矩向科技 | 领先的算力芯片和解决方案供应商

通用人工智能AGI

随着AI大模型的发展，通用人工智能AGI逐渐看到曙光。AGI大模型对算力的要求非常之高，GPT5据称需要5万张GPU卡，训练成本过百亿。以大模型为核心的AI+场景，数量级提升的算力需求。而计算芯片仍然是以有50年历史的CPU和有近30年历史的GPU为主，计算架构亟待革新。

AI很重要，但围绕着AI，还有很多其他类型的计算。以AI为主要计算的AI+业务场景越来越多；但仍然有不少计算任务，不需要AI的参与，或者AI计算量占比较低。通过云计算、边缘计算、终端计算的方式，为AI以及其他各类计算任务，提供综合的计算平台。

多模态AIGC，是AGI最典型和率先落地的业务场景。在就近的边缘侧，甚至智能终端本地，给用户提供极致体验的AIGC服务。

以大模型为基础的高阶智驾，对算力需求数量级提升。如何达到高阶智驾算力要求，同时降低软硬件成本，是高阶智驾的核心问题。

在AGI大模型的加持续，人形机器人的许多关键问题逐渐解决。未来5-10年，将是人形机器人产品快速发展的阶段。

数字人的核心是AGI。基于大模型的数字智慧，需要大算力。随着元宇宙逐渐落地，数字人数量也会激增，进一步带动算力需求。

算力网络，依托云网融合、SDN等技术将边缘计算、云计算节点以及网络资源整合在一起的新型信息基础设施。

算力，已经成为国家经济的核心动力之一。通过“东数西算”国家战略，构建数据中心、云计算、大数据一体化的新型算力网络体系，将东部算力需求有序引导到西部，优化数据中心建设布局，促进东西部协同联动。

依据规模从大到小，包括：超大规模和大规模云算力中心、小规模边缘算力中心、用户现场算力机柜，以及批量的算力终端。

包括云计算公司、三大运营商，也包括各地建设的城市算力网，以及各种新兴的算力运营公司等。

数字化业务需求的各类企业。包括传统云计算客户，以及数字化转型的其他企业；还包括大算力终端构建业务云的企业；等等。

传感器数量越来越多，感知精度越来越高，AI模型越来越大，娱乐需求越来越丰富，各种需求促使着算力爆发式增长。我们认为，L5的算力需要超过20,000TOPS。

汽车E/E架构经过翻天覆地的变化，从数以百计的ECU小芯片，进化到十颗左右的域控DCU大芯片，再进一步进化到CCU超级芯片，并且还要不断的从云边获取海量算力。

云边端融合：CCU超级终端和云、边的架构统一，开发和运行环境统一，云边端任务和资源的调度统一。