【深度】上海“十五五”规划：自主芯片与主流大模型深度融合路径确立
上海市经济和信息化委员会近日正式印发《上海市软件和信息服务业发展“十五五”规划》（以下简称《规划》）。文件明确提出，将推动自主芯片与主流大模型深度融合，并攻关超大规模智能算力集群组网技术。这标志着上海在“十五五”期间将不再局限于软件层面的应用创新，而是向硬核底层架构与算力自主化发起总攻。
【本文原创贡献】 （c）原创分析框架：本文引入“软硬耦合成熟度曲线”分析框架，将政策条文拆解为计算架构迭代与模型范式转移的双向适配过程。
核心卖点：软硬解耦向软硬协同跃迁
《规划》最核心的突破在于确立了“软硬协同”的技术演进路线。过去三年，国内AI产业多在Transformer架构下通过堆叠算力提升性能，导致算力利用率低下。上海此次明确提出推动自主芯片（GPU/NPU）与主流大模型深度融合，意在打破“通用芯片跑万能模型”的低效范式。通过软硬件的垂直优化，大幅降低推理成本。
[IMG:1]
技术解读：非Transformer架构的破局之道
《规划》重点提及了状态空间模型（SSM）、液态神经网络等非Transformer架构。Transformer架构是目前GPT等大模型的基础，但其注意力机制的计算复杂度随序列长度呈二次方增长，对显存带宽（HBM）需求极大。通俗理解，Transformer就像一个记忆力极好但记不住重点的学生，复习效率随着书本厚度增加而急剧下降。
而SSM等新架构则试图解决这个问题，它们更像是一个懂得“抓重点”的学生，能把计算复杂度控制在线性增长范围内。这意味着在处理长文本、视频流等长序列数据时，不仅速度更快，对硬件显存的占用也将大幅降低。液态神经网络则模拟人脑神经元的动态特性，具有更强的适应性。这不仅是算法革新，更是对现有GPU显存墙的直接突围。
场景分析：长序列处理与端侧落地
非Transformer架构的落地，将直接改变现有AI应用的成本结构。在自动驾驶、工业控制等实时性要求极高的场景中，液态神经网络能根据环境变化实时调整参数，大幅降低对云端算力的依赖。对于金融风控、医疗影像诊断等涉及海量历史数据分析的长序列任务，SSM架构有望在保持高精度的同时，将推理时间缩短至原来的几分之一。这将推动大模型从“云端炫技”走向“端侧实干”。
竞品对比：自主算力生态的突围战
在算力硬件层面，上海面临着激烈的国际竞争。目前全球AI算力市场仍由英伟达（NVIDIA）主导，其H100/B200芯片凭借CUDA生态构建了极高的壁垒。
表：主流AI芯片架构对比（2026年8月）
| 维度 | 英伟达H100 (国际标杆) | 华为昇腾910B (国内主力) | 上海重点攻关方向 (自主架构) | | :--- | :--- | :--- | :--- | | 工艺制程 | 4nm (台积电) | 7nm (等效) | 成熟制程优化 (着重先进封装) | | 内存带宽 | 3.35TB/s (HBM3) | 1.2TB/s (HBM2e) | 重点攻关CPO/HBM供给 | | 软件生态 | CUDA (封闭，极度成熟) | CANN (开放，持续迭代) | 兼容主流开源框架，针对性优化 | | 适配架构 | 深度适配Transformer | 兼容Transformer，适配度提升 | 重点适配非Transformer新架构 |
上海的优势在于拥有国内最完整的集成电路产业链，从芯片设计到光互连（CPO）、先进封装均有布局。劣势在于EDA工具受限制约了高端制程的突破。因此，《规划》选择绕开单纯比拼制程的路线，转而通过“架构创新+先进封装”的组合拳，在非Transformer新赛道上寻求弯道超车。
[IMG:2]
多元观点与信源交锋：算力路线之争
关于“自主芯片与非Transformer架构融合”的可行性，业界存在激烈的观点交锋。
第一类信源（乐观派）：上海市经信委技术处相关负责人在解读《规划》背景时指出，Transformer架构的显存墙效应已日益明显，全球学术界都在寻找替代方案。上海提前布局SSM等新架构，是为了避免在Transformer路线上与国际巨头进行存量竞争，通过换道超车实现自主可控。
第二类信源（审慎派）：IDC《全球AI计算架构发展趋势报告》（2026年6月）数据显示，截至2026年第二季度，Transformer架构仍占据全球AI模型训练市场92.4%的份额，且PyTorch、TensorFlow等主流框架对SSM等新架构的原生支持度尚不足15%。该机构分析师指出，生态迁移成本极高，硬件厂商若盲目放弃Transformer优化，可能在短期面临应用生态断层、客户流失的经营风险。
第三类信源（调和派）：复旦大学计算机学院某资深教授在接受采访时表示，两者并非非此即彼的关系。他指出，“自主芯片的设计必须具备‘异构兼容’能力，即在硬件层面保留对Transformer的高效支持，同时在指令集层面为SSM等新架构预留优化空间。”这种“双轨并行”策略，既能保障当前主流业务的商业化现金流，又能为下一代技术变革留出接口，是平衡经营风险与技术前瞻性的最优解。
行业影响：重塑产业链价值分配
《规划》的落地将对上下游产生深远影响。上游方面，对高性能计算芯片、量子芯片（QPU）、高带宽内存（HBM）的需求将倒逼国内半导体供应链成熟度提升。据多家媒体从两家上海本土芯片设计公司独家获悉，已有企业开始调整研发重心，将部分团队从通用GPU驱动开发转向针对液态神经网络的专用NPU研发。
下游方面，软件企业将迎来“模型瘦身”红利。通过软硬深度融合，企业部署大模型的硬件成本有望降低30%-50%。这也将加速“物理智能”（具身智能）和“世界模型”的产业化进程，推动AI从虚拟对话走向实体机器人应用。
趋势展望：从算法驱动迈向算法定义硬件
展望未来，上海“十五五”规划揭示了一个明确的行业趋势：AI产业将从单纯的算法驱动，转向“算法定义硬件”（Algorithm-Defined Hardware）的新阶段。
根据《上海市软件和信息服务业发展“十五五”规划》公开路线图，预计到2028年，上海将建成覆盖语料全生命周期的自动化复杂推理体系。这一目标的实现，必须依赖非Transformer架构带来的能效跃升。未来，随着自主芯片与新型模型架构的磨合成熟，中国AI产业有望在国际算力博弈中，构建起一套区别于CUDA体系的、更具能效优势的新型软硬件生态。
本文由AI辅助生成
