在近期的一次公開演講中，yc中國創(chuàng)始人、人工智能領(lǐng)域的知名思想者陸奇指出，我們正站在一個技術(shù)范式轉(zhuǎn)移的關(guān)鍵節(jié)點(diǎn)。他認(rèn)為，人工智能時代的到來，不僅僅是應(yīng)用層的革新，更將驅(qū)動計算基礎(chǔ)設(shè)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(chǔ)軟件的開發(fā)開辟了前所未有的廣闊藍(lán)海。

陸奇首先從芯片架構(gòu)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(shè)計，主要服務(wù)于指令序列的串行處理。以深度學(xué)習(xí)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(yùn)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(shè)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(qiáng)調(diào)，未來的芯片架構(gòu)將更加“以數(shù)據(jù)為中心”和“以特定計算范式為導(dǎo)向”，追求極致的能效比和計算吞吐量，以應(yīng)對模型規(guī)模指數(shù)級增長帶來的挑戰(zhàn)。從訓(xùn)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(yùn)行時環(huán)境，大多是圍繞通用CPU和經(jīng)典編程模型構(gòu)建的。當(dāng)計算硬件的基礎(chǔ)發(fā)生變化時，支撐其高效、易用運(yùn)行的軟件棧也必須進(jìn)行深度適配與重構(gòu)。這包括但不限于：為異構(gòu)計算（CPU、GPU、NPU等）設(shè)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(gòu)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(rèn)為，這部分工作技術(shù)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(qiáng)調(diào)了人工智能基礎(chǔ)軟件開發(fā)的戰(zhàn)略機(jī)遇。他將AI基礎(chǔ)軟件視為連接底層硬件的強(qiáng)大算力與上層豐富AI應(yīng)用的“關(guān)鍵橋梁”。這一領(lǐng)域涵蓋了從開發(fā)框架、模型倉庫、大規(guī)模分布式訓(xùn)練平臺、自動化機(jī)器學(xué)習(xí)（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(dāng)前AI的應(yīng)用正從“作坊式”的模型開發(fā)，走向規(guī)?；?、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(chǔ)軟件棧來支撐。例如，能夠管理海量數(shù)據(jù)和復(fù)雜實驗流程的MLOps平臺；能夠降低大模型訓(xùn)練成本和門檻的分布式訓(xùn)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(yùn)行的治理工具。這些基礎(chǔ)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(shù)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(shù)棧正在發(fā)生一場深刻的“堆棧重構(gòu)”。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(chǔ)軟件，則是構(gòu)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(shù)上攻堅克難、補(bǔ)齊短板的嚴(yán)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(lǐng)創(chuàng)新的歷史性機(jī)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(chǔ)軟件的開發(fā)，將是構(gòu)建長期競爭力的關(guān)鍵所在。