來自中國科學院的多位專家學者針對當前人工智能領域出現(xiàn)的一些現(xiàn)象提出了嚴肅的批評與見解。他們指出，業(yè)界和輿論中存在若干概念混淆、根基不穩(wěn)的“亂象”，亟需從科學與產業(yè)的核心層面加以厘清和引導。
其中，一個備受關注的觀點是，有專家明確表示“沒有AI芯片這一說法”。這一論斷并非否定專用處理器對人工智能計算的重要性，而是旨在糾正一種普遍存在的概念誤讀。專家解釋，目前市場上所謂的“AI芯片”，如GPU、TPU、NPU以及各類ASIC，本質上仍然是執(zhí)行特定計算任務（尤其是矩陣運算、并行處理）的半導體硬件。它們是在傳統(tǒng)芯片架構基礎上，針對機器學習算法（尤其是深度學習）的運算模式進行了優(yōu)化設計。將其籠統(tǒng)地稱為“AI芯片”，容易讓公眾產生誤解，仿佛芯片本身具備了“智能”。專家強調，算力硬件是支撐人工智能發(fā)展的“引擎”和“基石”，但其智能并非內生，而是依賴于在其上運行的算法與軟件。這一概念的澄清，有助于引導產業(yè)和投資更加關注硬件架構創(chuàng)新的實質，而非陷入空洞的標簽化宣傳。
與此專家們將批評的焦點更多地投向了被長期忽視和低估的領域：人工智能基礎軟件的開發(fā)。他們指出，當前人工智能的繁榮，在很大程度上建立在諸如TensorFlow、PyTorch等國外主導的開源深度學習框架之上。雖然這些框架極大地促進了AI的應用與普及，但我國在更底層、更核心的基礎軟件生態(tài)方面，仍然存在顯著短板。這包括但不限于：
- 核心計算框架與編譯器：自主可控、高效且易用的深度學習框架及其底層編譯器技術。
- 底層算子庫與運行時環(huán)境：與國產硬件深度適配、性能卓越的基礎數(shù)學運算庫和系統(tǒng)級調度軟件。
- 開發(fā)工具鏈與生態(tài)系統(tǒng)：涵蓋模型訓練、部署、調試、監(jiān)控的全生命周期工具，以及健康的開源社區(qū)和標準體系。
專家們警示，如果只在應用層面追逐熱點（如大模型），而忽視底層基礎軟件的長期投入和系統(tǒng)化建設，我國的人工智能發(fā)展將缺乏堅實、自主的根基。這可能導致在技術演進的關鍵節(jié)點受制于人，產業(yè)繁榮建立在“沙土”之上，難以實現(xiàn)從“應用大國”到“技術強國”的跨越。
此次中科院專家的集中發(fā)聲，可以看作是對國內人工智能發(fā)展路徑的一次重要提醒。它呼吁學術界、產業(yè)界和投資界：
- 回歸技術本質，理性看待硬件與軟件的價值，避免追逐浮夸的概念。
- 認識到基礎軟件的極端重要性，它如同信息時代的“操作系統(tǒng)”，是決定人工智能產業(yè)長期競爭力和安全性的關鍵。
- 需要國家層面的戰(zhàn)略布局與持續(xù)支持，以及產學研各界的通力合作，沉下心來補齊基礎軟件這塊“短板”，構筑從底層硬件、基礎軟件到上層應用的完整、安全、可控的技術體系。
人工智能的健康發(fā)展離不開清晰的概念認知和扎實的基礎建設。唯有正本清源，夯實根基，才能在通往通用人工智能的漫長道路上行穩(wěn)致遠。
