今年是生成式 AI 落地应用的元年，这一创新技术正在以前所未有的速度发展，随着技术的突破与应用场景的拓展，“AI+”将为各行业各领域注入发展驱动力，对于每一位企业来说，也必须加速成为 AI 公司，这一切都需要半导体技术的支持。而在当前的半导体行业中，英特尔就是致力于成为推动 AI 走进千行百业，助力合作伙伴抓住 AI 时代巨大机遇的那个赋能者。

在此背景下，8 月 29 日，英特尔举办了英特尔企业 AI 开放软件生态媒体分享会，英特尔中国软件技术合作事业部唐炯出席了本次活动并进行了演讲，同时还有东方国信副总裁兼 CTO 查礼、海鑫智圣总经理孟凡军、星环科技生态合作部总经理张雷等 ISV 合作伙伴嘉宾在现场做了技术分享。

英特尔中国软件技术合作事业部唐炯

在演讲中，英特尔中国软件技术合作事业部唐炯从 AI 的普及和发展趋势入手，指出 AI 技术虽然发展迅速，但要实现真正的无处不在还有很长的路要走。他强调了加速创新、价值最大化和灵活部署的重要性，并提出了一系列具体措施和策略。

唐炯表示，在加速创新方面，英特尔提供了开放的资源平台，如 PyTorch、TensorFlow 等，以支持开发者进行应用创新。同时，为了优化算力层面，英特尔还提供了 oneAPI、OpenVINO 等大量开源工具，以提高兼容性，适应异构的底层平台。

在价值最大化方面，唐炯提出将最合适的工作负载放到最合适的平台上的观点。他指出，AI 的成本结构和云计算的成本结构不同，需要将整个基础架构和 AI 应用适配在一起，以实现价值最大化。此外，英特尔还将 AI 部署在云、边、端，以优化 AI 解决方案的部署成本。

而谈到灵活部署，唐炯提出了解构 AI 解决方案的概念。他认为，没有一家公司能够提供一个非常完整的 AI 解决方案，需要应用厂商、数据库厂商等多方合作才能搭建起来。因此，英特尔致力于将其解构，使得每一个生态合作伙伴能够关注于最擅长的部分，为企业提供一个完整的、最适合的解决方案。

此外，英特尔还推出了 Open Platform for Enterprise AI，这是一个与 AI 相关的开源社区，旨在促进不同厂商之间的合作，共享代码和模块，最终形成一个完整的企业级 AI 应用。英特尔希望通过开放、透明的平台和开源社区的贡献，使大家能够更便利地了解到自身所处的位置以及在整个解决方案中所做的贡献和可优化之处。

而在嘉宾分享环节，东方国信副总裁兼 CTO 查礼分享了东方国信在 AI 技术应用实践方面的经验和展望。他指出，AI 时代的变革包括硬件环境的变革、交互体验的变革、开发模式的变革和应用构建的变革。这些变革带来了新的机遇，例如构建一个由 AI 驱动并赋能的企业 IT 系统。他还介绍了东方国信在通信、金融、工业等多个领域的业务布局和与英特尔的合作案例。

东方国信副总裁兼 CTO 查礼

海鑫智圣总经理孟凡军则主要介绍了海鑫智圣在大模型和机器视觉领域的研究和应用。他强调了云、边、端一体化的重要性，并通过与英特尔的合作案例展示了如何实现云边端的精度统一。

海鑫智圣总经理孟凡军

星环科技生态合作部总经理张雷介绍了星环科技在大数据和人工智能基础软件领域的研发成果。星环科技成立于 2013 年，致力于大数据和人工智能基础软件的研发，并在 2022 年登陆科创板。该公司产品包括 Hippo 向量数据库和 TKH（Transwarp Knowledge Hub），后者包含无涯・问知和无涯・问数两款核心应用。张雷表示，星环与英特尔合作优化第五代英特尔至强可扩展处理器性能，提升 2.07 倍，应用场景包括实时问答、数据安全和个人知识体系构建等。

星环科技生态合作部总经理张雷

而在随后的媒体问答环节，有媒体问道英特尔用开放堆栈的理念搭载开放生态，与原来的云计算时代有什么根本上的区别。对此唐炯表示，实际上英特尔在耕耘开放的生态系统上面已经很多年了，过去有些人觉得是说 X86 好像是一个单独的系统，但是从整个 IT 行业发展来看，X86 跟原来基于 RISC 这些平台相比，本来就是一个开放的平台。而发展到现在的 AI 时代，其中重点在于如何有效利用有限的计算能力，并在不同的平台上和谐地部署不同负载。此外，还强调了底层基础软件与应用软件之间的匹配问题、数据安全和接口的高效性。

在采访中还谈到了 AI 大模型新技术落地成本的问题，对此查礼指出，评价新技术的价值应考虑总拥有成本，而非仅看初期落地成本。他以云计算为例，说明长远来看总拥有成本是降低的趋势。同时，他也提到了人才问题，强调了既懂行业又了解大模型技术的人才的重要性。

另外还有媒体询问如何理解企业级 AI 规模化的问题。唐炯认为，企业级 AI 成熟的标志是 AI 能够在企业中落地应用。张雷则分享了星环内部使用大模型产品的情况，以及与英特尔合作的 AI PC 产品的规模化效应。查礼提出，规模化的两个指标：装机量和 AI 技术采用率，并强调了帮助企业整合 AI 能力的重要性。

最后，孟凡军表达了对大模型前景的看法，认为如果 GPT-5 的性能提升不达预期，可能会令人失望。同时他也提到了人才培养的重要性，希望国家在教育方针、基础政策和产业环境上向这方面倾斜，培养更多适应产业能力的相关人员。