架构创新驱动硬件革命 | GAIR 2025 RockAI CMO邹佳思：摆脱Transformer的束缚，让智能重新定义硬件

12月12日，第八届GAIR全球人工智能与机器人大会主论坛在深圳举行。RockAI CMO邹佳思发表《摆脱Transformer的束缚，让智能重新定义硬件》的主题演讲，深入探讨了云端模型的局限性、设备端自主学习的重要性及行业未来路径。

演讲的开头，邹佳思指出：云端链路存在显著浪费，一些语音指令经云端解析再回传，至少50%的传输成本被无效消耗。全球云端模型每日消耗成本高达万亿至百万亿量级，有效利用率却存疑。而市场已显现转型迹象，例如OpenAI计划明年推出硬件产品，标志着行业从云端向端侧的战略转移。

对于当前“更多数据、更大算力、更高人才密度、更大参数=更好的模型”这一行业共识，邹佳思提出了自己的质疑：算力在扼杀创新、让小团队失去机会。以Transformer为代表的架构偏向压缩智能和静态函数，并不能诞生更多智能；参数量大，确实扩大了这个函数的空间容量，但没有真正产生知识。

他认为，未来的智能硬件，最重要的实际是原生记忆和自主学习。他在演讲中展开讨论了形态记忆和知识记忆，认为缺乏记忆时很难谈论模型的个性化和进化。

他强调，大模型的发展方向，要从固定的工具转成持续学习，要从三个月或半年更新一次的模型知识转到实时成长的阶段。自注意力机制虽解决了模型关联问题，但带来成本激增。未来行业有可能面对参数规模的极限，因此架构上需做创新，积极探索云端+端侧结合方案，希望设备之间能够互联，最后达到群体智能的目标。