在人工智能浪潮席卷全球的今天，中国创业家与科技领域的领军人物陆奇，以其深刻的行业洞察力，提出了一个引人深思的观点：人工智能时代，芯片和底层软件基本都需要重做。这一论断不仅揭示了当前技术发展的核心挑战，也指明了未来创新的关键方向。
陆奇认为，传统计算架构主要围绕通用计算任务设计，而人工智能，尤其是深度学习，对计算能力的需求呈现出截然不同的模式。AI计算高度依赖并行处理、大规模矩阵运算和低精度计算，这要求芯片设计从根本理念上进行革新。通用CPU在处理这类任务时效率较低，功耗也偏高，因此，专用AI芯片（如GPU、TPU、NPU等）的崛起成为必然。这些芯片通过优化架构，大幅提升了AI训练和推理的速度与能效，正逐步成为算力基础设施的核心。陆奇强调，未来芯片的发展将更加注重软硬协同，即硬件设计需要与AI算法和软件栈深度结合，以实现极致的性能优化。
在底层软件层面，陆奇指出，传统操作系统和基础软件栈并未为AI原生应用做好充分准备。AI模型的开发、部署和管理需要全新的软件工具和框架来支持。AI基础软件开发环境需要更加灵活和高效。现有的编程模型和工具链往往基于传统软件开发流程，而AI开发涉及大量的数据预处理、模型训练、调优和部署，流程更为复杂且迭代迅速。因此，需要构建一套从数据管理、模型训练到部署监控的全栈式AI开发平台，降低开发门槛，提高效率。
AI时代的基础软件需要更好地管理异构计算资源。随着专用AI芯片的普及，计算环境变得日益多样化，如何高效调度CPU、GPU、FPGA等不同硬件，实现资源的最优分配，成为底层软件必须解决的关键问题。陆奇认为，未来的操作系统或系统软件需要具备更强的异构计算管理能力，能够无缝集成各类AI加速硬件，为上层应用提供统一的、高性能的计算接口。
陆奇还特别强调了AI基础软件在安全、隐私和可靠性方面的重要性。AI系统的决策过程往往具有“黑箱”特性，如何确保其透明、可信、符合伦理规范，是基础软件设计中不可或缺的一环。这需要从底层构建可解释性、鲁棒性和安全机制，防止模型被恶意攻击或产生偏见性输出。
陆奇的论断深刻揭示了人工智能技术发展对基础硬软件层的颠覆性要求。芯片的重构意味着从通用走向专用与协同，而基础软件的重做则意味着从支持传统应用到原生支持AI工作负载的范式转变。这一过程不仅需要技术上的大胆创新，更需要生态层面的协同共建。对于中国而言，抓住AI时代芯片与基础软件重构的机遇，加强自主创新，构建开放合作的产业生态，将是实现技术跨越和产业升级的关键路径。在陆奇等业界领袖的推动下，中国有望在这一轮全球科技竞争中，为人工智能的基础设施建设贡献重要力量，并塑造未来的计算格局。
