周鸿祎：推理算力才是未来 让AI不仅能读清华 更能真正赚大钱

（由多段落组成）：

近年来，人工智能技术迅猛发展，算力作为AI发展的核心驱动力，正迎来新一轮的战略调整。360集团创始人周鸿祎近日在公开场合指出，未来十年AI产业的竞争焦点将从“训练算力”转向“推理算力”，后者将成为推动AI真正落地的关键力量。

他用一个生动的比喻来解释两者的区别：AI的训练过程好比一个人花费多年时间在清华、北大这样的顶尖学府积累知识，而推理则是毕业后进入职场，运用所学解决实际问题的过程。尽管过去几年行业资源大量倾斜于大模型训练——动辄投入数万张高端芯片进行高强度计算，但真正决定AI能否走进千家万户、千行百业的，其实是推理环节。

事实上，无论是ChatGPT每天处理的数亿次用户提问，还是智能制造中的缺陷检测、医疗影像分析、手机端实时翻译等应用场景，背后都依赖强大的推理能力。随着AI应用普及，这类实时响应的需求预计将在未来激增上万倍，对高效、低延迟、低成本的推理算力提出更高要求。

值得注意的是，训练与推理在技术需求上存在本质差异。训练追求极致的计算性能和高精度浮点运算，往往不计成本；而推理更注重响应速度、能耗控制和稳定性，需要在0.1秒内完成结果输出，并适配手机、边缘设备、工业终端等多种轻量化场景。若强行采用“训推一体”的架构，不仅会造成资源浪费，还难以满足实际部署需求。

当前已有科技巨头开始布局专用推理芯片。例如，OpenAI选择与AMD合作开发MI450推理芯片，正是看中其在GDDR4内存环境下运行推理任务时，相较英伟达A100具备更高的能效比和更快的响应速度。这一趋势表明，专为推理优化的硬件正在成为AI商业化落地的重要支撑。

周鸿祎进一步指出，相比训练芯片对全栈能力的极高要求，推理芯片的技术门槛相对较低，无需攻克通用性难题，重点在于针对特定场景做极致优化。这对于中国半导体产业而言，是一次难得的“弯道超车”机会。通过聚焦推理算力生态建设，有望打破国外在高端训练芯片领域的垄断格局。

总而言之，AI的发展不能只停留在“会读书”的阶段，更要迈向“能干活、能赚钱”的实用化阶段。只有牢牢把握住推理算力这一主战场，才能让人工智能真正融入教育、医疗、制造、消费电子等多个领域，释放巨大的商业价值和社会效益。

AI推理算力, 训练与推理区别, 推理芯片发展, 周鸿祎AI观点, AI产业落地

本文来源： 快科技【阅读原文】