算力的盡頭，不是更多算力——全球頂尖科學家7月18日聚首上海，共議AI時代的“未來計算”

# 算力的盡頭，不是更多算力——全球頂尖科學家7月18日聚首上海，共議AI時代的「未來計算」

當人工智慧模型參數量突破千億、萬億，資料中心用電量直逼小型國家，全球運算產業正面臨一個關鍵的轉折點：繼續無止境地堆疊晶片、串聯GPU，是否真的能解決AI時代的運算瓶頸？還是說，真正的出路其實藏在更根本的架構變革之中？7月18日，一場以「算力的盡頭，不是更多算力」為核心主題的研討會將在上海登場，來自全球頂尖學術機構與研究單位的科學家將齊聚一堂，共同探討AI時代「未來計算」的發展路徑。這場會議的預告訊息一出，立即在科技圈引發廣泛關注。原因在於，過去幾年生成式AI的爆發式成長，已經讓傳統「摩爾定律」主導的運算升級節奏顯得力不從心。

從OpenAI的GPT系列到Google的Gemini，再到Meta的Llama，大型語言模型的參數量屢創新高，每一次訓練所需的算力動輒數萬張GPU卡，耗費電力數千兆瓦時。與此同時，資料中心的能耗正以驚人速度攀升，甚至成為部分地區電網的沉重負擔。業界逐漸意識到，若只靠半導體製程微縮與硬體數量擴張，很快就會觸及物理與經濟的雙重天花板。因此，這次上海研討會的核心命題，正是要直球回應這個困境：算力的「盡頭」究竟在哪裡？與會科學家普遍認為，盡頭並非來自更快的晶片或更多的GPU串聯，而是來自演算法、材料科學與運算模型的全方位創新。

換句話說，當硬體升級的速度開始放緩，真正的突破點反而可能出現在軟體與硬體的交界處，甚至是非傳統計算架構的徹底革新。會議將聚焦於幾大新興計算範式，包括量子計算、類腦計算以及光電子運算等。這些技術路線分別從不同角度試圖突破馮·諾伊曼架構的束縛。量子計算利用量子位元的疊加與糾纏特性，有望在特定問題上實現指數級加速；類腦計算則模仿生物神經元與突觸的運作方式，追求極低功耗下的高效並行處理；光電子運算則嘗試以光子取代電子作為資訊載體，大幅降低傳輸損耗與發熱量。這些研究方向雖然各自的成熟度不同，但都指向一個共同目標：讓運算跳脫「堆料」思維，轉向更根本的效率革命。

此外，研討會也將涵蓋低功耗運算、記憶體內計算以及專用AI加速器的最新進展。低功耗運算一直是物聯網與邊緣設備的關鍵需求，但在大型AI模型普及的背景下，如何讓雲端與邊緣都能兼顧效能與能耗，成為新的挑戰。記憶體內計算則試圖打破處理器與記憶體之間的頻寬瓶頸，讓資料在儲存位置直接進行運算，大幅減少資料搬運的電力與時間浪費。而專用AI加速器，如各家科技巨頭自研的神經網路處理器（NPU）或張量處理單元（TPU），則透過針對特定運算模式的最佳化，在同樣的功耗預算下提供更高的吞吐量。

7月18日的上海聚會，將匯聚來自全球的頂尖研究者，他們不僅會分享各自在這些前沿領域的實驗室成果，更會討論如何將這些技術從論文走向實際應用。與會者涵蓋學術界重量級人物、產業界技術領袖以及政府研究機構的代表，規模與層級均屬罕見。這也反映出，AI算力問題已經不僅是單一公司或單一國家的課題，而是整個科技文明必須共同面對的結構性挑戰。值得注意的是，會議名稱「算力的盡頭，不是更多算力」本身帶有強烈的反思色彩。它提醒我們，在追求更大模型、更強算力的同時，也應該停下腳步，思考計算的本質。或許，真正的「未來計算」並非來自於無限制的硬體擴張，而是來自於更聰明的演算法、更高效的架構、更永續的能源方案。

當量子位元、光脈衝或類神經突觸取代傳統電晶體，當記憶體與處理器不再壁壘分明，當AI模型能夠在更小的功耗下完成更複雜的任務，那才是算力真正「進化」的時刻。這場研討會預計將公布多項尚未公開的研究成果與合作計畫，外界也密切關注是否會出現跨國、跨機構的聯合研發倡議。在生成式AI應用全面滲透各行各業的當下，如何為日益沉重的AI算力負擔，提出一條更永續、更高效的未來道路，已經成為決定下一波科技革命成敗的關鍵。7月18日的上海，或許將為這個問題寫下新的思考起點。