上海发布AI与算力发展新规划

近日，上海市相关部门正式印发了关于软件和信息服务业发展的未来规划文件。这份文件为当地人工智能与计算基础设施的发展指明了方向，其中关于芯片与主流模型融合的表述尤为引人关注。

下一代AI模型的技术探索

规划明确指出，将在模型架构层面进行多技术路线的攻关。这不仅仅是继续优化现有的Transformer架构，而是鼓励对状态空间模型、循环神经网络变体、液态神经网络等非传统架构进行探索。这种开放的技术路线选择，意味着未来的AI模型可能会呈现出更加多样化的形态。

同时，文件也提到了对物理智能、世界模型、量子智能、类脑智能等前沿基础模型技术体系的布局。这些领域代表了AI技术可能突破的下一片疆域，它们的共同点是试图让机器更好地理解或模拟现实世界的复杂规律。

算力硬件的核心突破点

在支撑AI模型的硬件层面，规划列出了几个需要重点提升供给能力的核心环节：

  • 计算芯片：包括GPU、NPU等高性能计算芯片。
  • 量子芯片：被视为未来算力突破的潜在路径。
  • 高速互连：如CPO光互连技术，解决大规模集群的通信瓶颈。
  • 高带宽内存：HBM技术对于处理大规模模型数据至关重要。
  • 异构服务器：整合不同计算单元以提升整体效率。

而其中最核心的目标之一，是推动自主设计的芯片与当前主流的大语言模型进行更深的融合。这不仅关系到技术自主性，也影响着未来AI算力生态的成本与效率结构。

软件与系统层面的关键挑战

硬件能力的提升需要软件栈和系统技术的同步跟进。规划也指出了几个需要突破的关键技术方向：

在数据处理层面，新型的存储检索技术和数模协同方法是重点。对于大模型而言，如何高效、精准地从海量数据中获取信息，直接影响其能力上限。

在模型能力层面，高精度的异构处理、原生的多模态融合以及动态的价值对齐技术，都是让AI系统变得更可靠、更可控的关键。最终的目标，是构建一个能够覆盖语料采集、处理、训练到推理全生命周期的自动化复杂推理体系。

这份规划的出台，标志着上海在人工智能基础设施领域，正试图从应用层面向更底层的芯片、算力集群和核心软件技术进行延伸布局。其成效如何，将深刻影响未来几年国内AI产业的发展格局。