在AGI（通用人工智能）飞速发展的今天，算力芯片的发展正面临前所未有的机遇与挑战。2024国际AIoT生态发展大会上，深圳理工大学算力微电子学院院长唐志敏分享了他对这一领域的深刻见解。

唐院长首先澄清了“算力”一词的含义。他指出，算力不仅仅是计算能力的简单体现，更涉及到能解决什么问题和不能解决什么问题。他定义算力为在合理资源和时间范围内完成计算任务的能力，并强调性能的两大指标：延迟和吞吐量。对算力的准确评估至关重要，否则不恰当的评价方法可能会导致战略发展偏离正确方向。

在谈到计算性能时，唐院长揭示了一个行业难题——硬件的峰值性能总是无法完全实现。实际运行中的性能往往远低于理论峰值，这使得算力的提升不仅仅依赖于硬件，还需优化软件和应用程序。虽然LINPACK测试在高性能计算中表现优异，但多数应用程序在超级计算机中的效率远低于LINPACK，原因在于并行度、负载不平衡等软件问题。

唐院长还谈到了传统计算和现代AI需求的差异。传统计算主要集中在科学与工程领域，而现代AI的飞速发展则推动了对算力的更高需求。随着摩尔定律逐渐失效，CPU无法满足日益增长的算力需求，异构计算芯片如xPU开始成为解决方案。然而，xPU的编程复杂性和生态兼容性仍然是巨大的挑战。

在中国面临制程封锁和算力芯片峰值性能落后的背景下，唐院长建议应采取全栈协同的策略，通过设计、工艺、制造等方面的协同优化，突破技术限制，提升AI应用的性能。深圳理工大学的算力微电子学院正是秉承这一理念，希望在中国现有硬件条件下，创新突破，实现领先性能。

总体而言，AGI时代的算力芯片发展需要不断探索新的计算能力和技术解决方案，通过全方位优化迎接未来的挑战。