在王恩東看來，人工智能從5、6年前的 “黑科技”，變成今天的“熱科技”，背后離不開算力支撐能力的巨大飛躍。2020年以GPU為代表的AI加速芯片所交付的計算力總和，已經超過了通用CPU，預計到2025年，加速芯片所提供的計算力可能超過80%。

 

“人工智能帶來了指數級增長的算力需求，計算產業正面臨多元化、巨量化、生態離散化交織的趨勢與挑戰。一方面，多樣化的智能場景需要多元化的算力，巨量化的模型、數據和應用規模需要巨量的算力，算力已經成為人工智能繼續發展的重中之重；另一方面，從芯片到算力的轉化依然存在巨大鴻溝，多元算力價值并未得到充分釋放。”王恩東表示，如何快速完成多元芯片到計算系統的創新，已經成為推動人工智能產業發展的關鍵環節。

 

未來，人工智能如何發展出像人類具備邏輯、意識和推理的認知能力，是人工智能研究一直在探索的方向。但目前，通過大規模數據訓練超大參數量的巨量模型，則被認為是非常有希望實現通用人工智能的一個重要方向。王恩東認為，隨著巨量模型的興起，巨量化已成為未來人工智能發展非常重要的一個趨勢。

 

此外，王恩東院士強調指出，多元化、巨量化、生態化給整個計算產業帶來的挑戰是空前的。“要想釋放多元算力價值、促進人工智能創新，一是要重視智算系統的創新，加大人工智能新型基礎設施建設，把從技術到應用的鏈條設計好，從體系結構、芯片設計、系統設計、系統軟件、開發環境等各個領域形成既分工明確又協同創新的局面；二是要加快推動開放標準建設，通過統一的、規范的標準，將多元化算力轉變為可調度的資源，讓算力好用、易用。”