在AI技术飞速发展的当下，计算机视觉（CV）领域已成为全球AI算力消耗的核心赛道。无论是多模态VLA模型训练，还是机器人视觉强化学习等场景，其算力消耗量都远超等其他AI领域。
CV领域的庞大算力需求，进一步放大了科研算力分配的不均衡问题。面对当下科研算力短缺、效率不足的挑战，近日在上海举行的2025第八届中国模式识别与计算机视觉大会（PRCV）上，九章云极联合创始人尚明栋给出了明确答案：当前科研算力利用率低的问题，本质是技术适配不足与生态协同缺失共同导致的复合问题，需要全产业链上下游协同发力，才能从根本上破解。
CV与大模型时代，科研算力面临挑战
作为国内顶级的模式识别和计算机视觉领域学术盛会、CCFC类会议，本届PRCV由中国图象图形学学会（CSIG）、中国人工智能学会（CAAI）、中国计算机学会（CCF）和中国自动化学会（CAA）联合主办，由上海交通大学承办。
尚明栋在PRCV发言中提到，当前，全球智能算力需求正以“超摩尔定律”的速度激增，但算力资源的分配却呈现出显著失衡，巨大的“算力鸿沟”仍横亘在数字经济发展的道路上。尤其在计算机视觉（CV）领域，这一矛盾更为突出。据Precedence Research数据预测，2025年全球AI市场规模将达到3138.8亿美元，其中CV领域占比超35%。斯坦福HAI的研究显示，目前仅38%的高校实验室具备支撑CV大模型训练的算力条件，供需差距悬殊。
在科研场景中，“算力鸿沟”问题尤为显著。高端算力供给本身存在缺口，跨校协作时又因资源分配机制不完善，进一步加剧了算力分配的失衡。同时，分布式算力部署流程复杂、实验环境配置操作繁琐，形成双重技术阻碍，直接拖慢科研推进效率，更关键的是，算力资源闲置与科研预算受限的矛盾突出，导致成本与效率严重失衡。
尚明栋举例，高校实验室的固定GPU设备，因科研需求“潮汐式”特点，训练需求集中在短时间波峰，推理需求则较为分散，实际利用率仅10%-20%，造成大量科研经费隐性浪费。学生群体的困境更直接，传统卡时计费模式下，单张A800显卡每小时费用超百元，远超多数课题预算，迫使学生不得不缩减实验样本量或降低模型复杂度，最终影响科研结果的完整性与准确性。
针对这些痛点，尚明栋明确指出，九章云极正通过布局AI基础设施，打造面向科研场景的普惠算力解决方案破局。其核心目标是让算力像水、电一样，实现便捷获取与成本可控，从根本上缓解科研场景的算力困境。
以普惠算力破解科研算力瓶颈
九章云极提出的普惠算力，核心是“按度计量、按需消费”模式，以九章智算云Alaya NeW Cloud 2.0为技术基座，通过虚拟化服务替代传统硬件堆砌，将算力转化为“度（DCU）”这一标准化计量单位，实现如电力计量般的高效流通，用户仅需为实际消耗的算力付费，大幅降低使用成本。
尚明栋认为，九章云极打造科研算力普惠的落地，紧扣“可获取、能负担、易使用”三大核心目标。一方面构建“普惠算力=普惠×（算力+存力+运力）”的服务生态，以可复制、规模化的AIDC工程化能力保障算力供给，向全球输出标准化中国方案；依托Alaya NeW Cloud降低使用成本，再通过易操作、模块化的智能工具链简化流程，打破大模型开发应用的技术壁垒，推动算力服务从基础资源供给向普惠化生态演进，助力CV领域突破算力瓶颈。
另一方面，九章云极同步打造科研专属工具矩阵，形成从论文到落地的全链路支持。其中大模型实验室Lab4AI.cn，定位为高校科研工作者、AI开发者的高性能GPU算力场景社区，整合“算力资源+实验平台+社区互动”三大模块，聚焦高算力密集型场景，加速大模型技术从科研到应用的转化；再辅以与LLaMA-Factory合作的在线大模型训练与微调平台、全托管式大模型推理服务平台，共同构成完整工具体系。这套矩阵有效解决高校科研院所缺乏算力、算法与人才的困境，既降低开发者门槛，也提升用户粘性，支撑AI应用生态落地。
构建科研算力生态
“以前跑数据每个月要消耗5760个A800云主机卡时，现在用1-64卡H800弹性资源就能出结果，还能按实际用量结算，省了不少预算。”北京某高校网络实验室里，这样的算力升级场景正成为常态。目前，九章云极的普惠算力已在国内多所高校科研场景落地见效，通过与高校联合研发先进算力调度算法、共建AI算力实验室，进一步搭建共享算力网与算力池，推动各高校算力资源互联互通，这一举措不仅全面提升了高校整体算力水平，更为一流人才培养提供了坚实的算力支撑。
如今，科研算力建设已不再是高校发展的“选择题”，而是关乎创新竞争力的“生存题”。其核心价值在于将每一份算力精准转化为教育生产力，支撑前沿科研创新的突破。随着科研算力领域从单一资源供给，加速向“算力-工具-人才”协同的生态化模式转型。
尚明栋还表示，九章云极仍在持续落地构建科研算力生态，并提出三点核心倡议：以人才为核心，联合高校开设相关实践课程，提供免费算力额度与工具培训，帮助学生掌握“算法+算力”复合能力；以科研为导向，共建“论文复现开源社区”，持续扩充Lab4AI.cn的论文库，助力科研成果高效转化；以生态为支撑，联动高校与企业建立“闲置算力池”，向科研需求薄弱的团队倾斜资源，推动“算力资源共享机制”落地。
