第八屆全球人工智能與機器人大會近日在深圳舉辦，作為AI領域產學研投界的重要活動，本次大會聚焦算力體系變革對產業發展的深遠影響。在“AI算力新十年”專場論壇中，深圳理工大學算力微電子學院院長唐志敏發表主題演講，深入剖析了異構計算架構的發展趨勢與生態建設的關鍵作用。

唐志敏指出，傳統“算力”概念正被重新定義。隨著人工智能技術突破，訓力（模型訓練能力）與推力（推理生成能力）等新型算力形態加速涌現。未來可能出現將語言理解、視頻生成、圖形渲染等能力融合的“全棧算力”，這種演進對底層計算架構提出全新要求。當前單靠CPU已無法滿足生成式AI的算力需求，CPU+XPU的異構計算模式成為必然選擇，但硬件性能提升需與軟件生態協同發展。

針對異構計算面臨的編程復雜性與生態兼容性挑戰，唐志敏通過架構分類進行解析：激進型架構依賴硬件動態優化，保守型架構通過軟件調度計算資源，而理想方案需實現動靜結合。他強調，XPU作為保守型架構的代表，其性能釋放高度依賴軟件棧的成熟度。自動并行化技術雖經數十年研究仍效果有限，實際性能優化仍需經驗豐富的工程師團隊與完整工具鏈支持。

在生態競爭層面，x86架構憑借四十年積累形成強大慣性。數據顯示，全球x86軟件市場規模達3000億美元，年度開發投入超600億美元，遠超服務器硬件銷售收入。這種生態壁壘使得Arm架構服務器屢戰屢敗，即便強如蘋果的端云融合策略也難以直接復制。RISC-V雖具備開放優勢，但商業化進程面臨雙重困境：軟件生態建設滯后導致應用場景受限，硬件成熟度不足迫使企業重復購買Arm的片上互聯技術。

CUDA生態的護城河效應成為典型案例。英偉達通過構建包含算力庫、開發工具的完整體系，形成難以復制的技術壁壘。盡管兼容CUDA接口相對容易，但生態遷移成本高昂。國家層面已啟動自主生態建設，旨在打破對單一技術路線的依賴。唐志敏特別指出，GPGPU發展需兼顧計算與渲染能力，避免陷入“能算不能繪”的異化陷阱，這對實現AIGC全場景覆蓋至關重要。

芯片產業正經歷螺旋式發展周期。系統廠商自研芯片的成功關鍵在于能否形成差異化增值。蘋果通過芯片-軟件-體驗的閉環生態，成功實現高端市場溢價。反觀部分企業的自研嘗試，因缺乏全棧掌控能力而折戟沉沙。唐志敏建議，行業應聚焦RISC-V指令集的統一化發展，避免重復造輪子。該架構的模塊化特性使其具備融合CPU、GPU、AI加速器的潛力，或將成為突破CUDA生態封鎖的重要路徑。

針對技術路線選擇，唐志敏提出“架構創新無需新指令集”的觀點。現有指令體系已能支撐創新需求，RISC-V的開放性足以承載多元探索。他呼吁產業界減少低水平重復投入，將資源集中于軟件生態建設。隨著異構計算向新一體化架構演進，具備生態包容性的技術路線將主導未來競爭格局，這需要產學研各方在系統優化、算法創新等領域開展深度協作。