谷歌Gemini3的横空出世，在资本市场掀起了一场剧烈的“跷跷板”效应：谷歌市值暴涨5000亿美元，而算力霸主英伟达却在同一时期蒸发了6000亿美元。

这巨大的剪刀差，似乎预示着风向的转变——当TPU能跑出媲美甚至超越GPT的效果，当Meta也开始采购TPU时，通用GPU构建的算力护城河是否正在松动？硬件范式是否正在从通用的GPU向专用的ASIC发生根本性“转变”？

在腾讯科技2025 Hi Tech Day的圆桌论坛上，来自国产模型及基础设施领域的“卖铲人”们，围绕AGI关键基础设施的“稳态还是变态”，展开了一场终极拷问。

一、 GPU的“稳态”：通用性仍是最大护城河

面对英伟达的市值波动，沐曦股份高级副总裁孙国梁表现得异常冷静。他认为，GPU与ASIC（专用芯片）在几十年前就是“超级稳态”的架构，各有其适用场景。

“在模型高速迭代的今天，GPU的通用性是它最大的优势。”孙国梁指出，当前基模还远未收敛，更新速度快至按周计算，应用场景更是千奇百怪。在这种碎片化的需求下，专用芯片很难覆盖所有通用场景，而GPU凭借其强大的泛化适配能力，依然是主流选择。

对于华尔街的做空，他更是直言不讳：“这未必不是一种‘砍价方式’。”在他看来，英伟达的领先地位是由其在通用算力上的统治力决定的，这一基本面并未改变。

二、 算法的“变态”：Transformer无法支撑下一代Agent

如果说硬件仍在稳态中演进，那么算法侧则面临着一场即将到来的“变态”。阶跃星辰首席科学家张祥雨抛出了这枚“深水炸弹”：现有的Transformer架构，无法支撑下一代Agent。

张祥雨指出，在长文本环境下，模型的“智商”会随着上下文长度的增加而快速下降，这被称为“智商掉落”。对于追求无限上下文的通用Agent而言，Transformer单向的信息流机制存在先天缺陷。无论号称支持多少Token，模型最终都会退化。

“人类记忆有极强的压缩机制，而Transformer的深度（层数）是恒定的，无法表示这种复杂的函数。”张祥雨认为，未来的架构将向“Non-Linear RNN”（非线性循环神经网络）演进，通过短窗口Transformer建模短期记忆，叠加巨大的RNN建模长期记忆。这将是一个巨大的系统工程，需要软硬件协同设计。

三、 开源与闭源：一场“老二、老三”的生存博弈

在模型层，硅基流动联合创始人胡健分享了关于开源与闭源的洞察。他认为，这是一种“老二、老三”的生存法则博弈。

“就像安卓对抗iOS，DeepSeek一出来，市场就炸了，大家就都得跟进。”胡健表示，处于第二、第三梯队的企业为了不被头部完全挤出市场，必须选择开源。同时，企业客户对数据隐私和成本的考量，也倒逼开源模型持续存在。如果智能只掌握在少数巨头手中，客户将不得不承担更高的成本和风险。

四、 能源与工程：被AI加速的“终极瓶颈”

圆桌的讨论最终指向了两个根本性的“变态”挑战：能源与工程。

王晟提到了一个有趣的关联：AI正在加速可控核聚变的研发。托卡马克装置面临的最大难题——磁场约束和等离子体控制，正通过AI for Science和强化学习寻求突破。这预示着，能源可能成为制约AGI发展的终极瓶颈。

而在工程层面，孙国梁指出，当前的AI发展仍处于“工程学反推基础科学”的阶段。在脑科学和数学原理没有重大突破前，我们只能依靠GPU进行大量的暴力尝试。但正是这些工程实践，可能会反过来推动基础科学的演进。

结语

从GPU的通用性优势，到Transformer的架构危机，再到开源与闭源的博弈，以及能源与工程的终极挑战，这场圆桌揭示了一个清晰的图景：AGI的道路上，没有永恒的稳态。

GPU叙事仍在延续，但Transformer的大门即将关闭。真正的变革，或许就藏在下一代架构的突破之中，藏在能源问题的解决之时，也藏在每一个敢于打破常规的工程尝试里。