1 云计算架构升级应对AI需求。

海富通基金邀请了多位专家探讨AI时代下云计算的新趋势和挑战。嘉宾讨论了大模型和生成式AI对云计算架构的影响，指出传统CPU架构需升级为GPU为主的并行处理方式，以支持大规模模型训练和推理。同时强调了云计算与大模型的互补关系，以及在不同应用场景中的实际运用。

2 云计算架构向软硬结合和纵横扩展发展。

戚教授指出，云计算的发展本质是技术推动成本降低，每十年软件架构更新一次。当前趋势是软硬结合和纵横扩展。软硬结合强调软件与硬件的整合，如苹果的体验优化。纵横扩展包括横向扩展（scale out）将多种算力组成资源池，以及纵向扩展在单个机架内整合计算、存储和通讯网络。

3 云计算市场受AI驱动增长显著。

杨林指出，AI驱动下云计算市场快速增长，全球规模预计2030年达2万亿美元，国内增速更快。智能算力占比提升，推理算力需求增加。国产算力如华为等公司发展迅速，投资机会涵盖CSP厂商、IDC、芯片及垂直应用软件。硬件产业链机会先于应用端显现。

4 国内外AI应用发展及算力挑战。

杨林分析了国内外AI应用发展差异，指出海外因算力充沛、起步早而领先，国内AI应用将在下半年迎来快速发展。他详细讨论了算力产业链，从芯片厂商到AI应用，并指出云厂商在支持AI训练和推理时面临的主要挑战，包括算力不足、设备更新、业务连续性和国产化适配等问题。此外，他还提到硬件性能提升和行业优化方向。

5 探讨硬件和软件优化提升算力。

杨林分析了提升算力的两种硬件方向：通过多卡叠加或大规模集群降低延迟。软件层面则聚焦于优化大模型架构和压榨硬件性能。此外，他提到软硬结合的重要性，如华为开源中间件吸引开发者共建生态。最后讨论了新型互联总线技术，通过降低延迟实现资源弹性分配，可能颠覆现有云计算模式。

6 云计算算力需求不断增加。

杨林提到，当前硬件通过互联结构提升性能，软件也能相应优化。分布式架构实现多物理机协作，提高算力。未来光互联能突破铜互联的限制，进一步扩展规模。分层存储优化大模型运作，降低成本。华为和阿里等公司在研发新型互联架构，提升算力供给效率。

7 算力投资热度将持续。

杨林分析了算力基础设施的投资前景，指出云计算和AI需求增长迅速，日token调用量一年半增长300多倍。他认为AI发展仍处早期，未来需求将爆发式增长，供给与需求矛盾突出。资本市场对算力的关注基于长期逻辑，预计到2030年中国云计算规模将达3万亿人民币。杨林强调算力投资会持续较长时间。

8 云计算技术转化与商业化应用。

杨林讨论了云计算技术在商业领域的应用，包括算力供给和消费平台的建设。他提到提供训推一体化平台功能，支持个人开发者和企业用户进行模型训练和推理。同时，介绍了算力租赁服务，按需收费。此外，他回顾了虚拟化技术的发展历程，从实验室研究到商业化应用的转化过程，并指出国内技术转移的挑战。

9 云计算和大模型应用前景广阔。

杨林分析了云计算和大模型的发展趋势，指出重资产的云计算领域可能面临挑战，而消费端和大模型创业公司更具机会。他提到云计算可能分层发展，如SaaS和PaaS层，并与大模型结合。此外，新的算法和硬件架构也有潜力。杨林认为，未来3到5年，数据敏感度高、技术成熟、ROI回报好、场景封闭且容错率高的行业，如C端创意内容生成和营销，将率先完成数字化跃迁。

10 AI在各行业的应用与发展趋势。

杨林分析了AI在不同行业的应用现状，媒体、金融等行业已较成熟，B端如营销、财务领域应用较快，供应链和生产制造领域较慢。未来机器人、具身智能等容错率高的场景可能优先落地。在云计算和AI双重浪潮下，云厂商需权衡资本投入和生态建设，优先投入算力，提供全链条工具和功能，与模型厂商合作，深入具体场景解决问题。

11 资本投入与技术发展匹配度探讨。

杨林讨论了资本投入与技术发展的关系，指出国外如UC伯克利的成功案例，国内也有类似趋势。他提到云计算训练是重资产投入，适合国家级或大型公司，而推理场景潜力大，适合中小企业。他认为资本会明智地投资有前途的技术，不担心资本影响学术研究。国内外竞争促使技术快速迭代，资本市场对云计算赛道的估值逻辑可能因此变化。

12 云计算与AI融合推动行业变革。

杨林分析了云计算和AI算力赛道的投资机会，指出资本开支增长和巨头自研芯片、大模型的趋势。他预测未来云计算厂商价值将上升，行业向头部集中。嘉宾们展望2035年，认为云计算和AI将深度融合，像空气一样无处不在，成为基础生产力。