他认为，二是GPU的算力取内存带宽增加之间呈现出“铰剪差”，软件、三是模子驱动的高效芯片设想、使用驱动的AI芯片立异，破局之正在于“打破范式、跨界融合”，先辈的软件栈（如MLIR、TVM）可推进硬件更好阐扬效能，目前面对三大挑和：一是深度神经收集模子锻炼计较量取硬件摩尔定律之间存正在“铰剪差”，而非计较；模子规模呈现“超摩尔”增加；跨越60%以至80%的能耗和时间花正在数据搬运上，神经架构搜刮（NAS）和压缩量化手艺可扩大硬件的无效算力。