本蓝皮书版权属于编写发布单位，并受法律保护。转载、摘编或通过其他方式使用本蓝皮书文字或者观点应注明“来源：人工智能与先进计算融合创新学术会议暨中国工程院工程科技学术研讨会“生成式变结构计算与高效能先进计算新路径研究”,晶上系统赋能Al与先进计算：工程科学探索与产业创新蓝皮书，2025年8月”。违反上述声明者，版权方将追究其相关法律责任。
2024年诺贝尔物理学奖得主杰弗里·辛顿的研究指出，世界的意义是动态交互的产物，智能源于高频互动与反馈的动态塑造。这一论断直指当前人工智能发展的核心瓶颈：业界试图在本质上静态的物理结构(如训推分离模式下的固化模型)上，复现本质上动态的智慧现象。此种矛盾导致人工智能研究陷入一个深刻的“结构洞”—在基于冯·诺依曼架构的传统计算范式与能够涌现智慧的生物大脑之间，缺乏一个有效的物理承载与连接桥梁。智能并非特定算法的孤立产物，而是一个复杂网络系统在时空维度与环境持续动态交互，其内部高维、可塑的协同结构复杂度超越特定阈值时，所涌现出的一种自组织、自适应的宏观属性。结构决定功能，动态结构则决定学习与演化。
在此背景下，软件定义晶上系统(Software Defined System-on-Wafer,SDSoW)成为填补“结构洞”、实现人工智能(Al)与先进计算(AC)双向赋能的核心工程载体。其本质突破在于，在介观尺度(晶圆/晶矩/面板级)上构建“高密度、大规模、低功耗、动态可塑”的物理基座，为智能涌现提供结构上的可能性，从而根本性地重构了“结构、功能、效能”的关系链。这并非技术的线性叠加，而是对计算范式的一次深刻变革。事实上人工智能与先进计算双向赋能，关键要解决计算智能与智能计算融合创新问题，融合创新则要解决底层逻辑变革问题，底层逻辑要实现基于“简单节点+复杂网络”结构的计算范式变革才可能获得超非线性性能–智能涌现，而复杂网络则要具备“介观”(芯片级在此定义为微观尺度、机架级定义为宏观)尺度高密度大规模高维度动态可塑基本特性。
人工智能与先进计算相互赋能的核心机理，要解决计算智能与智能计算融合创新问题，思考“结构决定智能涌现”的第一性命题。智能的本质是“结构计算”,与“结构决定功能”具有哲学统一性。经典冯·诺依曼架构遵循“复杂节点+简单互连”模式，本质是通过增强节点性能提升整体智能；而人脑智能涌现遵循相反路径，以“简单节点+复杂互连”模式实现智能跃迁。这种差异揭示根本矛盾：传统架构中，算力提升依赖节点性能的线性增长，但物理规律、经济成本及能耗问题已形成“天花板”。要突破这一极限，必须重构计算系统底层逻辑，导入高密度大规模高维度可塑连接要素，从追求“低密度堆砌节点性能”转向获得“高密度高维度时空协同优化相变涌现增益”(如图1所示)。
进一步看，实现“原生智能”的核心机理是实现高密度大规模高维度可塑拓扑连接。连接密度与可塑连接维度，决定时空复杂度协同优化相变增益。研究表明，大脑皮层的智能涌现依赖关键参数的协同作用，这启发我们：真正的智能突破不能仅依赖制程和封装工艺进步，不能极致追求芯片工作频率和时间复杂度，更不能依赖减少连接密度和维度、增加连接时延和功耗的经典“可扩展系统”技术路线。关键是在宏观智能系统和微观芯片之间寻找介观尺度物理载体，构建更密集、更灵活、更节能、具有时空协同相变增益的动态可塑互连网络。当前，3D封装技术已为高密度高维度动态可塑互连提供重要的物理和工程化基础，介观尺度上不仅可缓解或转化“存储—计算墙”矛盾，更能通过动态可塑拓扑网络获得“按需连接、实时激活”的智能驱动特性。这种架构让智能不再依赖单一节点性能提升，而是通过时空复杂度协同优化和相变增益实现算力供给范式变革，为智能系统提供“可演进、动态可塑、极低能耗”的底层逻辑与技术架构。
本文来自知之小站
报告已上传知识星球，微信扫码加入立享4万+深度报告下载及1年更新。3天内不满意退出星球款项原路退回，欢迎试用。到期续费仅需5折
（如无法加入或其他事宜可联系zzxz_88@163.com）
