2025 年 6 月 21 日，《IFIC 上海 AI 智能体 WEB3 创新峰会》在上海浦东文华东方酒店圆满举行，Unlocking the New Economy。
长三角 RWA 孵化器 演讲者
这位演讲者作演讲的时候我刚刚到会场，今天是一整天的『跑会』安排，上午在华师的学术会议，还因为听力和视力的关系，接受到底信息比较少。
目前，国企央企的水准，都将 RWA 数字资产纳入报表核算。举个例子，如果企业某个部门遇到利润下滑，如何提升利润率？
注意，基于上述要求，对于 RWA 资产合规性提出更高的要求。目前，长三角 RWA 孵化器，还和港科大孵化器合作，紧锣密鼓地开展孵化工作，力求行业蓬勃发展。
第二位演讲者，工作涉及自贸区数字资产委员会、东华大学数字资产委员会，同时王教授自己也是宾夕法尼亚大学的访问学者。
关于数字资产，王教授提出四个关键点：数字资产产品化、交易形成、资产储存、资产分配。
基于数字资产目前研究的项目，国际依法合规报税服务系统。
王教授特地说到，低空经济是新赛道。一是数字资产到交易所的，必须真实可靠。二是相应领域知识是否完备，能否采集到大量数据。三是盈利方面，涉及原材料输入、颜色、形状。
自贸区目前研发，一是上海数据交易所。二是数据人民币国际运营中心。
中兴副总裁 于总
中兴的稿件比较标准化，让人感觉一股脑地把中兴在 AI 领域工作都阐述了一遍。中兴目前模型部署方面，小模型比例60%左右，大模型比例超过40%。Transformer 在医药方面应用提升度超过 90%，具体衡量指标没有公开。
中兴的报告，提到微软方面的部署，800亿美元计划。另外，中兴提到，微软在商业报告和决策方面，都有 AI 智能体助力。
聚深智能，边缘领域应用。语音、手势识别，是现在 AI 进步的领域应用。目前，智能终端多样化。我们也可以理解为成本是有一定程度降低的。
英伟达推出半定制芯片。
圆桌会议
问题一：AI 处于什么阶段？
临港元企陈总：算力与前几年相比是有爆发式增长的，推理侧算力也如此。
戈壁创投 徐晨：大模型算力近几年是增加到新高峰。因此认为，大模型有很多投资机会。
清程极智 徐冰：徐总是清程极智的副总裁，该公司系清华大学孵化，由清华大学计算机学院翟季东老师牵头。主要职能，是连接应用，和系统软件能力的硬件基础设施建设。因为技术背景依靠清华大学，具有较为强大的核心能力。
普华永道并购部 李明：以国企央企的效率作为标杆，AI 智能目前还处于初期阶段。
问题二：临港元企 陈总表示，目前还是注重算力建设。主要是『东输西算』。带动算力，带动能源行业的变革。
问题三：据说，目前大模型数据是百万匹，目前建设的数据中心是否过剩？
清程极智 李冰：目前的数据中心据了解，在建的约为500个，从 2000兆瓦到万亿兆瓦。中国方面的计算中心会倾向于西部，西部能源充分，电力电源也充分。
目前，有很多低端算力闲置着，但是也不好用，因为使用率低。鉴于目前算力需求评估还是有困难的情况下，仍然存在高端算力供不应求的情况。
戈壁创投 徐晨：AI 模型行业投资机会在哪里？如果大模型建设完成，能够达到易购式结构。目前，陆续推出新型的卷积神经网络。闲置资源也可以有机地组合，帮助中小企业快速成长。注意，这并非特指硬件或者某个组件，而是有效循环、良性发展。
普华永道 李明：目前 AI 还处于初级阶段，其实投资机会是挺大的。主要是场景应用可能会走在世界前列。中国还有工程师多的优势，利用好该优势，发挥我们自己 AI 的特点。
清程极智 徐冰：AI 发展了 20 多年，拥有400多万开发者，国内这几年如火如荼发展。
行业标准，所谓大模型要具备多少个先决的系统软件。行业标准是十个，涵盖了10个领域，清程极智是开发了5个以上。这也是一种技术壁垒的证明。
如何应用？预测，量化，推理，与云厂商合作。
编程，辅助芯片优化。正如之前所说，清程极智一方面注重硬件的直接应用端，一方面注重助力软件性能优化。
例如，赤兔。这是清程极智自研的大模型引擎，针对极大数据量的模型提供 50% 以上的算力，用『提供算力』的方式，助力企业开发自己的大模型。分享者介绍到，大模型参数多，算力需求大，开发需要上亿元的投入，因此，部分算力可以用『拆借』或者提供服务的方式供给的。
例如，和与部分客户企业作联合优化，节省千万级别的开发费用，模型速度提升 10 倍。部分产品，带宽可以提升 50% 以上，模型性能提升 15 - 45%，基于 MoE 可以提升 45%。MoE 即混合专家模型，mixture of expert。
关于大模型自动生成代码的功能。比较手动写代码和自动生成的代码，发现这样一个事实，自动编译的代码是难以满足现在芯片的要求的。说明，大模型引擎在自动代码这一块，还有一些工作可以干。通过一篇代码，生成流程图，再次编译成代码，最后进行算子的固化和优化。
关于模型量化部分。代码本身是可以提升硬件性能的。芯片低精度部分也加入计算。所谓量化，这里就认为是一种标准化。主要是『权重量化』，即将模型中的权重参数，从高精度浮点数转换为低精度整数或定点数。注意，计算时候不做量化工作。
我们知道，大模型的参数是很多的。例如，DeepSeek 参数就有 671 B，这样才能提升其推理效率。
问题四：答案短，计算又繁琐，怎么解决？
赤兔推理引擎，方案实施时候用到的资源，从1个 cpu 到多个 cpu 集群。采用的 8G 存 16G 算的方案，速度可以增加 3.5 倍。相较于很多同类产品，资源使用可以降到原来的 1/4。
演讲 关于金融领域创新
我不难发现，大模型的金融系统，上海还是有得天独厚的优势。而且，全世界而言，算法的包容度是越来越高的。举个例子，TikTok 在美国的生存规则，就是可以用其他国家的。但是他们通过各种法案、技术手段，使得美国其公民的数据，能够安全地留存在境内。这一举措，说明全世界而言，对于算法的测试，是保持着非常开明的态度。
还举了个例子，美国华人创业10年被 Meta 收购。这个是给到读者参考的，即便是在国外的创业也要非常有自信。
关于 ChatGPT 和 DeepSeek
一是自己作决策。二是特斯拉公布的数据，自动驾驶使得汽车事故率降低到 8%。主要是和人类驾驶员比较。三是微信支付宝的出现，使得银行存款大幅降低。分享者原来也是在银行体系工作，感受到世界发展变化，从事投资行业。四是 2024 年年底，洛杉矶的 Uber 数据统计，无人车数量和传统汽车相比达到一比一，无人车首次胜过了传统汽车。我们也发现，行业也点燃了无人车驾驶这个赛道。
在金融领域应用，一个最大亮点，在于智能体没有人和人之间的腐败问题。AI 智能体资产，一是公链应用。二是 AI Agent 之间清算交易。因为有这样的算法，金融交易的模式变得更加清晰了。另外，阿里、腾讯、抖音，一是都拥有自己的数据资产。二是算法使用高频。三是智能体高频。目前这样的交易系统，可以做到7*24小时。
参考文献
[1] 赵广立（2025），国产大模型推理引擎“赤兔”开源，清华大学，2025
[2] Deep Man（2023），大模型的研究新方向：混合专家模型（MoE），知乎，2023
[3] 半吊子全栈工程师（2024），深度剖析：大模型量化技术与应用实践，百度开发者中心，2024
沪公安联网 31011502019103