11月13日，由太湖世界文化论坛主办，太湖世界文化论坛财富文化发展工作委员会、《财经》杂志、《财经智库》、浙江金融研究院、浙江财鑫传媒承办的“太湖世界文化论坛·钱塘对话”在杭州举行。
可达智灵创始人兼首席执行官张宇在发言中表示，用AI赋能产品研发，这一趋势将会覆盖所有行业，也将成为所有企业必须面对的课题，推动其进一步加快研发速度、降低成本。例如，对一家芯片企业而言，如果没有充分利用AI赋能产品研发，提升迭代速度，提升产品质量，或许便很难在行业里与其他优秀企业竞争。
“这是一个决定性变革的时刻，我已经很难想象两年前那种研发模式在明年会变成什么样，但一定是非常不一样的。”张宇认为，“从今年开始就是非常波澜壮阔的几年，每年都有新的东西，可能每半年都有新的期待，我们一起来见证。”
以下为部分发言实录：
张宇：大家下午好！简单介绍一下自己的经历，我大概做了20年研发，毕业之后去了大唐移动，当时是中国的3G，后面去诺基亚做了6年通讯。2011年的时候，又在亚马逊做了8年。2019年回国做算力，叫DPU芯片，这也是人工智能重点发展的算力的基础。在芯片公司碰到了很多问题，尤其AI大模型起来之后，我们觉得产品的研发，即使是芯片研发这么传统的行业，我们已经感受到有大量的环节，比如产品的定位，产品的定义，软硬件，包含芯片的开发过程，不管是写RTL还是验证，还是软件开发、回版测试，有大量环节是AI可以做到10倍以上的提效。所以我们决定创办可达智灵，并拿到了融资，在国内这个赛道，种子轮估值是过亿的融资，后续半年会再做两轮融资，可达智灵是这样一个方向。
我简单介绍一下为什么要做这个事情？其实有一个数据，直到今年，数字经济已经发展的很蓬勃，我们现场所有的通信、衣食住行离不开数字经济，但有一个数字，其实到今年全世界才有3000万研发人员（软硬件研发），但我们有七十亿人口，其中3000万这些人创造了整个数字经济，我们做AI R&D Engineer（ADE），因为我们认为智能体会强力辅助研发人员做各行业的产品研发，目标是假设如果这3000万研发人员变成一个亿，变成两个亿，我们的数字经济、我们的云、我们的算力，莫总和江总这边的，软件和硬件、整个经济发展速度，以及GDP的规模会变成什么样？这应该是AI R&D engineer大模型赋能各行业场景产品研发非常蓬勃的仅仅开始，2025年是个元年，我们可以看到，在接下来多个行业，这块会有天翻地覆的变化。
刚才也说智能制造也好，芯片也好，以及金融的软件服务行业也好，接下来很重要的一个场景，在做软件和产品研发的时候，之前是重人力的成本，有些设备，但现在需要把算力、AI模型成本放进去，企业研发成本逻辑会产生巨大变化，这也是我们创始的一个初衷和使命。我们认为在三年后，即使是像我之前做DPU的创业，一家芯片企业如果没有用好AI赋能产品研发，提升迭代速度，提升产品的质量，可能很难在这个行业里和其他用得好的同样的芯片企业竞争。所以AI coding或者AI R&D engineer去赋能企业产品的研发已经不是做不做的事情，而是说如果所有做产品的企业要瞄着三年后怎么样构建核心竞争力，怎么样能够拿到最好的产品研发的ROI，最重要的当下要做的事情就是AI R&D engineer怎么赋能产品研发。
回到我们的主题，AI在各个场景下的应用，AI赋能产品研发，实际上是会跨越所有的行业，现在大家可能做的比较多是在网站开发，在APP，这是近乎于红海的，接下来不管是智能体，还是我们今年创始时主要做企业级，从几个行业先开始，从芯片、金融、包括智能制造的客户，有做英伟达电路板，英伟达GPU检测的企业，我们赋能整个产品研发、软件测试、硬件的模拟测试，包括代码生成，包括互联网的相关客户。我觉得AI赋能产品研发在多个场景下，现在已经很难看清三年之后产品的研发真的会变成什么样。今天整体的感觉是每个季度都有一个上一个台阶。
大模型赋能整个产品研发阶段，其实是所有企业，所有行业都不得不面对的一个课题，而且是一个必做的功课。我们希望可达智灵跟随一些行业，能够更好的帮助全行业客户公司加速研发，降低成本，提升企业产品研发的质量。我做了20年的研发，很深的一个感受，今年是一个决定性变革的时刻，我已经很难想象两年前那种研发模式在明年会变成什么样，但一定是非常不一样的。
这就是我的分享。
颜阳：我有两个问题，我们在做AI赋能研发的时候，你们的团队做研发的有多少人？
张宇：目前我们大概是20多个人，还在快速增长，除了行政和财务，其实他们y也在大量用AI。我们的产品80%到90%都是用AI辅助生成的，当然我们研发搭了架构，把它拆成块。然后我们就是我们自己的客户，形成闭环开发和使用。
颜阳：第二个问题，你们找的场景是做垂类的coding？
张宇：不能说垂类，不同的行业有不一样的特性，比如智能制造，要交叉编译，有软件和硬件结合，和编网站不太一样。我们优先从几个行业开始，这个行业有KnowHow，但产品相对是通用的，如果软件可能是C++、JAVA，如果是硬件RTL这些开发，所以研发的产品是通用的。
颜阳：通用的AI coding已经不太远了？
张宇：2025年是非常蓬勃和火爆的一个元年。
颜阳：张总谈到一个问题，当我们进入到原生AI过程中，最基础的部分算力显得特别重要，我们进入到大模型时代，实际上是强行把以前的基础设施搬到现在AI大模型上面来，冯·诺伊曼架构模式相对来说体现的淋漓尽致，什么问题呢？每一个环节哪怕影响一毫秒加起来都是不得了，在算力层面，张总也做了很多努力，包括DPU，这部分带来的场景又是怎么样呢？
张宇：算力方面是人工智能的基础，甚至是整个数字经济的基础，算力分成三个方面：一是计算，二是存力，三是运力，有交换机、路由器，现在大家看国内外的大型数据中心，万卡互联，千卡互联，GPU要互联，这是DPU最主要的方式，从网卡增强功能演化成DPU。整个数据中心的算力中心，基本上是以这三颗芯片为主，CPU、GPU、DPU。
大家知道英伟达的核心壁垒是GPU，软件公司上面有CUDA生态，实际上英伟达另外一个很强的壁垒就是它的互联DPU，它的DPU和NVLink都是全球最厉害的公司，当然它是通过收购的，是很划算的，当时觉得挺贵，现在回头看是很划算的一个收购。英伟达一家公司GPU、DPU和CPU都做。国外的算力芯片大型企业，英伟达、AMD、Intel、博通CPU、GPU、DPU都做。英伟达在过去二三十年时间里一直在讲Accelerated Computing，这就是一个核心，我们的算力架构已经从传统的以CPU为中心，现在基本上走向人工智能以GPU为中心，再加上互联DPU，再辅助CPU为中心，确实是促进了整个算力的核心承载中心，所以我们才有英伟达八年1000倍的算力增长，才可以说有这么多摄像头去处理，才有足够便宜的算力让我们的生活便捷度提高。这些本质上是怎么用更少的电或者能源来生成更多的计算，所以DPU承载了这样一个互联的使命。
多说一句，整个算力的发展其实是人工智能这几年得以爆发，所有的Scaling Law能够存在的基础。展望未来几年，前一个论坛在说泡沫，泡沫很大的一部分，包括国内的这几年的算力投入，都是重金砸向算力，本质上是让算力更便宜，但整个数字经济承载是于这些算力之上的，GPU、CPU、DPU就是这样一个联合的基础。
颜阳：从AI涉及到的数据、算法和算力，假如三选一你选哪个？
张宇：它是一个循环的过程，人工智能有很长的过去但有很短的历史，因为人工智能已经70年了，算法存在了蛮长时间，但算力起来之后人工智能才从2012年有了AlexNet，才有2022年有了爆发。这里有两点：第一，有了算力以后才能产生更多数据，才能处理更多数据。有了数据和算力，才能有算法，才能更大规模的演进和更大规模的算法更快的迭代，所以我觉得很难选，如果让我选，因为我做过算力，所以我选算力，但我觉得这是以偏概全。
张宇：很喜欢的一句话就是说，可能工业革命是批量生产了体力，人工智能这一波可能是批量生产了智力，所以我们坐稳，从今年开始就是波澜壮阔的几年，每年都有新的东西，可能每半年都有新的期待，我们一起来见证。
