作者：王聪彬

现如今，算力正从技术底座走向产品前台，开始塑造产品形态和应用边界。随着优质算力在云、边、端环境中普及，企业和开发者开始关注如何将算力、高性能计算能力和软件平台结合起来，把技术潜力转化为可用、可落地的产品。

在第五届AIGC开发者大会上，展开了一场关于《超级算力打造超级产品》的年度对话，AMD大中华区AI市场营销负责人昝仲阳、红帽亚太CTO办公室首席架构师兼大中华区CTO张家驹、WaveSpeedAI COO Adam ZhouRefly.AI CMO/增长负责人李锦威、清程极智含伙人、VP何万青，与主持人PEC China发起人、至顶科技CEO兼总编辑高飞，围绕算力演进、技术栈协同以及AI产品规模化落地等关键议题展开深入探讨。

超级算力驱动超级产品

如今，算力不仅支撑模型运算，更直接驱动产品创新和商业化实践。昝仲阳看到，算力和产品正好位于AI产业链的两端，过去两年行业从没有算力就无法谈模型，逐步转向算力形态下沉与模型效率提升并行的发展阶段。随着模型对资源依赖的降低以及优质算力的普及，AI正在从云端训练场景走向更广泛的应用环境，也就是AMD董事长兼CEO苏姿丰提出的“AI Everywhere, for Everyone”。

张家驹从平台视角看到，当前企业在落地AI时面临的核心挑战，并不在于应用是否丰富，而在于如何将模型真正部署进企业自身的业务系统。企业需要同时面对多样化的算力来源与模型形态，在保障成本与效率的前提下，让AI在真实生产环境中持续运行并创造价值，这使得平台层能力成为企业落地AI的关键基础。

何万青指出，AI并非从零开始发展，而是直接受益于过去二十年高性能计算体系的积累。无论是软件栈、系统工程能力，还是优化技术，中国在超算领域形成的长期能力，都在今天的智算体系中得到延展和放大。当前更大的挑战在于高价值需求的生成，真正具备规模意义的AI应用，仍然需要由具体行业场景驱动，而不是停留在低复杂度、低价值的应用迭代中。

“从产品层面观察，当前主流AI产品形态主要集中在Agent与Workflow两个方向。”李锦威说道。前者具备更高的智能性，但缺乏稳定性和复用性，后者稳定但构建门槛较高。他认为，真正具备长期价值的产品，应当能够在降低使用门槛的同时，帮助用户将自身经验和方法论沉淀为可复用的能力。

Adam Zhou强调，效率始终是最核心的需求，简单、快速地集成模型能力，尽早将产品推向市场，是当前高度竞争环境下的关键前提。在此基础上，平台的稳定性和可依赖性决定了开发者是否能够持续服务终端用户。算力与模型最终价值不在于参数规模，而在于是否能够帮助开发者更快完成从技术到商业的转化。”

从算力下沉到产品落地

从2021年底至今，短短四年时间，AI产业已经完成了从技术验证到规模应用的跨越。算力形态、部署方式与产品逻辑的持续变化，如何真正用好AI成为更为现实的问题。

AMD的理念是，如果要把AI的全部潜能释放出来，就需要完整覆盖云、边、端的算力解决方案。昝仲阳表示AMD 正是能够提供云边端全栈算力产品的公司，最近在CES上还推出了全新的锐龙AI 400系列处理器。他看到，DeepSeek等模型推动企业本地一体机需求不断增长，端侧算力形态迅速被中国市场消化，并在去年依托中国供应链和开发者生态，演化出迷你AI工作站这样的新形态，反向推动了全球产品创新。

对于企业，张家驹表示，他们在AI时代面临的挑战与云计算早期有相似之处。一方面，企业在公有云环境中使用AI，另一方面，大量核心数据仍然需要在本地部署，并满足合规要求。在这种异构环境下，如何构建一套在体验、性能和可靠性上与云端一致的AI架构，对企业IT部门是一个现实挑战。虽然AI在数据处理和模型层面带来了新变化，但分布式训练与推理、高速网络、缓存等能力，与传统企业IT技术体系有大量共通之处。

何万青从计算应用的角度来看到，大模型的出现使AI成为通用工具，但同时也带来了M种模型与N种硬件并存的问题，不同推理引擎、系统软件以及硬件能力之间的适配复杂度显著提升。上层还存在K种不同业务，对并发度、时延等指标的关注点各不相同，当前需要解决的是K×M×N的适配与优化问题。企业不同业务在不同模型和硬件组合下获得可用、稳定的计算能力，也是基础设施企业正在共同面对的挑战。

回到产品层面，李锦威表示，AI原生产品与传统软件的核心区别在于驱动方式的不同。传统软件更多是逻辑驱动，用户需要理解系统逻辑并完成复杂配置，而AI原生软件更强调对人类意图的理解。与传统软件提供千人一面的功能不同，AI原生产品更应提供千人千面的能力和经验，满足高度个性化的需求。

Adam Zhou谈到，开发者需要在激烈竞争中做出差异化，现在很多开发者通过微创新，快速将成熟模式推向市场，前端应用的生成已经变得非常容易，但后端依然复杂。模型、算力和AI能力未来回尽可能抽象成API或MCP，通过一行代码即可调用，让开发者把更多精力放在交付结果上。随着越来越多的人开始用AI生成应用来满足自身需求，这一过程仍有很大的优化空间。

如今大家真正关心的已经不是算力规模本身，而是算力如何被组织和使用。高飞总结道，算力需要在云、边、端多种形态下，与模型和系统形成协同，这样才能让算力真正落地，变成可持续的产品能力。