文 / 萧启阳 云豹智能创始人、董事长兼 CEO，国内DPU算力芯片领域核心领军人物
根据2026年4月22日至23日基石资本峰会分享整理
“
4月22至23日，由基石资本主办的“2026中国深圳企业家峰会”在深圳成功举行。本次峰会以“开启AI纪元，共赴星际征程”为主题，聚焦人工智能、算力、自动驾驶、具身智能、商业航天、量子科技、可控核聚变等关键前沿领域，云豹智能创始人、董事长兼 CEO萧启阳博士发表了“算力时代DPU的角色与机遇”的主题演讲。以下为详细内容。
大家好。非常荣幸今天能够来到基石资本的企业家峰会，并在张维总之后第一个做分享。去年11月份我和张维总才真正开始见面，之后他很快就决定投云豹智能。他还讲过一句话：如果四五年前就跟我见面，当时就会去投我们。这就是缘分，希望我们以后在人工智能的产业链上面有更多的合作。
01
全球趋势：算力时代的AI投资
将近40年前我在斯坦福念博士的时候，博士论文就是研究AI和神经网络。其实在一九六几年大家就开始讲AI，当前这一波的AI，我认为是基于OpenAI做了一个非常大、非常耗成本、非常成功的实验。Open AI在2022年底推出ChatGPT，就很爆火，当然从2022年底到现在接近4年了，我看到最近这一轮他们的融资估值接近8000多亿美金，融了1000多亿美金。美国的科技之所以这么厉害，其实很依赖金融市场的推动，全世界的钱都涌进美国去支持创新科技。
AI当然是一场非常大的革命，虽然我们已谈论很多年，但其真正的突破始终依赖于足够的算力，直接到这几年我们的算力才可以支持巨大的AI模型的训练。这一波AI的发展过程中，应该说全世界做科技的都不可能不认识黄仁勋。Chat GPT出来之后不过半年，黄仁勋就说：我们已经到达了一个新的计算时代的临界点（ We have reached the tipping point of a new computing era）。如果在座的朋友去过我们云豹智能的展厅，那里也有一句话：我们不单只来到一个新的算力时代，也来到一个新的网络时代。
最近黄仁勋一直在讲，现在AI计算的瓶颈就在网络或者是I/O（输入/输出），就是数据能否及时到位，用几万片的GPU或者算力芯片，还是几十万片GPU，怎么达到集群算力，所倚靠的关键就是这些算力芯片的连接，即数据的流通，这就是网络的核心作用。
英伟达是行业标杆公司，查看了4月20日美国纳斯达克的股票市值，接近5万亿美元。英伟达的市值波动非常夸张，10%~20%的波动非常正常。今天早上我看到是49,000亿美元的估值。最重要的一点是，相较于10年前，也就是2016年的时候，它升值了200多倍。这10年来的飙升倍数我相信是在座所有的做投资的朋友的一个梦想——投资一个股票或者一个机构，获得巨大回报，10年增长了200多倍。
02
AI是一场巨大的革命
最近我看到路透社一篇文章，谈及对当前或许是AI过热的担忧。如果你看今年美国的前几家巨头投在AI方面的资金，其实就是在建底层基础设施、建数据中心，包括买英伟达的GPU，买网络，当然还需要投研发，总共投入大概6,300亿美元。相较于去年，这前几家投了3800多亿美元，今年差不多翻了一倍。他们的担忧是，花这么多钱但这个计划可能落空，不是因为没有钱，而是因为建得不够快，不能去提供足够算力，去支持这些研发或者大模型的发展，甚至以后的世界模型发展。
再看一下我们国内。去年12月份，我们国内有两家GPU公司，摩尔线程和沐曦股份，都是非常高的估值，接近3,000亿，在2700～2800间不断集中波动。我记得最高峰期摩尔线程升到4,000亿，与寒武纪相当，昨天我看寒武纪大概到5500多亿。这个市场足够大，当然我们知道的国内GPU公司有十几家，未来的几年可能陆陆续续到资本市场去上市。
基于这些数据，大家是否能判断AI是一个泡沫？很多人说，肯定是个泡沫。但是长期来看，它是一场巨大的革命。最近大家应该听过“龙虾”，很火，英文是OpenClaw，它是真正的智能体的开始。这又是AI的一波新爆发点。
我以前是麻省理工的教授，1998年的时候，我们开始研究物联网，研究IoT。当时的互联网已经发展了多年，1998年互联网爆发的时候，我们就断定，以后大部分的数据、流量或者网络是用在机器与机器之间。现在看来，30多年之后，是智能体跟智能体之间，会利用很多token或者数据的流量。这一波只是刚开始，以后你们会看到很多的智能体，这一波当然是大互联网公司，腾讯、字节、阿里等等，会非常大量的投入算力、网络，来支持这一波新的AI的爆发点。
借用一个投资者论坛的presentation：20年前世界最高估值公司的大部分都是石油、金融公司，过去这10年差不多全是高科技公司。2026年，苹果和Google的估值，经常是第二或第三；英伟达，这两年都是最高的估值。再过5年，排在前面的5家肯定全是AI的公司，或者是利用AI的公司，这是毫无疑问的。
其实AI不是一个太新的东西，大家可以了解一下其历史。我们看到的AI的真正突破，是在40年前，杰弗里·辛顿（Geoffrey E. Hinton，2024年获诺贝尔物理学奖）有一篇被广泛引用的文章，是神经网络研究的开始。1986年10月9号，他在Nature发表了《Learning representations by back-propagating errors》，提出并推广了用于训练多层神经网络的反向传播算法，解决了非线性分类和学习问题，是深度学习领域的基石之一。1987年我去斯坦福念研究生，看到这篇文章之后，就决定要写关于神经网络研究的博士论文。
我认为近代AI发展比较重要的里程碑包括：
1997年，IBM的深蓝（Deep Blue）计算机打败了国际象棋世界冠军Garry Kasparov，当时它用的不是我们现在主流的人工智能，还是用传统的Symbolic AI（符号AI）；
2016年，Google DeepMind的AlphaGo打败围棋世界冠军李世石，它使用的是神经网络深度学习和强化学习，其深度学习理论仍是源自于1986年杰弗里·辛顿，只是增加10亿倍的算力终于打败了人类；
2017年，Google的研究人员发表创新的深度学习架构Transformer，带来AI的重大突破；
2022年，OpenAI 推出的 ChatGPT-3.5在全球掀起AI热潮；
2025年，中国DeepSeek推出新AI大模型，多样性能指标对标美国OpenAI模型, 所需算力资源仅为其十分之一，震撼全世界。
我觉得以后AI再有爆发点，会基于一个非常重要的因素——算力成本的下降。
回顾25年前，亚马逊、eBay、谷歌等互联网巨头崛起背后，有一个关键的技术转折点。上世纪90年代，美国大企业主要依赖IBM或Sun Microsystems等公司生产的高性能计算机。但进入2000年前后，英特尔的x86服务器开始普及。有数据显示，这使计算成本压缩了约10倍。正是算力成本的断崖式下跌，为当时海量互公司的涌现提供了基础。
两年前我在腾讯的一个大会上讲过——10年之后AI的算力成本会下降1000倍。我记得演讲完之后，不到2个月DeepSeek的创新算法就把算力成本就下降10倍。现在看来两年前我讲得太保守了。下降1000倍是什么概念？会创造什么样的机遇？当然成本下降不一定全是因为芯片机构的突破，也不会纯是依赖摩尔定律，但会包括算法和系统方面的优化。20年前你发一个短信非常贵，现在用微信发一个信息，成本差不多是0。所以以后你会看到很多token，因为算力的下降越来越便宜，到时候会有千千万万种、亿种的应用，或者几万亿的智能体不断去共同合作。
我们看一下现在的AI大模型与其计算成本。当然比较有技术含量和所谓的参数，我不去解释这些技术细节，大家可以当作神经网络里面的参数。
GPT-1：1.17亿参数（2018）
GPT-2：15亿参数（2019）
GPT-3：1750亿参数（2020），使用约1000个Nvidia A100 GPU训练，耗时34天，硬件成本为460万美元
GPT-4：1.76万亿参数（2023），使用约20000个Nvidia A100 GPU训练，耗时约100天，硬件成本约为1亿美元（耗电量约60GWh，为6000户美国家庭每年的用电量）
Claude Mythos (Anthropic)：10万亿参数（2026），训练的硬件成本50～100亿美元
而且我们讲的只是大语言模型，另外的一个趋势是，我们会有一个世界模型，可感知整个物理的世界，到时候会有真正的自动驾驶，会出现很多全自动化的系统。所需要的算力，我估计要再提升1000倍。
从算力需求看，Scaling Law目前仍在持续发挥作用，我们预计未来还需要将算力提升1000倍。然而，Meta（Facebook）作为英伟达的第三大客户，在训练大模型时遇到一个关键瓶颈：大量算力芯片都在等待数据。例如，一个历时三个月、全天候不间断训练的大模型，其中超过一半的时间被浪费在跨服务器的数据传输上。所以苏姿丰（Lisa Su，AMD CEO，AMD是全世界第二大的GPU供应商）说：如果没有智能网络，就没有人工智能（There is no artificial intelligence without an intelligent network）。这就是我们云豹智能要解决的其中一个非常关键的问题。
03
DPU相关市场空间巨大
当年在DPU赛道，英伟达黄仁勋花了69亿美元，于2020年收购了一家以色列的公司——麦洛斯。最近其财报显示，英伟达每年在网络方面的收入已经接近400亿美元。6年前一次性投入69亿美元收购，如今每年就能产生约400亿美元的回报。黄仁勋也表示，英伟达现在在网络芯片方面已经是全球最大的公司。可见，当时的收购是一个非常神准的决策。
而且当年他还预测说，以后的计算中心靠三大PU去推动。CPU、GPU都是英伟达自己开发，所以DPU就收购公司团队来开发，由此完成整个数据中心的布局。
今年年初，英伟达发布了最新的“Vera Rubin”平台。这个平台是一个超级AI计算系统，内部集成了6大芯片，其中有两款属于DPU（数据处理单元）范畴，分别是CX系列和BlueField系列。以NVL72平台为例，这个超级计算机中总共包含了160片DPU——这是基于其公开数据得出的结果。可见，网络或DPU已成为整个AI计算中的核心组成部分。几乎在每一个会议上，英伟达都会重点讲解BlueField与存储技术。
当前我们正处在推理与智能体时代，推理的重要性日益凸显，而且数据量始终无法完全存放在GPU的HBM（高带宽显存）上，这是云豹智能面临的最大机遇。根据弗若斯特沙利文（Frost & Sullivan）近期发布的报告，仅在国内市场，到2030年，受AI大爆发的驱动，DPU相关市场空间将超过1,000亿元人民币。我很有信心，在几年之内，云豹智能能够从这1,000亿元的市场中，至少实现100亿至200亿元的收入。同时，我们不仅着眼于国内市场，也在积极推进国际化发展。在此，感谢所有投资机构对我们的支持，包括腾讯、深圳市引导基金、宝安区引导基金、基石资本等头部机构。
云豹智能从2021年开始运作，拿到第一笔融资之后，第一个产品A0版本花了两年半的时间，200亿个晶体管没有修改过一个晶体管，就给到我们的大客户去量产。这在国内大芯片历史上应该是一个创举。2025年，云豹DPU系列产品历经国家工信部严苛评审，成功入选中国制造“十四五”成就展，亮相国家博物馆并跻身“国之重器”阵列，更是此次展览重磅推出的三大芯片系列之一。
最后我以阿玛拉定律作为结语，这是近年每一次我演讲都用的结语。罗伊·阿玛拉说：对一门新科技，我们经常会高估它的短期收益，却往往低估它带来的长期效应（We tend to overestimate the effect of a technology in the short run and underestimate the effect in the long run.）。互联网如此，这一波AI也是如此。
以上是我的分享。谢谢大家。
一个残酷的事实：你的AI投入，可能正在打水漂
MIT《2025年AI商业报告》显示：95%的企业在生成式AI上尚未获得可衡量回报，成功进入生产环境并产生财务影响的试点项目，仅占5%。
不是模型不够强，不是数据不够多——而是绝大多数企业从第一步就走错了。
我们在辅导了多家万亿级企业后，得出结论：企业AI转型的失败，根源在于对AI的五大认知迷局——
❌以为AI无所不能 → 结果被“幻觉”坑得不敢再用；
❌把互联网C端的“平均解”套用到B端 → 企业竞争靠的是顶尖能力放大，不是行业平均水平；
❌迷信自研大模型 → 训练GPT-4级模型成本7.2亿元起，绝大多数企业根本不需要；
❌用过某产品不好用就全盘否定 → 不同模型能力差异巨大，刻板印象让你错失战机；
❌认为AI只能做办公助手 → 真正的价值在生产、销售、供应链等核心价值链。
2026年5月22日-24日，华夏基石AI战略总裁班第四期，首次同时拆解两套成功范式：美的集团的AI智造力跃迁 + 华夏基石的“专家×AI×组织进化”落地体系（万亿级企业落地实践）。
这不是科普课，而是一场已经验证的实战复盘。
美的经验：AI驱动下的智造力跃迁，及AI降本7亿的底层逻辑
将围绕美的“科技领先、数智驱动”战略主轴，系统拆解其从百亿到四千亿的智能化转型路径。
机制设计：美云智数营销战略与业务运营专家张治国剖析“一个美的、一个体系、一个标准”的组织运营底层逻辑，破解规模企业“管控与活力”的平衡难题。
流程变革：数字化专家、美云智数副总裁李亮复盘“632”项目——如何统一流程、数据与IT系统，为数字化转型打下根基。
卓越运营：数据运营专家、美云智数副总裁兼首席客户官魏晓刚展示全价值链数字化运营体系，实现订单流、资金流、物流“三流合一”。
精益管理：美云智数行业生态部总经理（曾任集团精益负责人）邢成玉深度解读方洪波所认可的MBS体系（丹纳赫DBS升级版）——“效率是第一性原理，精益管理与算法精度融合”，揭秘MBS如何为灯塔工厂筑基。方洪波曾直言：未来企业要将最先进的数字化、智能化与管理体系打通。未来的效率竞争，既是精益管理能力的竞争，也是数据密度与算法精度的较量。
AI实践：美云智数AIGC专家陈淑敏全面拆解美擎智能体在研发、生产、供应链、营销等场景的落地成效，还原2025年降本7亿元的实战路径。
某万亿级企业实践：我们如何驯服AI
首次公开我们带领企业跑通AI价值链闭环的独家方法论（万亿级企业已验证）。这是在咨询实战中“烧掉几千万”才总结出来的认知。
破局核心一：专家能力蒸馏
企业真正的护城河，不在数据量，而在少数专家脑中不可复制的判断力。但专家天然抗拒输出经验——担心被替代、KPI不支持、知识高度隐性。华夏基石的方法：通过逆向工程，把专家的直觉判断拆解为思维SOP，再转化为AI可学习的结构化能力，将顶尖专家70%的判断力复制给整个团队。
破局核心二：原子级任务拆解
AI幻觉的本质是什么？“不是模型胡说，而是我们一次性问了它一个连人都要想半天的问题。”真正的解法：把任务拆到AI没有想象空间的粒度。一个复杂的ToB销售问题，我们拆成117个原子级任务——检索、抽取、比对、校验……每个任务边界清晰、可验证，幻觉率趋近于零。
落地工具包：你带回去就能用
BVAL方法论：对齐“战略-价值-实施-组织”四维，识别高ROI场景
AI场景价值评估矩阵：避免“为了AI而AI”
闭环验证六步法：小切口、快迭代、低成本验证
现场工作坊：企业家提出真实场景，专家当场提炼战略、组织变革路径和技术方案
真实案例：已跑通
AI故障大师：将专家经验24小时在线赋能，停机损失减少30%以上；
AI销售教练：用MEDDIC方法论+智能体，复刻顶级销售决策链，赢单率显著提升（零碳等复杂行业已验证）。
人力资源重构：AI时代的“炸开HR部”
AI时代，人力资源部不再是“支持部门”，而是战略引擎。中国人力资源开发研究会副会长兼智能分会创始会长、紫光集团战略咨询委员会主任委员刘辉，将系统阐述：数字员工如何普及？智能体如何赋能个体？传统HR如何被重构为AI赋能系统？——这不是未来学，这是正在发生的组织革命。
谁应该来学？
董事长、CEO、CXO——AI转型必须是一号位工程，只有你能推动组织与权力重构；
人力、财经、供应链、研发、销售、制造体系一把手——找到本领域AI落地的“第一刀”；
企业年营收10亿以上，或B+轮以上融资——我们已经默认你过了“要不要AI”的阶段。
报名信息：
时间：2026年5月22日-24日
地点：上海；限20人（保证深度互动与诊断）