2025年，人工智能的發展已進入深水區。當我們習慣于AI在各個領域的出色表現時，一些看似微小卻關鍵的“瑕疵”，成為了衡量其真實智能水平的試金石。其中一個典型案例，便是AI模型在面對一張有六根手指的手掌圖片時，普遍會將其識別為“五根手指”。
這個現象暴露了當前AI技術路徑中的一個核心議題：AI究竟是如何“理解”世界的？當一個三歲孩童都能完成的簡單計數任務，成為模型的認知盲區時，我們不得不深入探究其背后的根本機制。
面對這樣的前沿命題，我們常期待能在某個技術峰會，或是頂刊學術論文中找到答案。但對于深耕科研一線的新生代科研人而言，真正能擊穿問題本質的洞見，未必只藏在聚光燈下打磨百遍的講稿里，也可能誕生于科研同行間松弛、真實的深度思想碰撞中。
為了鏈接高校新生代科研力量與開發者生態，昇騰與CSDN聯合策劃了國內首檔面向TOP高校新生代科研團隊系列探訪&對話節目——《高校有為》。
節目首期聚焦AI領域的核心議題，以《開源多模態模型的昇騰解法》為主題，由CSDN高級副總裁、奇點智能研究院院長李建忠主持，邀請到北京大學深圳研究生院助理教授，博士生導師，Open-Sora Plan發起人袁粒與華為昇騰計算推理產品高級架構師王建輝，圍繞多模態AI的挑戰、技術路線的選擇、算力成本以及生態構建等議題，展開一場信息量密集的“頭腦風暴”。
01 計算范式之變：從通用CPU到專用NPU的底層邏輯
對話的開端，直指驅動本輪AI浪潮的根本動力——計算范式的變革。
李建忠指出，行業正經歷從經典以CPU為中心向以神經網絡為中心的計算架構（以GPU/NPU為中心）的轉變。
王建輝從硬件架構演進的角度，闡述了這一變革的本質驅動力。他認為，“整個計算范式的變化，是從以前的通用性，到現在核心是把算力的效率提上去。”
他進一步解釋了CPU與NPU在設計哲學上的根本差異：
﹒CPU（中央處理器）：設計目標是通用性，擅長標量計算（單個數值的加減乘除），追求單核高性能。
﹒NPU（神經網絡處理器）：設計目標是效率，為深度學習任務而生，核心是處理大規模的矩陣或張量（Tensor）的乘加運算。為了在相同功耗下實現更高的算力效率，這是設計的出發點。
王建輝透露，昇騰從設計之初就瞄準了這一方向，這種設計直接服務于神經網絡的核心計算需求。
同時，他也觀察到一種“殊途同歸”的趨勢。NPU在追求極致效率的同時，也在增加向量計算單元以提升靈活性；而GPU（圖形處理器）在擁有強大向量計算能力的基礎上，也在不斷增加專用的張量核心（Tensor Core）。雙方都在向一個“既能提供高效運算效率，又能兼顧AI發展靈活性”的平衡點演進。
袁粒則從軟件生態的視角補充，這一轉變的核心訴求是“從通用到專用，以及到并行計算”。AI技術棧天然是并行的，軟件生態需要去適配硬件的并行特性，兩者協同發展。此外，他還提出了一個重要趨勢：軟件生態的構建正從過去的由硬件廠商主導的“中心化”模式，演變為高校、企業、個人開發者共同參與的“去中心化”模式，生態變得更加開放。
02 智能的“偏見”：當語言的霸權，壓制了視覺的真相
在多模態AI的世界里，語言和視覺這兩個最重要的模態，地位并不平等。語言，這個由人類創造、高度編碼、信息密度極高的符號系統，在過去幾年大語言模型的狂飆突進中，已經建立起了事實上的“霸權”。而視覺，這個客觀存在、充滿冗余信息、更接近物理世界本質的模態，反而在AI的認知體系中，淪為了“二等公民”。
AI看到的“六指手”圖像，其視覺信息在進入決策中樞前，就被強大的“語言先驗”給壓制和扭曲了。AI并沒有真正“看見”六根手指，它只是“知道”手應該是五根。這場看似微小的認知偏差，背后卻是整個AI行業一場曠日持久的“路線之爭”——智能的演進，究竟應該以語言為中心，還是以視覺（或更廣泛的世界模型）為中心？
從2012年AlexNet在ImageNet大賽上一戰成名，開啟了計算機視覺的黃金十年，到2020年后ChatGPT橫空出世，讓語言模型獨占鰲頭，這場爭論的鐘擺一直在搖晃。視覺派的代表人物Yann LeCun和李飛飛堅信，缺乏對物理世界的理解，AI永遠無法實現真正的通用智能；而語言派則引用維特根斯坦“語言是人類思維的邊界”，追溯到艾倫·圖靈對人工智能最初的理解，是抽象與邏輯的終極體現。
《高校有為》的這場對話，并沒有試圖給出一個終極答案，而是呈現了前沿科學家身處這場“范式革命”中的真實思考。袁粒坦言，作為一個“視覺派”，他也不得不承認，語言模型在當下“彎道超車”有其必然性——數據獲取成本低、信息密度高、人類已經完成了初步的“編碼”。
但更重要的是，他指出了未來的方向：模態平權。真正的多模態原生AI，必須讓視覺和語言在模型內部擁有平等的“話語權”，讓AI既能理解語言的邏輯，也能尊重視覺的真相。
03 路線之爭：統一架構的未來，賭在自回歸還是擴散？
如果說“語言與視覺之爭”是AI發展的“世界觀”問題，那么接下來的討論，則進入了更硬核的“方法論”層面，這也是本期節目思想碰撞最激烈的部分。
當前，在多模態生成領域，存在著兩條截然不同的技術路線：
﹒自回歸模型（Autoregressive Models）：以大語言模型為代表，其核心是“Next Token Prediction”（預測下一個詞元）。它像一個嚴謹的邏輯家，通過前文推導后文，一步一步構建出完整的內容。這是一種因果推理（Causal Inference）。
﹒擴散模型（Diffusion Models）：以主流的文生圖、文生視頻模型為代表，其核心是“Denoising”（去噪）。它像一個印象派畫家，從一團隨機的噪聲開始，逐步去除噪聲，最終“浮現”出清晰的圖像。這是一種結構推理（Structural Inference）。
在《高校有為》的“茶話會”上，一場關于這兩種路線優劣的“辯論”就此上演，充滿了節目所追求的“思想對撞”的火花。
袁粒拋出了一個極具前瞻性，甚至有些“反共識”的判斷：“盡管我做的視頻生成現在主流是擴散模型，但我認為，最終統一多模態的，會是自回歸模型?！?/strong>
他給出了三層邏輯：
其一，繼承性與效率：自回歸已經基本解決了語言這個最復雜的模態，沿用這條路線去兼容視覺，可以避免重復“造輪子”。
其二，推理的本質：人類的高級智能，核心是因果推理。我們知道火不能摸，是因為我們預知了“摸”這個“因”會導致“燙傷”那個“果”。自回歸的“next token prediction”天然契合了這種因果鏈條。而擴散模型的結構推理，雖然擅長描繪空間關系，但在邏輯鏈上是缺失的。
其三，強推理的潛力：在需要反思、規劃、決策的復雜任務中，自回歸模型可以通過強化學習等手段，實現更強的推理能力，而擴散模型的并行生成機制，很難進行有效的邏輯反思。
因此，他大膽預言，未來的多模態架構，將是以自回歸模型為“主干網絡”（Backbone），負責因果推理和跨模態融合；而擴散模型則會作為一個“后處理模塊”或“補丁”，負責視覺模態的結構補完和連續性細節。
這個觀點，幾乎是在為整個多模態領域的未來，描繪一張全新的技術藍圖。
然而，王建輝老師從一個截然不同的維度提出了“反駁”——算力利用率（Compute Utilization Efficiency）。
他認為，拋開算法的優美，最終決定技術路線勝負的，可能是一個更樸素的工程問題：哪種架構能把硬件的每一分性能都壓榨到極致？
他分析道，自回歸模型對內存帶寬要求極高，但算力利用率相對不足；而擴散模型恰恰相反，它極度消耗算力，但對帶寬要求沒那么苛刻。這兩種架構都存在“偏科”的問題。
因此，他提出了一個更具“融合”色彩的猜想：未來的勝利者，可能不是兩者中的任何一個，而是一種全新的、能夠將硬件的算力、內存、通信三大資源同時“吃滿”的均衡架構。
這場“辯論”沒有輸贏，卻詮釋了《高校有為》從“單調對話”到“電影級敘事”的亮點：對話的張力，正來自于產、學兩界頂級大腦，從各自最擅長的領域出發，對同一個未知山峰，給出了不同的攀登路徑。袁粒代表了算法與理論的“頂層設計”，追求模型的優雅與認知上的合理性；王建輝老師則代表了工程與實踐的“底層邏輯”，強調物理定律和資源效率的硬約束。
這正是創新的真實面貌——它不是一條筆直的康莊大道，而是在無數次這樣的思想對撞、路線搖擺、和基于第一性原理的反復詰問中，螺旋式上升的。
04 成本的“鴻溝”：從200元到2分錢，AI視頻的普惠之路
再精妙的理論，再宏大的架構，最終都要面臨現實世界的檢驗。對于AIGC而言，最現實的檢驗標準，就是成本。
本期《高校有為》的第三個高潮，是將話題從云端的理論，拉回了地面上最殘酷的商業現實。王建輝老師透露了一個驚人的數字：“在Sora剛發布時，我們內部評估，生成一段高質量的AI視頻，成本至少是200元人民幣?！?/strong>
200元，這個數字如同一盆冷水，澆滅了許多人對AI視頻“即刻普及”的幻想。這意味著，它只是少數人能負擔得起的“奢侈品”，距離成為像抖音、B站一樣的全民創作工具，還有一道巨大的成本鴻溝。
王建輝的目標是：“未來有沒有可能，把成本降到2塊錢，甚至2分錢？”
從200元到2分錢，是一萬倍的成本壓縮，這可能嗎？
袁粒表示，將當前AI視頻生成的技術瓶頸，總結為四個方面：可靠性不足（不符合物理規律）、可控性不足（無法精確控制生成內容）、一致性不足（人物或物體在視頻中會變化）、時長不足（普遍在10秒以內）。
問題的根源，一方面是前面提到的擴散模型“理解能力”不足，另一方面，則是其二次方增長的計算開銷。當視頻時長增加，計算成本會呈爆炸式增長。
要跨越這道鴻溝，單靠算法優化或硬件升級的“單打獨斗”已經不夠，必須依靠軟硬協同的深度聯合創新。這或許也是《高校有為》想要呈現的真實圖景。
·在軟件層面，袁粒團隊在昇騰算力的支持下，不斷進行算法迭代。例如，為了解決視頻序列過長導致的“內存溢出”（Out of Memory）問題，他們聯合昇騰團隊，在張量并行（TP）的基礎上，進一步開發了序列并行（SP），實現了“TP+SP”的高效訓練模式。再比如，為了解決模型訓練后期收斂困難的“震蕩”現象，他們采用了昇騰親和的EMA（Exponential Moving Average）優化策略，才最終讓模型平穩收斂。
·在硬件層面，昇騰則不僅僅是提供算力，更是在與袁粒團隊這樣的頂級科研項目的合作中，反向優化自己的硬件架構和軟件棧。王建輝提到，他們會分析像長視頻生成這類任務的性能瓶頸（比如Flash Attention可能占到90%的耗時），然后針對性地進行極致的性能優化。
這種“你中有我，我中有你”的深度耦合，才是實現萬倍成本壓縮的關鍵。算法的創新，為硬件指明了優化的方向；而硬件的極限性能，又為算法的實現提供了可能。
如今，合作的成果已經落地。袁粒在對話中，分享了一個與華為合作的陜西文旅項目案例：游客在游覽大唐不夜城時，可以化身為《長安十二時辰》里的某個角色，AI會根據游客的游覽路線，實時生成一段“個人專屬”的劇本殺視頻。
從實驗室里的代碼，到游客手機里的精彩短片，這條路徑的打通，預示著AI視頻的“2分錢時代”，或許真的離我們不遠了。
05 生態的“遠征”：開源的火種，與AI人才的“實驗田”
如果說技術創新是“點”的突破，那么生態建設就是“面”的展開?！陡咝Ｓ袨椤返囊曇安⑽淳窒抻谝淮尉唧w的項目合作，而是探討了更宏大的命題：我們該如何構建一個屬于自己的、繁榮的AI生態？
開源，是這場對話中反復出現的核心關鍵詞。
袁粒在談到為什么發起Open-Sora Plan時，表達了一個堅定的信念：AI的快速發展，核心就在于開源。他甚至認為，正是開源的力量，在“倒逼”那些選擇閉源的巨頭，不得不加快開放的步伐，從而促進了整個行業的繁榮。
但當GPU受限，我們如何突圍？答案是，建立一個強大的、開放的、讓所有人都能參與共建的“世界第二選擇”生態。
華為的戰略選擇與此不謀而合。王建輝明確表示，華為堅持“硬件開放、軟件開源、使能伙伴、發展人才”，將CANN（異構計算架構）、Mind系列使能套件及工具鏈等核心軟件棧全面開源，甚至會將openPangu在昇騰上完整的訓練、推理過程和經驗全部開放給社區。
這是一種格局，更是一種智慧。硬件是軀干，而生態是血脈。只有當成千上萬的開發者、高校、企業，都愿意基于這個平臺進行創造和試錯，這個平臺才能在無數次的“過程創新”中，變得真正強大和富有韌性。
生態建設的另一個核心，是AI人才。
我們正處在一個AI人才井噴的時代，DeepSeek等頂尖模型團隊中，涌現出大量來自中國高校的青年才俊。這背后，是中國扎實的數理基礎教育，更是產學研深度融合的人才培養模式。
袁粒強調，大模型訓練，本質上是一門“實驗科學”。學生如果只停留在課本理論，沒有親手接觸和調試過大規模集群，沒有在海量的算力消耗中積累“know-how”（實踐訣竅），就無法成長為真正的頂尖人才。
這也是華為與北大、清華等16所頂尖高校共建“鯤鵬昇騰科教創新卓越中心/孵化中心”的價值所在——正構建產學研協同新范式。卓越中心和孵化中心通過與高校的緊密合作，為多個跨學科研究提供強有力的技術支撐，將產業界最真實的難題、最前沿的工具、最寶貴的實踐經驗，帶入課堂和實驗室，為AI人才的成長，提供了一片最肥沃的“實驗田”。
從開源的火種，到人才的沃土，一場圍繞國產AI生態的“遠征”，已經啟航。
06 智能的溫度——為什么AI寫不出《三體》？
在長達兩小時，信息量爆炸的“茶話會”臨近結束時，對話的走向，卻從硬核的技術，轉向了一個柔軟的哲學問題：AI會取代人類的創造力嗎？
袁粒的回答，為這場“思想風暴”畫上了一個充滿人文關懷的句號。
他說：“AI，本質上仍是一個工具。人類的真正價值，在于體驗?！?/strong>
他舉了劉慈欣創作《三體》的例子。劉慈欣之所以能寫出那樣宏大而深刻的作品，不僅僅因為他的知識儲備，更因為他曾作為一個工程師，在水電站工作了幾十年，親身經歷過那個特殊的年代。作品中蘊含的，是他作為“碳基生物”，用肉體感受過的痛苦、快樂、希望與絕望。
而AI，作為“硅基生命”，它可以學習人類所有的知識，擁有海量的“經驗”，但它沒有“體驗”。它無法理解一個物理的身體在真實世界中的交互，無法感受時間的流逝和生命的脆弱。
“它沒有親身的經歷，這種肉體上的體驗，是碳基生物獨有的?！?/strong>
技術的發展永無止境，但我們不應忘記，驅動這一切的，始終是人類對世界的好奇、對美的追求、以及對生命本身的深刻體驗。這或許是智能時代，值得我們記錄和傳遞的“溫度”，是我們面對AI浪潮時，最應該堅守的“錨點”。
本期《高校有為》的思辨之旅暫告一段落，但關于AI未來的探索永不止步。如果屏幕前的你對這場對話意猶未盡，渴望見證更多像Open-Sora Plan與昇騰結合這樣的前沿成果落地，那么，我們有一個新的約定。
9月20日，華為全聯接大會開發者日將匯聚更多高校科研與開發者生態實踐。屆時，我們再一同深入探討，見證實干的力量。感謝大家對《高校有為》的關注，我們下期再見！
