点技术路线，还是新工艺、光计算等方式，多条路线都在围绕国产自供算力进行。目前算力的挑战是否没有那么大？还是说只是在寻求解法的过程当中。

洪源：我觉得挑战和机遇一直都在，只是说算力的需求或者用户对于算力的需求一直在快速增长。技术也在迭代，用户对于技术的要求也在提升，可能要求我们这些链上的企业要更优质、更高性价比地去解决用户的问题。而且我觉得国产算力在落地过程中有另外一个挑战，就是刚才说的用户接受程度和落地最后一公里的问题，这个挑战也是一直存在的。除了硬件之外还有软件生态的协同。

张国仁：现在市面上各种AI应用场景，不管ToB、ToC也很丰富，用户需求也在不断被划分，从需求侧看，现在用户最关心的问题还是哪些？

洪源：我觉得用户需求一直没有变，第一怎么获得到比较低成本的算力，第二获取这些低成本的算力能不能解决最终问题，第三解决了这些问题会不会带来新的问题，或者说能不能创造新的价值。我觉得用户的需求，至少对于AI的问题上一直都是这样的，这也是我过往这么多年的体会。不管是C端用户还是B端用户，AI就是一个工具，一个产品，回归到产品，市场交易最原始的价值，就是创造价值，解决问题，提升效率。

张国仁：我觉得这里面还是有不一样的，您是作为一个供给方在讨论这个问题，但从用户侧，我们把用户划分的话，大家都会考虑到质量、效果、体验，需求差别还是挺大的，有的人只是想回答一个知识问题，有的人可能要做一个短视频，有的是企业层面去解决自身企业的业务问题。这个在行业里会逐渐形成一些根据需求的强弱，人群的多少，以及难易等开始出现一个需求划分的地图？

洪源：对，我刚才说的质量、成本这些是根本问题。但是您说不同行业、不同场景的需求是不一样的。这些关心的需求不一样，所带来的结果就是产品不太一样。比如学生写论文只需要一个智能论文助手帮他生成一些摘要，生成短视频则关注在多长时间内能给我生成一个高质量的短视频，不管是生成论文摘要，还是生成视频，只是说我解决的问题不一样，对应的产品和产品的推广方式不太一样。

本身我也做产品的从产品角度思考，我会说这个产品核心是解决了什么问题，解决问题所带来的价值能不能覆盖用户为这个事情买单的成本，核心产品逻辑是不变的，只是说面对不同行业、不同场景，大家在设计对应产品的时候肯定不一样的，这个背后就有技术、场景、产品解决方案的差异。但是从产品第一性原理角度来说，一定是关注最终的质量、成本、效果。

张国仁：从应用上，现在有没有一些可见的最能把人替代，或者被AI先攻入的场景，从国外几个AI巨头来看，大家比较一致地认为AI编程会是第一个大规模应用的领域，然后其他还会有哪几个，看起来逐渐清晰会成为头部规模化应用的场景？

洪源：看最近这段时间整个技术的爆点，自动驾驶、具身智能。

张国仁：具身智能是否存在实际上不够智能的问题？比如说很多机器人看起来很炫，背后要么是程序，要么是遥控在控制。

洪源：这其实就是我刚才说的，在行业落地过程中，大家对于技术的期待和实际问题中的gap，这个一直会存在，因为大家期望一直在涨，但是技术也在迭代。我觉得从硬件、软件以及协同的角度，其实这些问题逐渐在解决，这其实是一个持续的过程，甚至还会有讨论具身智能是不是非要具身，我只要智能就行了。

我觉得技术产品的方案是随着需求不断在迭代的。除了像自动驾驶、具身智能，现在Agent也是非常火的赛道，这个Agent是普通C端用户能感受到的，包括现在AIPC，手机也是一个AI智能体。还有在B端的应用，结合整个上下游的生态一起在B端不同的行业应用，比如说金融、气象。我觉得核心点还是提升用户的效率，解决实际问题，降低成本，创造新的价值。

张国仁：回到您所在的太初，太初元基一直聚焦高智能计算+人工智能，也就是HPC+AI的领域，在这个领域您和您的团队有哪些洞察和哪些新的进展可以给我们分享。

洪源：我们团队过去很多年一直做高性能计算。高性能计算通俗而言就是通过并行计算处理海量的数据，通过这样一个解释大家会看到，AI计算可以是高性能计算的一个类别，其实AI计算，我们做模型训练的时候，有很多模型的策略，不管数据并行、张量并行、流水线并行，其实核心点都是在做并行优化。然后它也是面对海量数据，只是处理的单元，处理器不太一样。我们觉得未来在整个行业的需求爆发的过程中，高性能和AI计算需求会同步快速增长，而且会直接体现在很多的需求场景里面，客户既需要高性能计算，又需要AI计算。

举个例子，我们原来做气象预报，气候气象在这个行业里也有百年历史，一直在用WRF计算去做。我们在过去一段时间跟行业新能源的企业，包括算法公司合作，把整个气候气象的算法拿出来，哪些可以用高性能计算解决，哪些可以引入AI计算，我们通过两者的结合，可以把原来需要6个小时的短临预报（未来三小时的预报）时缩短到一个小时，效率和准确度都提升了。大家现在只看到大语言模型在一些场景应用，但是AI一定是一个工具，会有更多的行业场景把它引入进去，这些场景一定是跟高性能计算和AI计算相融合的，这其实也是我们所擅长的一个领域和我们觉得未来非常大的发展方向。

张国仁：太初一直给行业提供高性能计算的能力，您刚才说HPC高性能计算，目前在算力这块是不是也是国产算力在发挥比较大的作用？

洪源：对，也是看行业场景，比如说我们刚才说的气候气象、分子动力学、流体力学仿真，包括低空经济里面的路径规划优化等等，这里面有非常多的需求。

我们觉得在这些场景下面，HPC+AI是非常好的场景。包括我们在去年联合合作伙伴一起把AlphaFold3做了一个复现，在这个基础上，基于AlphaFold3是做蛋白质结构预测，这里面既有高性能计算，也有AI计算，而且它的应用场景非常广阔，不管在生物制药还是在一些分子模拟等，这些场景应用非常广阔，而且是能帮用户带来直接经济收益的。这样一个场景下，用户能够或者愿意去付费，一个比较好的商业闭环，我们能迭代并进而实现了正向的螺旋。

张国仁：太初在算力提供方面，是否有可以量化的参考给大家感受一些变化？

洪源：我们这次参与超节点北京方案也带来了自己的产品，2U8卡的单机服务器和40U的高密液冷，举一个很简单的例子，原来我们需要4U，或者6U，甚至8U才有可能把8张卡的算力塞进去，现在我们有2U，很小的。这个高密的产品，这个就是您说的更量化的体现，更紧凑所带来是整个单位面积算力的提升，就能提升算力的同时降低客户的一些使用IDC的成本，这就是一增一减，可能更正向的提升了。

张国仁：明白，刚才您也举到了一些场景，像气象预报、科学研究的领域，我觉得这个存在时间比较长，大家认知度比较高的，有没有一些更细分的，之前想不到这个领域，也可以用超算革命，改变它的一些节奏或者行业在发展，也就是HPC+AI给哪些更多行业带来了可能性，再稍微延展一下，我们举一些更多的行业例子聊一下。

洪源：还是以AlphaFold3举例吧。

张国仁：为什么要复现它？是想秀肌肉吗？

洪源：大家知道去年诺贝尔化学奖颁给了AlphaFold3的发明者。

张国仁：你们想验证一下。

洪源：不，我是想说，为什么诺贝尔把奖颁给AlphaFold3，其实也是因为AlphaFold3的发明其实是一个跨行业或者跨时代的产品。因为蛋白结构的模拟，其实是造福整个全人类的，它能够提升整个蛋白质预测的精度和效率。可能我原来做一款新药的研制，我需要五年时间，我现在通过蛋白质结构预测，可以快速把各种蛋白质结构全部预测出来，而且我还能够做高效的测试。可能原来用五年，现在只要一年，我们原来是想不到的。原来我们说一款药的研制至少十年，五年研制，五年临床。可能现在通过把前段五年压缩，可能六年就能，甚至更短时间就能够提升了，这其实就是直接改变了大家的生活。这些原来大家都感受不到的，但却是高性能计算和人工智能计算的结合深深刻刻、真真切切影响了每个人的生活。

张国仁：您举的例子又给我们带来了深刻启发，一方面我们觉得AI算力对国外依赖比较大，但是国内已经得到了很多突破和改进。现在我们又发现在应用端国外也是有很多走在前列，不仅仅对产生行业做一些升级改变，也要有更多新的发展和探索，真正让AI发挥更大价值。感谢洪总给我们围绕人工智能+这个话题进行探讨，非常有收获。