在人工智能（AI）技術迅猛發展的今天，技術架構和產業生態正經歷著前所未有的變革。作為中國知名的科技創業者和前微軟、百度高管，陸奇以其深刻的行業洞察力，指出了人工智能時代一個關鍵趨勢：芯片和底層軟件“基本都要重做”。這一論斷不僅揭示了技術底層革新的必然性，也為我們理解未來AI基礎軟件開發的路徑提供了重要視角。
從芯片層面來看，傳統以CPU為中心的通用計算架構已難以滿足AI對大規模并行處理和能效比的極致要求。AI模型，特別是大型深度學習模型，其訓練和推理過程涉及海量矩陣運算，這催生了針對AI計算特性專門設計的芯片，如GPU、TPU、NPU以及各類ASIC芯片的興起。陸奇所強調的“重做”，意味著芯片設計需要從底層開始，圍繞AI工作負載進行優化，實現更高的計算密度、更低的功耗和更靈活的可編程性。這不僅是一場硬件性能的競賽，更是計算范式的根本轉變，將推動從云端到邊緣的智能算力實現全面升級。
在底層軟件層面，傳統的操作系統、編譯器、驅動程序和運行時環境同樣面臨重構。AI芯片的多樣性和專用性，要求底層軟件棧能夠高效地管理和調度異構計算資源，將復雜的AI算法高效映射到底層硬件上。這需要開發全新的系統軟件，例如針對AI優化的新型操作系統內核、能夠跨平臺和跨硬件進行高效編譯與部署的深度學習編譯器（如TVM、MLIR等），以及統一、抽象的硬件加速接口和運行時庫。陸奇的觀點提示我們，AI基礎軟件的核心使命是“軟化”硬件差異，為上層應用提供穩定、高性能且易用的計算抽象，從而降低AI開發的復雜性和門檻，加速創新應用的落地。
聚焦于“人工智能基礎軟件開發”，這正是連接底層硬件重構與上層AI應用繁榮的關鍵橋梁。這一領域的開發涉及多個核心層面：
- 計算框架與編譯器：如TensorFlow、PyTorch等深度學習框架需要持續進化，其底層執行引擎和編譯器技術需能充分利用新型芯片的算力，實現模型訓練和推理的自動優化與加速。
- 系統軟件與中間件：包括資源調度與管理、分布式訓練框架、模型服務化部署平臺等，它們確保AI算力能夠被高效、可靠、彈性地供給給大規模應用。
- 開發工具與平臺：提供從數據管理、模型構建、訓練、評估到部署監控的全生命周期工具鏈，提升開發者的生產效率。
- 安全與可信軟件：隨著AI深入核心領域，確保AI系統的安全性、可靠性、可解釋性和隱私保護，成為基礎軟件必須內建的關鍵能力。
陸奇的判斷預示著，在AI時代，芯片、底層軟件和基礎軟件開發將形成一個緊密聯動、共同演進的“鐵三角”。中國的科技產業在其中擁有巨大的機遇。通過抓住芯片架構變革的窗口期，并行投入底層軟件和基礎軟件生態的建設，有望在人工智能的基礎設施層構建起自主可控的核心競爭力。這不僅是技術挑戰，更是一場關乎未來產業制高點的戰略布局。對于開發者、企業和投資者而言，深入理解并參與這一“重做”進程，將是把握AI時代脈搏、創造長期價值的關鍵所在。
