摩尔定律落幕，何以定义AI算力未来？

当前，全球各主要国家都在积极布局AI产业。然而面对这个不断动态演进的复杂“巨系统”，各方也都存在不同层面的挑战。

我国在AI产业的挑战主要来自算力方面。境外，美国通过高端芯片禁售、技术封锁等手段企图挤压我国发展空间；国内，算力基础设施各自为营，存在标准不统一、网络互联不畅等因素。

要解决这一问题已不能依赖技术的单纯堆叠，关键在于行业形成合力，推进更为系统化、体系化的协作、创新。

跳出单点思维，重塑算力增长逻辑

摩尔定律是由英特尔创始人戈登·摩尔于1965年提出，预测芯片效能每18-24个月增加一倍，性能提升而成本下降，曾被认为揭示了信息技术进步的速度。

而面对人工智能时代的算力洪流，摩尔定律已然失效。来自MIT FutureTech的研究人员早前发表的关于大模型能力增速的研究表明，LLM（大语言模型）的能力大约每8个月就会翻一倍，速度远超摩尔定律的预测范围。显然，单芯片性能提升越来越难，算力增长亦不能再仅靠硬件单点突破。

 

*论文揭示了自2012年至2023年间，达到语言建模特定性能阈值所需的计算量大约每8个月减半一次，95%置信区间在5到14个月左右，超过摩尔定律的速度。

英伟达CEO黄仁勋在COMPUTEX 2025会议上就曾指出，真正驱动AI效能跃进的关键，不在硬件芯片本身，而在于软件和系统层的创新整合，从算法、模型架构、AI框架到数据中心、网络基建全堆叠创新打造完整的计算体系，使AI系统效能每三个月翻倍，成为取代摩尔定律的新引擎。

中国AI产业某种程度上与黄仁勋“达成共识”。事实上，因硬件发展受限，国内企业早已经开始探索新的算力突破路径。以集群算力弥补单卡性能差距；开放式的跨层协作优化；“以网补算、以存提算、软硬协同”来实现算力增量......这一系列举措，本质上都是跳出了“单点比拼硬件”的传统思维，让算力增长从“线性叠加”转向“乘数效应”。

从“单打独斗”转向“协同作战”

重塑算力增长逻辑，已不能仅靠少数头部企业的“封闭式优化”，需要产业链更大范围的协作，实现开放式的跨层协作优化。事实上，业内已有值得借鉴的案例。

2025世界智能博览会上，中科曙光协同AI芯片、AI整机、大模型等20多家产业链上下游企业，共同发布了国内首个AI计算开放架构，开放多项技术能力。该架构是面向大规模智能计算场景，以GPU为核心进行高效紧耦合系统设计的协同创新体系，旨在联动AI产业链企业，从“算、存、网、电、冷、管、软”单点突破走向集群创新，突破算力瓶颈，促进算力普惠。

而基于该架构设计的曙光AI超集群系统，可实现千卡集群大模型训推性能达到业界主流水平2.3倍，模型开发效率提升高达4倍，GPU算效增加55%。这也进一步印证了，发展更大更高效的智算集群的路径可行性、优越性。

以高效、可靠的算力为基础，我们还需着力于AI产业的健康可持续。除了国内AI产业存在的“各自为战”“标准壁垒”等问题，长期也存在自主软硬件生态不成熟、产业协作难度大、中小企业生存环境差等诸多挑战。这就更加要求产业从“单打独斗”转向“协同作战”，共同推到行业长期存在的“技术墙”“生态墙”。

建设开放、普惠的产业生态，需要以技术开放赋能产业创新，以跨层优化破解生态壁垒。面对当前全球AI产业竞争格局，“技术竞赛”难以笑到最后，一个紧密协作、开放创新的业态才是长期繁荣的保障。

 雷峰网雷峰网雷峰网(公众号：雷峰网)

雷峰网特约稿件，未经授权禁止转载。详情见转载须知。