全国政协委员、工信部原副部长王江平：DeepSeek改变算力格局 专用芯片或在两年内爆发式增长

专题：中国经济前景广阔、大有可为——2025全国两会财经特别报道

　　证券时报记者 郭博昊

　　在全国两会期间，全国政协委员、工业和信息化部原副部长王江平接受包括证券时报在内的媒体采访时指出，随着DeepSeek大模型的出现，针对特定模型架构的专用芯片将成为未来的发展趋势。通过优化芯片设计，使得运用高制程工具实现低制程制造成为可能。王江平判断，在未来一年或两年内，专用芯片领域将迎来爆发式增长。

　　人工智能在带来高效便捷的同时，也需警惕数据偏差与幻觉问题。王江平指出，人工智能的“幻觉”现象与数据集的质量和丰富性密切相关，同时也受到模型训练程度的影响。对于推理模型而言，幻觉问题尤为突出。当数据在某些特定领域不完整时，模型容易产生幻觉。

　　他解释，人工智能本身具有“补白”机制。当其内部数据充足时，模型会根据既定权重进行计算并输出结果。然而，当数据集不够丰富时，模型会降低权重并尝试填补空白。这种填补有时会产生幻觉，普通人可能难以察觉，但专业人士往往能够轻易辨别出这是错误的，甚至是胡编乱造的内容。

　　因此，当人工智能应用于特定行业时，数据集的重要性不言而喻。只有强大的数据集才能支撑人工智能的高质量运行。从这一角度来看，幻觉问题本质上也反映了数据集质量问题。

　　王江平指出，数据集的构建应当依托于专业的实体企业，例如行业龙头企业、工程设计院以及高校科研机构等。这些机构掌握着海量且高质量的数据资源。通过合理的商业模式将这些分散的数据进行集成，不仅可以实现数据的共享与价值最大化，还能为人工智能的发展提供坚实的基础。只有经过这样系统化整合的数据，才能真正具备价值。

　　一方面，过去人工智能模型往往被视为一种高精尖的技术，其应用门槛较高，限制了其在更广泛领域的普及。DeepSeek推出后显著降低了人工智能的使用门槛，使得市场需求迅速增长。然而，目前数据集的建设尚未完全跟上这一发展节奏，仍处于逐步完善的过程中。

　　另一方面，数据集的构建还涉及企业隐私问题。对于企业而言，数据是其核心资产之一，因此企业通常不愿意轻易共享。这就需要我们探索一种有效的共享机制，既能保障企业的合法权益，又能推动数据集的建设与发展。

　　王江平特别指出，算力是我国当前面临的一个重要短板，但通过综合施策，仍有望实现转型与突破。在算力基础设施中，芯片是我国的薄弱环节。然而，随着人工智能时代的到来，特别是像DeepSeek这样的先进模型的出现，专用芯片将迎来巨大的发展机遇。过去，GPU作为一种通用性算力芯片，被广泛应用于各类计算任务。但在DeepSeek等大模型出现后，针对特定模型架构的专用芯片将成为未来的发展趋势。通过优化芯片设计，使得运用高制程工具实现低制程制造成为可能。

　　王江平预测，在未来一年或两年内，专用芯片领域将迎来爆发式增长。这将为我国人工智能产业的发展提供有力支撑，同时也将推动我国在全球算力竞争中占据更有利的位置。