行业核心观点 - AI的未来竞争焦点从“更聪明”转向“更高效、更安全、更普惠”的系统性竞争 [1] - AI的关键瓶颈正从算法转向算力效率，下一阶段主战场是让AI成为像水电气一样的基础能力 [8] AI算力效率瓶颈与趋势 - 现有计算体系在能耗和效率上面临巨大压力，需探索模拟计算、类脑芯片等新计算形态以提升功耗和通信能力 [2] - GPU本质是通用计算架构，并非为神经网络量身定制，大模型时代需解决在多大能耗和成本下让多少人用得起的问题 [2] - 公司推出GPNPU架构，走推理优先路线，目标是将100万个token的生成成本从约1美元压到1美分，实现百倍级效率提升 [2] - 算力效率成为下一阶段关键瓶颈，基础理论、专用算力与大规模场景需相互强化 [3][6][7] AI向善与普惠未来 - AI发展需同步推进能力提升与安全边界、技术治理机制和社会共识的建立 [4] - 真正有意义的AI必须让更多人用得起、用得上，使用成本需接近水电气等基础设施水平 [5] - AI向善的底线是不仅要“不作恶”，更要“有益且可及”，需平衡风险可控与成本可负担 [5] 全球AI竞争格局与产业前景 - 普惠能力被视为下一阶段全球AI竞争的核心指标 [6] - 到2030年，全球AI芯片产业规模有望达到约5万亿美元，其中训练芯片占1万亿美元，推理/处理芯片占4万亿美元（占比80%） [7] - AI处理芯片将广泛嵌入各类终端设备，实现无处不在、按需取用，公司建议推动建立统一的AI芯片与推理网络标准以实现“AI for All” [7]