北京
商湯科技聯合創始人、大裝置事業群總裁楊帆站在發布會的臺上，用一場題為“智能轉型與共生”的演講，正式啟動了名為“銀河項目”的新計劃。這個項目直接指向一個行業焦慮已久的問題：國產AI芯片到底能不能大規模用起來？商湯的答案是，聯手近20家生態伙伴，從芯片層、生態合作到商業落地，把國產算力推入規模部署的閉環里。
同一場活動上，商湯還順手簽了兩份協議——與衛星制造商國星宇航達成空間計算合作，并與上海人工智能實驗室等五家機構組建聯合研究體，主攻科學計算應用。這些動作共同傳遞了一個信號：國產AI芯片的商用化窗口，在商湯看來已經實實在在打開了。
楊帆把時機判斷建立在三個正在交匯的趨勢上。第一，企業部署AI時所需的token量在快速攀升；第二，工業AI的采用速度正在追上消費級場景；第三，基于國產芯片的智能計算中心已經可以快速搭建起來。照他的邏輯，當這三股力量撞在一起，國產算力的大規模商業化就不會只是實驗室里的設想。
不過，這個窗口到底開到了多大，很大程度上取決于商湯自己報出來的數據——而它們迄今為止還沒有經過任何第三方驗證。商湯稱，其大裝置平臺當前日均處理token量達到2.42萬億，并預測到2026年第四季度，這個數字會翻上25倍，達到每天10萬億token。需要特別注意的是，10萬億是一個預測值，而非實測結果。在季度財報中的實際數字落地之前，任何評估商湯基礎設施的企業買家都應該把這一預測當作前瞻性目標來看待，不能等同于已實現的吞吐量。
與token量增長預期相關聯的成本效率數據，同樣來自商湯的自評估。公司宣稱，其異構混合推理技術在主流國產芯片上，可以使模型FLOPs利用率提升85%至152%；推理成本效率方面，則對標英偉達H系列芯片，達到了1.25倍的水平。而如果與國產同構推理方案相比，同等成本下，token產出量能夠提高2.5倍。商湯認為，這一提升將優化后的混合推理集群推過了一個重要臨界點——業界此前普遍認為的國產算力盈利門檻，被它的優化方案跨了過去。
然而，這些數字都沒有附帶任何獨立機構的基準測試。一套優化良好的內部測試集群，與客戶真實的生產環境之間總是存在落差：數據流水線可能并不規整，固件升級也常有延遲。這些正是讓實驗室里的漂亮數字在落地時被打折扣的地方。因此，在商湯給出的性能數據被第三方復制之前，市場恐怕還需保持一份審慎。
國產AI芯片長期面臨的另一重困境，是割裂的軟件棧。針對一種芯片架構訓練出來的模型，換到另一種架構上往往需要大量重新適配工作。商湯表示，他們已經構建了一套覆蓋模型、框架、算子、工具鏈和硬件的全棧適配層，目標是讓客戶在不同國產芯片廠商之間遷移工作負載時，不必大動干戈重寫代碼。這個全棧適配層，可以被看作是在高度碎片化的國產硬件生態之上，鋪了一層通用的操作系統式中間件。
為了讓技術主張顯得更具體，商湯列舉了兩個應用實例。其中一個來自AI4S（科學智能）領域的長序列蛋白質預測任務。不過，在目前的公開信息中，相關測試指標和詳細效果并未完整披露，僅能看出商湯正試圖通過這類垂直且計算密集的任務，來驗證其國產化推理方案在真實科研場景中的可用性。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
