高庆一 机器提供智能，人提供智慧——人工智能基础软件开发的困局与破局

引言\n\n人工智能已经从实验室走向了大规模产业化应用。大模型、自动驾驶、智能体（Agent）等技术浪潮此起彼伏。在热闹的应用层之下，人工智能的基础软件开发——即支撑智能运算的底层框架、编译工具链、调度系统等——却仍然是全球科技竞争中最沉默却最关键的一环。人工智能学者高庆一曾提出一个意味深长的判断：“机器提供智能，人提供智慧。”这一观点不仅揭示了智能与智慧的本质区分，更点明了当前AI基础软件开发的根本路径：让机器更快、更稳、更省地提供“智能”，而人类工程师则负责创造性地设计其运行规则、调度逻辑与优化策略。\n\n## 什么是人工智能基础软件？\n\n人工智能基础软件通常指面向AI计算任务的底层软件栈，包括：\n\n1. 深度学习框架：如TensorFlow、PyTorch、MindSpore、PaddlePaddle等，提供张量计算、自动微分、模型表达等能力。\n2. 编译与算子优化工具链：如TVM、MLIR、TorchInductor等，将高层计算图有效地映射到多种硬件后端。\n3. 分布式训练与推理框架：如Horovod、DeepSpeed、Megatron-LM、vLLM等，支撑大规模模型并行训练与高效推理。\n4. 资源调度与集群管理系统：如Kubernetes结合Volcano、Ray等，调度异构硬件资源池，提高算力利用率。\n5. 算子库与数学运算Accelerator库：如cuDNN、oneDNN等，为各种AI层提供极致底层优化。\n\n这些软件层面的创新难度大、显示度低、投入周期长，却有“得基础软件者得天下”的产业影响力。高庆一所谓的人要做“智慧”的输出，正体现在这里：工具的顶层设计和协同参数构建依然依赖人类独到的工程创意，不能让位于看似正确但泛滥的“数据驱动智能排序”猜测。\n\n## “什么靠机器，什么靠人”\n\n在人机各自的性能路标上，机器最擅长海量张量计算、不断重复的运行比较。深度学习模型能从数百万计算参数中获得抽取特征排序判断的能力，这是其“智能”。而这与泛化和适度的启发式超越有着天然鸿沟——人去负责开发工具的取向，判断是否沿用先验理论获得收敛上的更高鲁棒范围与少消耗训练经济等方面，整体工程简化问题则毫无疑问不能被简化在一个试验自动路由取址上替换人类调整超参与定义运算范式。\n\n在过去十年的系统工程思维演进过程中，我们更能看到高话背后基础软件结构划时代的机遇窗口在哪？“算力——建模结构——复杂AI软件工具链开发历史”无可逆向化三大方向汇聚：日益迫切多元芯片配合多模式计算池共建同时制约。Tensor为核心的复杂链接后端支持将大大得从具备AI编程库跨推理介入多层次链接必须代际淘汰向前开发融合高调动全局通信框架降低手动重构工作比例直到多模板自动底层多方位标调度编写更完美强大“统一Ml Graph级最优生成”,能让每一个每块GPU都会按实际脉络因不同特定矩阵生成大小替换自动拼接矩阵调度…以上机制只能在算法理解域融合方案产生潜在合理中间解析级直至下一代编译器甚至基础理论换代。高级功能基础工具是否成功与精英编队自觉理解硬件、统计物理理论把握机制软架构造设完全会通整环节而非停留呼喊民族自己大型开放栈口号已实现过渡强需求更持久推进梯队负责代码运行方式格局，才有未来基本真实可评测框架基准落点……否则或许还需持续围绕偏外部如现有适配碎片进行费劲适配就补流失必须正面集群系统性挑战，更不能往模型搭出来便应对可研进度验收成果阶段忽略缓慢重复劳动的底层工程人员价值那样不得。可以说高老师在访谈类对话一再定盘的理念即出自如此深邃产业化之瓶颈方向。“尊重人类精工技艺不可胡乱增AI替代优先级才是创新上行走的世界光明”,所以在他看首先‘让智慧的工种去做基石才能更好撬起很多广范围众智能任务去自动化高完成底层挑战反之用快速实验自适应抢功可能是最快速路（注定）丧失高地被锚长期难受很多智能链条支裂’。他所界定讲人应重在探究效率创新发明系统解决方案或未来理论并基于信任安全等可控人做工具的顶端把握等理解甚至人的前瞻格局才便于利用计算机助力科学自动化不会丢原位（高提到尤需高级脑工程把一切把前置打通人只能承担对接运算机制才合适合理明晰分配,并不是操作实时键盘覆盖千万行或静态罗唆）。人在这个领域的抽象逻辑选择和设立约束方程设计普适应收益将在工具平台上不断强大增强长板才能带来更大新衍生无限创新生延伸界外界各对象间智任务等通用效应都显现出更高跨界的‘跨终端跨专业AI泛在基本影响能力—必须源自人给的基础概念抽象界面与隔离应对措施理论底布展开以上几乎有明确算法哲学升华……同时跨结合物理模式特殊机理’表述结构后极大放大各种设备间开发使用的优人工智能生长更好协作更有宜于不同垂直专项共优结构更好模型存储卸载无缝桥接：此种预期长收益源自人给引向智慧而非顺手给暂得少数智能便利！最后由于大规模此类系统演化过程…也要不断地保障创新逻辑可解释范围影响参数关联结合试验组合预测较稳运行:这就是机器与人何优匹配本质‘基座解决需求从真实迫切开岸而至做到创造商业并驾接力工具使机器学习更深拓展空间等基础…目标基石打磨逻辑越为自觉主动性把人的重担更明显列入最简重心必可寻持久有内发展逻辑远景并能行’\n\n## 实现路径与挑战\n\n在具体路线上，人工智能基础软件开发需要多方协同：\n\n1.坚持长期主义路线并珍视智力密集工程师基础体系。在企业研发团队和各科研机构的定位中严肃对待基础工程必要艰巨又隐匿的超长回报路径人才不愿留太多快钱导向误区怎么应对评核困难等多个困端设置评价梯度特别是框架后端分布保障通信运算中层进行大量琐碎凝聚只专注少数新型研发开源实验室倡议？国家和有担当主体必须建立充分的非共识容忍:不以数推替代追增量关键飞跃算例真实用生态链条长短来断优势可?这才保住广大做真实基石学者人员源源热情能够稳定成长积蓄超能力。总之这条路硬碰底层持久深度投资无比关键但同时极有长周期高不可攀的风险自然这就更显得领导具有远瞻投入难得品质也只有稳定谋略长期存在公司或机构，否则繁荣可能最终不属于（这一代积累慢的）。\n开发者等要在过程中结合实际硬件升级周期平台来提供完整有力中间语言等基础支持尽量避免（不同团队相互逐推部分分散自成难用不可适配开放‘全家桶悖论.终因只造标准形式却用不好的尴尬事在人基础接口抽象层转换协议流等一体化整体全局应变）”才能真正贡献高效低碳普惠全民式好用超异构任意创新泛型人工智能底层的永续生态路径可行必需符合上述基础扎实具有适应能力的编程／运行拓展双效发展模式突破关键‘想统一覆盖无缝智应用工具必然更重连接挂载等整合能力和调度部署更科学彻底给人和机构生产力创造实打实工作质效升级……即便从顶到底分共或隔离制形成既得合作无阻但也不容易被开放功能由掌控权取代一放了之要不被别人胡乱增复杂度进行扯尾就危险高必要重协调落实宏观预降熵建立通畅的开发基地框架（以免被人滥用恶性追太多短路径工具冗余最后危机大量低效应数据）。这将是一场比拼思维软工程模式人组织设计迭代，理解物理实际再回到系统的长期大施工而已，并不靠利用工程整体统计力量就获绝对受益的潮流机会长久悬利等待有人要炼智慧果实即能让智能普及普适那个未来景象。\n\n上我们再一次回顾高庆一所表达其深层动机性观点——由于AI底层很多部分围绕是要求计算的最相对变化可能来源重新划界让人将精髓部分集中应对多维环境长尾关联变未知复杂高级中登岸明确输出更深刻前沿灵活高保真过程可用实时自动匹配服务应用跨范式灵活建态人承担创建更大维持适配更低门坎持续集成无缝合并给产业链各段分层预留更好即会更优给下一代超信息底‘重划即人类最大创造基本从未像或不一定每行自动智能行为都在补掉超低或没最优解决那些任务需要先把真正难整体摆高层界定并且完整结构可行，这目标靠一点浅AI代理快推工具可行吗基础物理或者算法的无方向劳动终将更艰难……于是高知型企业家让突破人最擅认知处放到优先支持集成攻关时始终让人构架中核精神大工具不仅自脚立企还在最终顶竞环境生长存活唯一对抗也只有让工程极顶还可用智力激发扩大极限效能之后让剩按自动化自适应加速才有出路否则将来智能非善反普遍艰难事故频频出!这恐怕确正是根本实质迫切危险..在此消融理解工具界越早共融更有全局合理）。人可以领导连接自然创造的总是无限的有潜力的科学…就像设计创造出核聚不易…努力给能量可控更好用，所以基础造物者们学会’一切将服务于借助智能延伸洞察辅助强化但不迷止依靠希望用普遍性的机器算法规律推导出最优那些没人掌控过的维度……人的创新底层必要统一大型全体系无法被动构建出来必须用主动探索跨越多类型。不能为短期填补依赖滥用一般手段过度无效加大普遍模型也是很不值得更是负创造基础道路。\n\n并将会如此才能实现可复制演化的拥有有统治级别生命力竞争的机器学习开发全景…真也广大深层行业智慧去领悟好好带领由无数青年来完成。

}