量子位
·
未来推理将吃掉70%算力，30%留给训练丨硅谷投资人张璐@AIGC2026
内容提要
张璐在2026中国AIGC产业峰会上指出，AI行业正从模型和算力转向基础设施和数据层，推理将成为算力消耗的新主角，数据质量比数量更重要。未来的重点在医疗、太空和纳米机器人等应用领域，边缘计算和高质量数据收集是推动AI发展的关键。
关键要点
-
张璐指出，AI行业正从模型和算力转向基础设施和数据层。
-
推理将成为算力消耗的新主角，数据质量比数量更重要。
-
未来的重点应用领域包括医疗、太空和纳米机器人。
-
边缘计算和高质量数据收集是推动AI发展的关键。
-
人工智能基础设施的创新需求非常高，尤其是在电力和通信层面。
-
物理AI的发展需要高质量的真实世界数据，数据收集平台的标准化至关重要。
-
微米机器人和纳米机器人在医疗领域的应用前景广阔。
延伸解读
推理与训练的算力分配变化
张璐提到，未来推理将占据算力消耗的70%，而训练仅占30%。这一变化意味着企业在资源分配上需要重新评估，尤其是在基础设施和数据层面上，推理的优化将成为关键任务。企业应关注如何提升推理效率，以适应这一趋势。
数据质量的重要性
文章强调数据质量比数量更为重要，尤其是在医疗、太空和纳米机器人等领域。企业在数据收集和治理上需投入更多精力，确保获取高质量的行业数据，以支持AI模型的有效训练和应用。
边缘计算的未来
随着人工智能的快速发展，边缘计算将成为重要的部署方向。企业应关注如何在边缘端进行AI应用，以满足对数据隐私和实时处理的需求。这一趋势将推动新型小模型的开发和应用，提升整体效率。
物理AI的应用前景
物理AI在医疗、物流和太空等领域的应用前景广阔。企业应关注这一领域的创新，尤其是在数据收集和仿真模拟方面的技术突破，以推动物理AI的进一步发展和应用。
延伸问答
未来推理在AI算力消耗中占据什么比例？
未来推理将占到算力消耗的70%，而训练只占30%。
张璐认为未来AI发展的关键领域有哪些？
未来AI发展的关键领域包括医疗、太空和纳米机器人。
数据质量在AI发展中为何重要？
数据质量比数量更重要，因为高质量的数据能更好地优化AI模型和应用能力。
边缘计算在AI发展中扮演什么角色？
边缘计算是推动AI发展的关键，能够实现本地化数据处理和应用，特别适合高监管行业。
推理算力的优化为何重要？
推理算力的优化是未来AI基础设施要解决的核心问题之一，因为推理需求的可持续性越来越高。
物理AI的应用前景如何？
物理AI在医疗、物流、无人驾驶等领域有广泛的应用前景，尤其是在仿真模拟和数据层面。
