在大模型步入深水区的当下，AI 的下一个临界点究竟在哪里？在 2025 GIS 全球创新峰会现场，深度学习奠基人 GeoffreyHinton 与云天励飞董事长兼 CEO 陈宁，围绕算力效率、AI向善与普惠未来展开了一场高密度对话。对话由硅谷著名计算机科学家、硅谷高创会大会主席吴军博士主持。

一位代表全球人工智能基础理论的最前沿，一位深耕专用算力与产业落地，却在关键方向上形成高度共识：AI的未来，不再只是“更聪明”的竞赛，而是“更高效、更安全、更普惠”的系统性竞争。

Hinton认为，现有计算体系在能耗和效率上面临越来越大的压力，未来需要在新的计算形态上进行更多探索。他提到，模拟计算、类脑芯片以及基于类器官的计算等方向，在理论上有望在功耗和通信能力上展现出明显优势。不过，他也明确表示，目前基于脑细胞类器官的计算研究仍处于非常早期的阶段，还不足以承担大规模AI 负载，这条路仍然需要时间和长期投入来验证。

陈宁则从工程一线给出呼应。他指出，GPU 在深度学习早期扮演了重要角色，但本质仍是通用计算架构，并非为神经网络量身定制。

“进入大模型和智能体时代，我们要回答的问题不再是‘能不能训出来’，而是‘在多大能耗和成本下，让多少人用得起’。”

围绕这一判断，云天励飞以 NPU为核心，将推出GPNPU架构，走“推理优先架构”路线，在矩阵/向量单元、存储层级和带宽利用上深度优化，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。

在这一点上，Hinton从新型计算范式的角度强调能效约束，陈宁从专用芯片与架构创新的角度回应同一问题，形成了对“算力效率将成为下一阶段关键瓶颈”的共同判断。