在近期的一次公開演講中，yc中國創(chuàng)始人、人工智能領域的知名思想者陸奇指出，我們正站在一個技術范式轉移的關鍵節(jié)點。他認為，人工智能時代的到來，不僅僅是應用層的革新，更將驅(qū)動計算基礎設施的根本性重塑——特別是芯片和底層軟件，幾乎都需要“重做”。與此這也為人工智能基礎軟件的開發(fā)開辟了前所未有的廣闊藍海。

陸奇首先從芯片架構的視角闡述了這一變革的必然性。傳統(tǒng)的通用計算芯片（如CPU）設計，主要服務于指令序列的串行處理。以深度學習為代表的現(xiàn)代人工智能，其核心計算模式是高度并行化的矩陣運算與大規(guī)模數(shù)據(jù)處理。這種根本性的差異，使得專為AI計算設計的芯片（如GPU、TPU及各類AI ASIC/FPGA）從輔助角色走向舞臺中央。陸奇強調(diào)，未來的芯片架構將更加“以數(shù)據(jù)為中心”和“以特定計算范式為導向”，追求極致的能效比和計算吞吐量，以應對模型規(guī)模指數(shù)級增長帶來的挑戰(zhàn)。從訓練到推理，從云端到邊緣，全新的芯片體系正在形成，這不僅是硬件性能的競賽，更是對計算本質(zhì)的重新定義。

陸奇將目光投向了與新型芯片緊密共生的底層軟件。他指出，傳統(tǒng)的操作系統(tǒng)、編譯器、驅(qū)動程序和運行時環(huán)境，大多是圍繞通用CPU和經(jīng)典編程模型構建的。當計算硬件的基礎發(fā)生變化時，支撐其高效、易用運行的軟件棧也必須進行深度適配與重構。這包括但不限于：為異構計算（CPU、GPU、NPU等）設計統(tǒng)一的資源調(diào)度與內(nèi)存管理系統(tǒng)；開發(fā)能夠?qū)⒏呒堿I框架（如PyTorch、TensorFlow）代碼高效編譯并映射到特定AI芯片指令集的編譯器；以及構建能夠充分發(fā)揮硬件潛力、簡化開發(fā)難度的底層庫和中間件。陸奇認為，這部分工作技術壁壘極高，但其價值也極其巨大，是決定整個AI計算生態(tài)效率和繁榮度的基石。

正是在芯片與底層軟件“重做”的宏大背景下，陸奇特別強調(diào)了人工智能基礎軟件開發(fā)的戰(zhàn)略機遇。他將AI基礎軟件視為連接底層硬件的強大算力與上層豐富AI應用的“關鍵橋梁”。這一領域涵蓋了從開發(fā)框架、模型倉庫、大規(guī)模分布式訓練平臺、自動化機器學習（AutoML）工具，到模型部署、監(jiān)控、治理的全生命周期管理套件。

陸奇分析道，當前AI的應用正從“作坊式”的模型開發(fā)，走向規(guī)模化、工業(yè)化的“AI工廠”模式。這就需要一套堅固、靈活且自動化的基礎軟件棧來支撐。例如，能夠管理海量數(shù)據(jù)和復雜實驗流程的MLOps平臺；能夠降低大模型訓練成本和門檻的分布式訓練系統(tǒng)；以及能夠確保模型在不同場景下安全、可靠、公平運行的治理工具。這些基礎軟件不僅決定了AI研發(fā)和部署的效率與成本，更將在很大程度上影響AI技術的普及速度和最終創(chuàng)造價值的規(guī)模。

陸奇道，人工智能時代的技術棧正在發(fā)生一場深刻的“堆棧重構”。芯片是新的“原子”，底層軟件是新的“分子”，而在此之上蓬勃發(fā)展的AI基礎軟件，則是構建未來智能世界的“材料”與“工具”。對于中國的創(chuàng)業(yè)者和科技企業(yè)而言，這既是在核心技術上攻堅克難、補齊短板的嚴峻挑戰(zhàn)，更是在全球新一輪科技產(chǎn)業(yè)格局中占據(jù)有利位置、引領創(chuàng)新的歷史性機遇。抓住芯片與底層軟件重做的趨勢，并大力投入人工智能基礎軟件的開發(fā)，將是構建長期競爭力的關鍵所在。