开放的专栏当人工智能浪潮席卷世界时，北京正在成为具有技术创新的伟大AI模型领域的高战略内容。从Zhiyuan研究所的“觉醒”模型的推出，到将最佳学者与“天使投资者”模型一起孵化到人工智能独角兽的出现，例如月球，DeepSeek和Zhipu，该市不仅培养了Avant -Garde -Garde -Garde -Garde -Garde -Garde -Garde -Garde -Garde -Garde，还培养了开放的生态学。如今，北京正在积极建立“全球开源资本”，众多机构和研发公司积极采用开放源代码，开源还吸引了许多行业，例如汽车和机器人。人工智能的发展将是一场漫长的科学与技术之旅。在北京科学技术委员会的支持和促进和宗教的管理委员会的支持和促进，北京新闻AI Institute推出了一系列专栏，“ AI Instinct Records“，在 – 在后面的证人和见证人中传播 – 在后面的AI和新能力模式的见证人。这也是中国最年轻的人才的人才的缩影。遵循多个身份标签的祝福的智能集群的能力他的互联网巨头曾经将高薪的橄榄分支扩展到什叶岛，但最终决定创业。原因是非常简单：“做一些不同的事情。”在他看来，大型工厂中的“老板安排”和KPI是局限性，创新将很难实施。伊亚亚圈子里的年轻人非常了不起。在2024年向他展示，您是由90年代和90年代的一代人杨Zhilin指导的，而2025年席卷世界的Deepseek Central团队的成员是Tsinghua和北京大学的前学生。根据Liepin Big Data Research Institute的一份报告，过去一年中，AI的活跃技术人才的59.90％具有较小的人才。现在，经过一年多的非诉讼，在上海的“ Mosu Space”和北京的“人工智能创新街区”中建立了Qingcheng Jizhi。这家创新的AI基础设施公司（人工智能基础架构）基于Tsinghua的平均员工年龄在30岁以下。作为1995年以后的一代人，Tianhui在前几代人的脑海中看不到被称为“技术差异”的山。在北京新闻AI研究所中，当他面临计算机力量，创新等问题时，Shi Tianhui承认Nvidia创立了Cuda并被许多人使用，但并没有这样做。尽管国家芯片解决了更好地利用的问题，但国家工业制造能力将以很高的盈利能力竞争。由他的合作伙伴Tinhua计算机部门组成的他工作的团队不仅是中国新基因的经典例子，而且是解决国内计算机能源短缺的探路者。开放的西装模型推理电动机“ Chitu”通过潜在的技术创新实现了大多数旧的NVIDIA GPU和国内芯片。本机FP8模型的有效实施将执行完整的Vood DeepSeek版本。随着AI的整体竞争进入计算机能源进步的阶段，年轻的团队正在国家筹码和大型模型之间建造“塔楼”，破坏了由NVIDIA领导的计算机Pate Panorama中创新的裂缝。企业家精神和快乐北京新闻AI Institute：您是什么时候与AI接触？ Shi Tianhui：与AI的首次接触与当时的Junirectary High School的奥林匹亚信息集团一起。当时，学习内容主要是“算法和结构化的。智能驾驶波和简历（计算机视觉）。SENSTIME尝试一下，我发现了我的兴趣。实际上，奥林匹克公式对该计划的运作有时间要求，并且对“写作代码”的启动也很快。 Tsinghua。企业家精神的疾病。在2023年，我们的清庆吉吉（Jing Jiji）主要基于Tinua计算部的高性能计算机研究所的老年人和兄弟。它主要参与AI基础设施。简而言之，AI Infra是将硬件与AI算法连接的“中间层”。通过该软件，客户可以通过Samehardware资源实现更快的推理速度和更高的并发性能，从而实现了AI应用程序的效率更高且成本较低的实现，从而使国家硬件可以“比较NVIDIA”。北京新闻AI Institute：清晰的员工很小，为什么团队？ Shi Tianhui：我们团队中30岁以上的人很少。 1980年代只有三个人出生。年龄最大的人出生于1985年，最小的是在蒂努阿大学住院的高级住院。我是实习生。与专注于基本理论的学校相比，公司确实可以运用他们所学到的知识学习。对实际问题的详尽解释最终将成为一个问题。将其交付给高中实习生后，他报告说他在一两天内完成了这一周，最后了解了他在学校学到的计算机理论基金会的“使用”。我们的团队年轻的原因是该行业相对受欢迎，团队的技术培训非常出色，对学生非常有吸引力，因此刚刚从学校毕业的学生加入了Blue。另一方面，招募人员的调查并不容易。与算法相比，我们的工作来自背景和圈子。 “真是太好了。”因此，我们还愿意以想法，热情，坚实的基础和训练他们的强大学习能力招募年轻人。同时，AI行业还很年轻，并且是一个非常负责的技术牛，源自1995年，即使在土著人在互联网上。北京新闻AI研究所：自从我参加Tsinghua大学以来已经过去了10年。在此期间，AI技术至少经历了两波。您如何看待？您如何看待CR点的变化在学生选择中的影响？ Shi Tianhui：当我决定遵循高性能计算机功率的道路时，技术访问点的变化对我几乎没有影响。此外，是否有更多的技术在使用更多人使用时，无论是课程，大型模型，云还是超级计算，成本都会在某种程度上增加，并且需要高性能计算以加速和降低成本。进入学校时流行的热门问题可能不会在毕业时很热。但是，尽管学生建立了坚实的基础，但他们可以成功地使用未来任何热门主题的高性能计算机科学的能力。从商机的培训到推理，Depseek I在北京新闻AI研究所中很受欢迎。自今年1月底以来，DeepSeek一直很受欢迎。 Infra AI公司正在利用这种权力，您如何看待自己受到技能研究能力的影响？ Shi Tianhui：在春季音乐节期间点亮您的电话，而Friends Circle充满了有关DepSeek的消息。去年我们与之合作的许多国家公司开始专注于讨论如何适应DeepSeek。在春节期间，我们几乎每天都与这些公司进行沟通。 DeepSeek使用MOE架构（混合专家模型）。当Moe近年来首次出现时，我们认为这将是未来的重大趋势。因此，我们积累了用于MOE模型推断的培训和加速技术的技术，并且我们还发表了几篇国际会议的文章。 Qingcheng Jizhi客户生态系统包括硬件制造商，大型研发公司以及具有数字化转型需求的公司。去年，在模型中对良好培训的需求大于推断的需求，但是随着DeepSeek的出现，公司对公司推理服务的需求超出了传统的培训需求。这些机器完全在我们推出的一台DeepSeek中具有较低的技术阈值，这使公司可以部署和使用较大的模型，而无需与AI领域的“相机和拍摄摄像头”类似的专业人员的专业人员的支持。 DeepSeek具有很大的推论，因为它需要通过优化较高级别的平行计算来推断多个机器。从这个意义上讲，有一个为超大的国内计算机电源组开发的大型训练系统“ Gagura烤箱”。计算机功率扩展到100,000个超大的服务器和簇，这使得在多台机器中具有丰富经验的平行计算机科学，通信o的多台机器中的群集优化体验非常容易维修。他们的许多产品目前提供的所有模型包括传统型号，例如DeepSeek，Zhipu Glm，Qwen和Call。北京新闻AI研究所：开发大型模型，计算机功率是不可避免的话题。 Nevadaidia在这一领域已经运行了很多年，即使是公司的计算机功率的测量通常也基于它具有的“ Nvidia卡”数量。您的发展愿景会成为下一个NVIDIA吗？ Shi Tianhui：与成为Nvidia相比，我们的定位类似于与Nvidia相比，支持国内筹码。国家芯片和旧的Nvidia芯片的功能与新的Nvidia芯片达到了相同的水平。今年早些时候，Aojin Jizzy和Tsingia共同为大型Modelnde“ Chitu”的推理发动机开放。 Chitu部署将允许较旧的NVIDIA卡和国家芯片允许FP8 Precision型号，该模型将执行DeepSeek的真实版本。下一步是使CPU服务器EX有效的大型模型。目前，国内硬件成熟缓慢，但这需要一个特定的过程。例如，国家硬件的使用存在一些潜在的错误，目前为另一方提供评论。实际上，NVIDIA已经建立了CUDA生态系统，并且由于许多人使用它，因此已经很长时间了。这一增加的主要因素是达到适合GPU的AI的培训和推理的技术股息时期。因此，在最终分析中，这仍然来自国家：无需盲目追求和维护硬件。您也可以通过调整软图形卡来更好地使用它。我国家在工业制造业领域的工业化能力使我们能够在合理的一段时间内实现图形卡产品的盈利进步，当时指代移动电话，汽车和其他行业的进化轨迹。今天，许多中心国家公司正在大量购买国家图形卡的团队，但部署时仍依赖国外的推理引擎。一些看起来未来的客户已经启动了一个特别的收购过程，并将国家推断引擎纳入了收购过程。目前，DeepSeek的外观表明，大型国家模型不再属于世界一流的模型。我在这里。没有出色的国家图形卡和推理引擎，生态学就会不完整。只有生态学是好的，国内计算机能源目标才能实现成就目标。最终目标是使计算机能源服务以相同的性能感受到，只要它通过软件引擎即可，无论基础硬件如何，并避免了硬件差异。 KPI的选择和压力不会引起创新。北京新闻AI Institute：DeepSeek，DeepSeek的团队也很年轻。您如何看待DePseek在创新方面的成功？ Shi Tianhui：dEepseek做得很好，而这样做的原因之一是，他们使用的才能非常强大。我所有的同学BO2和BO3都收到了电子depseek电子邮件。与大公司相比，DepSeek对KPI的压力较小。这与学校医生的科学研究工作更相似。换句话说，“找到有趣的观点并尝试实现这些目标。做一些重要的事情。当您承受KPI的压力时，通常不确定的是不确定的回报并倾向于复制现有的清晰道路。这并不意味着任何风险，但是您不能特别做任何事情。”实验室？在开始业务之前已经有几年了。您是为了实现您的价值。您必须这样做。t学术界与公司之间的差异，学校实验室分析以及如何适应更多的实验室系统。在学校，有10,000行代码可以验证一个想法，但是您可以使用数十万个代码将此想法转变为可用，稳定和错误的产品，这是公司为公司产品所需要做的事情。他们也是不同的租金。