（来源：上观新闻）
他认为高级机👨👨👦👦器学习研究者之间👽对此并没有太🥰多分歧，🇨🇱算法改进的🚻空间依然巨大🦹♂️🤬。底层自己🍵做芯片(昆仑🐪芯)，中间🦎🆒做模型、训练平台🎙🇮🇷，往上🛐🦸♂️做智能体、应🔔用，从下到🇱🇺上一整🏁🤭条链，全是自己🧮攒的🔈🐴。人将从“编➡🕵️♀️写-调试-修复”🏹🗿的循环中解放🦁🔷出来，转移到需求🌋分析与ℹ🇼🇸系统设计上，设🎸💪计文档的质量直🦎接决定了 A🏴I 生成代码的准🤘确性和可🇹🇰维护性🇧🇲🎎。GPU使用🐺📴的HBM读写慢🥙，是推理过🤙⚜程中的根本💗🏪瓶颈，每生🌯成一个token🥦🇹🇹，一个70亿参数♌🌃模型需要搬运约1🔮🇲🇸40GB数据🏕，频率极高，HB🦟👨👩👧M跟不上🧢🦃。
随着GP🇻🇳👯U、AI ASI🎴C等大芯片的尺寸不断🔤↕扩大、I/O密💁🇱🇸度持续攀升♌🤹♂️、信号速率迈向📪112G💳/224G甚至更💌高水平，📘基板不再只是🃏🇮🇶“承载”，而🚏成为连接芯片☄与系统之间的🗳高速互连核心与🏹电气性能边界🧳。5年阶段（再加🙇♀️两年）步入Y🐂🎖曲线，智元已从0📬🔛到1实😁现生产🍗力，将🎡🥇在“工🔻商业部署态场🏠景”实现数万台落🔑地🌄。
