-
中美最大差异在算力资源
梁文锋指出,中美人才差距不大,核心差异在于算力资源。国内AI芯片获取困难、资本投入不足,导致模型能力、应用水平受限,本质原因是算力瓶颈。模型规模越大效果越好,但算力限制制约了Scaling进程。
-
国产芯片生态可用性无问题,国产替代是历史性机遇
英伟达CUDA的护城河正在瓦解:AI生态建立更易,计算卡与游戏卡生态分离趋势明显(如V3训练使用英伟达卡但基于TileLang构建生态)。国产AI芯片硬件与生态成熟,替代存在历史机遇,唯一问题是产能不足。华为950超节点性能与价格可平替英伟达GB200/GB300,预计五年内产能问题将缓解。
-
下一代模型核心主线是自学习
AI发展阶梯:LLM→思维链→Agent→自学习。自学习实现后,AI可自我迭代,推动通用智能与具身智能发展。自学习本质为长程任务,体现为multiagent形式。
-
国产CPU&GPU&超节点产品受益,建议关注相关龙头公司
芯片层面:建议关注海光信息等国产CPU/GPU龙头。整机层面:建议关注浪潮信息、深信服等国产超节点龙头厂商。