在近期的一次公开演讲中，yc中国创始人、人工智能领域的知名思想者陆奇指出，我们正站在一个技术范式转移的关键节点。他认为，人工智能时代的到来，不仅仅是应用层的革新，更将驱动计算基础设施的根本性重塑——特别是芯片和底层软件，几乎都需要“重做”。与此这也为人工智能基础软件的开发开辟了前所未有的广阔蓝海。

陆奇首先从芯片架构的视角阐述了这一变革的必然性。传统的通用计算芯片（如CPU）设计，主要服务于指令序列的串行处理。以深度学习为代表的现代人工智能，其核心计算模式是高度并行化的矩阵运算与大规模数据处理。这种根本性的差异，使得专为AI计算设计的芯片（如GPU、TPU及各类AI ASIC/FPGA）从辅助角色走向舞台中央。陆奇强调，未来的芯片架构将更加“以数据为中心”和“以特定计算范式为导向”，追求极致的能效比和计算吞吐量，以应对模型规模指数级增长带来的挑战。从训练到推理，从云端到边缘，全新的芯片体系正在形成，这不仅是硬件性能的竞赛，更是对计算本质的重新定义。

陆奇将目光投向了与新型芯片紧密共生的底层软件。他指出，传统的操作系统、编译器、驱动程序和运行时环境，大多是围绕通用CPU和经典编程模型构建的。当计算硬件的基础发生变化时，支撑其高效、易用运行的软件栈也必须进行深度适配与重构。这包括但不限于：为异构计算（CPU、GPU、NPU等）设计统一的资源调度与内存管理系统；开发能够将高级AI框架（如PyTorch、TensorFlow）代码高效编译并映射到特定AI芯片指令集的编译器；以及构建能够充分发挥硬件潜力、简化开发难度的底层库和中间件。陆奇认为，这部分工作技术壁垒极高，但其价值也极其巨大，是决定整个AI计算生态效率和繁荣度的基石。

正是在芯片与底层软件“重做”的宏大背景下，陆奇特别强调了人工智能基础软件开发的战略机遇。他将AI基础软件视为连接底层硬件的强大算力与上层丰富AI应用的“关键桥梁”。这一领域涵盖了从开发框架、模型仓库、大规模分布式训练平台、自动化机器学习（AutoML）工具，到模型部署、监控、治理的全生命周期管理套件。

陆奇分析道，当前AI的应用正从“作坊式”的模型开发，走向规模化、工业化的“AI工厂”模式。这就需要一套坚固、灵活且自动化的基础软件栈来支撑。例如，能够管理海量数据和复杂实验流程的MLOps平台；能够降低大模型训练成本和门槛的分布式训练系统；以及能够确保模型在不同场景下安全、可靠、公平运行的治理工具。这些基础软件不仅决定了AI研发和部署的效率与成本，更将在很大程度上影响AI技术的普及速度和最终创造价值的规模。

陆奇道，人工智能时代的技术栈正在发生一场深刻的“堆栈重构”。芯片是新的“原子”，底层软件是新的“分子”，而在此之上蓬勃发展的AI基础软件，则是构建未来智能世界的“材料”与“工具”。对于中国的创业者和科技企业而言，这既是在核心技术上攻坚克难、补齐短板的严峻挑战，更是在全球新一轮科技产业格局中占据有利位置、引领创新的历史性机遇。抓住芯片与底层软件重做的趋势，并大力投入人工智能基础软件的开发，将是构建长期竞争力的关键所在。