太初元碁洪源：异构协同是未来AI算力基础设施的关键方向
2026/05/20 21:08阅读量 4
太初元碁首席产品官洪源在AIGC2026峰会上指出，随着Token经济加速到来，AI算力需解决大规模集群服务能力、计算效率及生态适配三大挑战。他认为，Agentic AI时代算力系统必须走向异构协同，CPU与GPU等不同计算单元的高效配合将成为关键，国产算力应像“制氧机”一样为AI产业持续供氧。
事件概述
在量子位主办的AIGC2026峰会上，太初元碁首席产品官、高级副总裁洪源发表演讲，围绕国产AI算力、Token经济、异构计算等议题分享观点。他认为，随着Agentic AI、代码助手、智能办公等应用进入真实业务场景，AI计算正在从“生成内容”走向“生成任务”，对算力系统的稳定性、效率和协同能力提出更高要求。
核心观点
- Token经济加速算力需求：据OpenRouter预测，从2025年到2030年，全球Token调用量将增长212倍。C端和B端应用将带来更大规模的Token消耗，算力基础设施必须支撑更高频、更复杂的AI调用。IDC数据显示，到2030年全球算力规模预计以每年60%速度增长，其中90%以上为智能算力。
- 国产AI算力的三大关键问题：
- 大规模集群服务能力：万卡乃至更大规模集群的稳定性、训练效率、成本控制是必解难题。
- 计算效率：Agent任务执行中，GPU真正用于计算的时间仅占约10%，大量时间消耗在CPU调度、通信、数据处理等环节。未来需发挥CPU（串行计算）与GPU（并行计算）的协同效率。
- 生态适配：芯片设计只是第一步，软件生态决定开发者是否愿意使用。国产算力需为开发者提供易用的编程框架、模型迁移工具，降低门槛。
- 异构计算成为重要方向：洪源强调，未来AI算力系统需解决多种计算单元之间的配合、协同调度以及降低等待和通信成本的问题。异构计算能力将是AI基础设施的重要方向。
太初元碁的实践
- 大规模集群：基于在高性能计算领域长期积累的10万核级以上并行计算经验，为AI集群提供基础。
- 异构芯片设计：核心芯片包含面向通用计算、数据处理和并行计算的不同模块，通过片上网络连接，提升CPU与GPU的协同效率。
- 生态建设：提供自研编程框架和语言支持，同时参考成熟开发生态；探索基于自然语言交互的自动生成算子能力；提供框架、模型一键迁移工具，适配多种第三方框架和模型库。
洪源总结说，Token经济时代，算力如同AI产业的“氧气”，太初元碁致力于与产业伙伴协同，提供稳定、高效、自主可控的新型算力基础设施。