昇腾原生创新：破局大模型时代的不确定性，引领产业新未来 ...

大模型赛道的热潮已涌动一年多，如今正逐步走向深化与实质。业界开始深入反思大模型的快速发展历程，探索在现有产业基础上，中国大模型如何实现未来突破。面对算力供给的不稳定性和大模型创新从“量”到“质”的转变挑战，如何在充满不确定性的时代，确保大模型创新的稳定持续发展，成为亟待解决的核心问题。

大模型创新的不确定性：资源与能力的双重考验

不确定性的根源在于对“资源”与“能力”主动性的丧失。在算力方面，尽管来源广泛，但供给稳定性不足，需进一步提升产业链的稳定性和确定性。然而，更深层次的挑战在于“能力”的主动性缺失。当AI创新技术体系由他人设计时，作为单纯的“使用者”而非“体系建造者”，我们难以在体系理解与运用上赶超他人。此外，大模型日新月异的发展要求各技术环节持续适配，但外部规则体系的进化方式和时间均不可控。

突破之道：构建软硬件一体化生态系统

国外AI计算的优势不仅在于底层硬件，更在于其构建的软硬件一体化生态系统，能够快速形成机器学习的“飞轮效应”。相比之下，本土大模型创新虽有市场和数据支撑，但缺乏这样一套加速“飞轮效应”的生态系统，导致难以取得竞争话语权。因此，构建自己的软硬件生态体系，坚持和壮大原生创新，变得尤为重要。

昇腾原生创新：技术+商业双生态的破局之道

积极的消息是，国内计算产业生态正在朝这一方向努力。以昇腾为例，自2018年面世以来，昇腾一直致力于AI算力底座建设，并在今年3月全面升级了AI基础软硬件，开启了新一轮原生创新加速。

1. 技术资源准备：打破规则，实现高效灵活开发

   面对算力资源供给不稳定和软硬件兼容性问题，昇腾通过异构计算架构CANN、全场景AI框架昇思MindSpore等工具，实现了分层开放、生态兼容，打破了游戏规则，让高效灵活开发成为可能。

2. 技术深度获取：降低壁垒，提升训练效率

   随着大模型竞争重心转向工程实现，获取足够深度的技术资源成为关键。昇腾通过高速迭代各层级能力，如MindSpeed分布式加速套件，降低了技术资源获取壁垒，提升了模型训练效率。

3. 企业成长与商业成功：构建广泛商业生态

   技术之外，昇腾还通过人才培养、技能提升和商业共赢等举措，构建了一套广泛而立体的商业生态体系，帮助开发者实现商业成功。

原生创新：走入千行百业，开启新未来

计算生态存在“阈值”现象，只有度过产业应用的参与度阈值，才能走向成功。目前，昇腾AI已培养数万名原生开发贡献者，与多家生态伙伴发布了基于昇腾的原生开发成果，实践案例遍布各大赛道。原生创新正逐步跑通，走入千行百业，开启产业新未来。