我们正经历由大模型（LLM）驱动的科技范式革命：轻量化模型突破设备限制实现智能普惠，多模态AI弥合感知鸿沟推动跨域融合，Agent智能体重构生产流程与交互逻辑，开源生态持续释放技术红利；同时全国一体化算力网络战略推动算力资源迈向“多元融合、集约共享、自主可控”新阶段。在此技术洪流奔涌、边界不断突破的关键时刻，青年作为创新主力军亟需回应三大核心命题：如何洞察趋势浪潮，在技术普惠化中锻造核心竞争力？如何驾驭磅礴算力引擎，赋能“年轻的事业”蓬勃发展？如何以破局姿态担当时代使命，推动技术向善与社会价值共创？本次思辨会以“年轻的事业·智启新未来”为主题，聚焦大模型时代青年创新的突围路径与责任践行。
本次论坛邀请到上海市经信委人工智能发展处副处长陈钊、复旦大学青年副研究员戈维峰、英特尔首席AI工程师吴震华和阶跃星辰主任研究员俞刚博士进行报告分享；同时邀请上海谛视万象副总裁兼联合创始人闫明及YOCSEF上海及分论坛嘉宾参与Panel讨论。
开场
论坛由YOCSEF上海25-26主席石亮开场。石亮介绍了论坛背景及YOCSEF上海的发展情况。引导发言环节由孔令和主持，四位专家分享最新研究成果；思辨环节由吴一鸣主持，围绕三个话题展开讨论。
会议合照
研究成果分享
主题：“具身智能政策解读”
分享嘉宾：陈钊 上海经信委人工智能发展处副处长
就"上海具身智能政策"解读核心内容。上海以建设国际科创中心为目标，形成"科技滨江+闵行马桥+临港机器人产业"布局，构建超算集群，虚实训练场等4大基础能力，推行"国有资本+市场基金"联动模式，建立K12至本科人才培养体系，并规划全球开放平台及区块链低碳工具实现可持续发展。陈教授兼具政策与学术背景，为从业者提供权威政策指引与创新机遇洞察。
陈钊副处长分享
主题：人形机器人与具身智能
分享嘉宾：戈维峰 复旦大学计算与智能创新学院青年副研究员
聚焦人形机器人技术瓶颈与产业协同破局,指出当前人形机器人面临“AI与运动控制割裂”核心矛盾。产业协同困境，高校与企业研发路径分化。提出“云-端分布式AI架构”——90%感知决策上云，10%轻量化模型嵌入本体，平衡算力与能耗；并呼吁建立“政府引导-高校攻坚-企业转化”协同链，政府推动本体设计标准，企业聚焦核心零部件，高校突破多模态逻辑推理与运动控制融合技术，推动场景落地。戈维峰教授兼具学界前沿视野与政府规划经验，目前于上海市科委挂职，为行业提供技术及政策双维洞察。
戈维峰副研究员分享
主题：异构推理方案在大语言模型推理的应用和探讨
分享嘉宾：吴震华 英特尔首席AI工程师
提出“CPU-GPU协同推理架构”，对MoE（专家混合）模型“专家激活不均衡”特性，将低频专家卸载至CPU处理，高频专家保留于GPU，通过动态批处理与流水线调度提升资源利用率。利用CPU大内存优势缓解显存瓶颈，结合小模型预测加大模型验证实现37%的推理加速落地价值，在142B参数MoE模型实测中，该方案降低部署成本30%，为工业场景提供高性价比推理路径。
吴震华兼具互联网企业算法架构经验与英特尔AI解决方案开发背景，其方案深度契合大模型产业化落地的效能需求。
吴震华工程师分享
主题：多模态生成理解一体化下的AIGC2.0
分享嘉宾：俞刚博士阶跃星辰主任研究员
指出AIGC 1.0（2025年前）依赖扩散模型，虽能提升内容生成效率（如人脸特效/视频编辑），但存在泛化弱、智能化不足等瓶颈；而AIGC 2.0通过生成-理解一体化架构实现多模态深度融合，显著增强复杂任务能力。核心突破以自回归框架统一图文/音视频模态，结合反思迭代机制，使模型同时具备强内容生成与深度语义理解能力，解锁广告短剧、跨模态实时问答等新场景，实现“1+1>2”的协同效应应用前景。
俞刚博士兼具顶尖学术影响力及产业落地经验，为AIGC 2.0提供技术及应用双维洞察。
俞刚博士分享
思辨环节
茶歇后进入论坛下半场，与会嘉宾围绕三个思辨议题展开深度讨论。
思辨话题一：创新节奏之争：速生土壤 VS 深耕沃土
当轻量化模型加速技术普惠与试错迭代，青年创新更需‘宽容失败的容错机制’还是‘高密度产出的快车道’？
核心矛盾
青年AI从业者面临“高密度速生迭代”与“长周期颠覆性创新”的路径选择：
速生派（产业视角）：主张轻量化模型+快速试错，认为资本与市场压力下需优先技术普惠。通过高密度产出积累经验（如架构微调、场景优化），短期内提升竞争力，同时降低颠覆性创新的高成本风险（如千万元级试错成本）。
深耕派（科研视角）：强调颠覆性架构变革是超越国际的关键（如重构AI基础理论），但需容忍长期失败。当前科研考核机制（论文/经费导向）与产业短周期需求挤压创新沃土，呼吁建立“冷板凳”容错机制，区分企业应用与学术探索的分工。
协同路径
技术层面采用“大模型+小模型”分层架构平衡效率与深度；人才层面通过特色培养计划（如少年班、产业联合实验室）匹配青年特质；政策层面需分层支持体系——企业保障速生土壤，高校/国家实验室承担颠覆性创新。
共识
AI创新需“分层协作”，既需速生土壤培育实战能力，也需沃土滋养理论突破，最终以技术普惠与社会价值为锚点。
与会嘉宾思辨（1）
思辨话题二：算力破壁之术：集约化网络的青年机遇
“全国一体化算力网建设背景下，人工智能领域青年从业人员如何突破算力资源壁垒
核心矛盾
青年AI从业者面临“集中化建设”与“分布式协作”的路径选择。
资源壁垒现状
高校普遍存在“高投入、低负载”困境，国产算力适配成本高（如华为卡需定制优化），且集中化平台易引发排队拥堵。
集中化痛点
国家级枢纽（如上海临港万卡集群）虽资源充沛，但存在“接入门槛高”（需政府/企业合作）及“运维能力缺失”（高校难独立管理）问题，；盲目一体化易导致重复建设（地方算力中心硬件割裂、无外网互通）。
破局路径
分层架构：国家级枢纽承接重大需求 → 区域节点服务特色学科 → 校级平台保障基础教学
混合云模式：通过异构管理平台联通本地算力与公有云资源，实现弹性调度（如市属高校小规模本地集群+云端弹性扩展）
轻量化突围：青年团队可依托“学院级微集群”（百卡规模）快速验证，或参与国产芯片生态优化（降低定制成本）
未来方向
探索颠覆性算法架构，从根本上降低对算力依赖。
共识
突破壁垒需“分层协作+轻量切入”，通过资源分级与国产化协同，将有限算力精准匹配青年创新需求。
与会嘉宾思辨（2）
思辨话题三：架构革命之问：Transformer之后，谁主沉浮？
“MoE架构引爆千亿级模型平民化浪潮，青年创新者该押注‘工程优化’还是‘范式革命’？
核心分歧
青年创新者面临工程优化（低成本适配现有架构）与范式革命（颠覆性架构创新）的路径选择：
工程派（产业视角）：主张轻量化改造+场景适配，通过模块化设计，降低算力门槛，解决当前大模型的能效瓶颈，企业需以最小算力实现最大效能，推动技术平民化（如国产算力生态的“送卡策略”降低使用门槛）
革命派（科研视角）：指出Transformer已逼近理论极限，需重构底层架构突破数据/算力依赖。未来方向包括：
人机协同智能：耦合人脑推理与机器计算，实现双向增强
可解释性嵌入：将原理性知识植入模型，替代“黑箱涌现”
共识
技术价值锚定“解决真问题”，而非盲目追求参数规模。
与会嘉宾思辨（3）
CCF YOCSEF上海 CLUB
活动总结
论坛首先由YOCSEF上海23-24主席孔令和对本次活动进行了总结，人工智能青年创新需平衡工程优化与范式革命，协同突破算力瓶颈与数据危机，以技术普惠驱动多模态、架构及生态协同发展。
孔令和主席总结
京公网安备 11010802032778号