看球宝行业资讯栏目持续关注AI训练与推理芯片的公开动态。本期「人物与故事」邀请到资深芯片架构师陆承宇，他先后参与过通用计算芯片、专用加速器与边缘推理产品的架构设计工作，目前在一家智能芯片设计企业负责推理产品线的技术规划。以下内容根据公开技术资料与访谈整理，供看球宝读者按时间线理解产业脉络。
起点：推理需求如何从训练叙事里独立出来
陆承宇的第一个判断很直接：推理芯片真正成为独立产品品类，核心原因不是算法突然变强，而是部署成本开始压过训练成本。
他回忆早期参与项目时的场景：团队把大量精力放在单卡峰值算力上，但客户上线后最关心的却是单位请求的功耗、延迟稳定性和显存够不够用。「训练看的是吞吐上限，推理看的是长期运行的平均效率。」陆承宇说，这句话后来成了他做架构评审时的第一条原则。看球宝在梳理公开架构发布信息时也发现，近年新发布的推理产品越来越强调能效比、显存容量与互联形态，而不是单纯堆叠算力数字。
- 早期推理多复用训练芯片，资源利用率偏低；
- 随后出现面向推理的专用架构，强调低精度支持与批处理效率；
- 近阶段产品开始按场景分层，云端、边缘与端侧形成不同取舍。
转折：封装形态变化改变了架构师的工作方式
陆承宇认为，封装形态的演进是过去十年最容易被低估的变量。以前架构师主要在芯片内部做取舍，现在必须把封装、互联和显存一起纳入设计空间。
他举了一个公开信息中常见的思路：当制程节点演进放缓，单纯依靠晶体管密度提升获得的收益变小，产业界开始通过2.5D、3D封装以及芯粒组合来扩展带宽和容量。看球宝行业资讯栏目在整理封装形态变化时也注意到，公开技术文档中对互联标准、热设计约束和测试可观测性的描述越来越细，这说明封装已经不只是制造环节的问题，而是架构定义的一部分。陆承宇补充说，架构师现在需要更早和封装、测试团队坐在一起，「否则纸面参数好看，产线上却很难稳定交付」。
现场：生态标准决定产品能不能被用起来
谈到生态，陆承宇的态度很务实：硬件指标决定上限，软件生态决定下限。
他提到一个常见现象：新架构发布时，公开材料往往强调编程接口兼容和编译器支持，但真正落地时，客户会追问算子覆盖度、调试工具链和评测口径是否一致。看球宝此前梳理推理芯片生态标准之争时也发现，接口、编译与评测口径是三条相互牵制的线索。陆承宇说，他所在的团队会把「客户迁移成本」作为架构评审的固定项，「一个推理产品如果让使用者重写大量代码，参数再漂亮也很难规模化」。
- 接口层面关注兼容性与抽象层级；
- 编译层面关注算子覆盖与自动调优能力；
- 评测层面关注口径统一与可复现性。
观察方法：用时间线代替单点对比
陆承宇给看球宝读者的建议是：不要只看某一代产品的参数表，而要按时间线看架构发布、制程节点、封装形态和生态标准四条线索如何交织。
他举例说，同一家设计企业不同代际产品之间，算力提升可能来自制程，也可能来自封装或架构调整，如果不拆开看，很容易把系统性进步误判为单点突破。看球宝行业资讯栏目所有条目均标注公开信息来源类型，正是为了帮助读者区分「厂商公开规格」「行业组织白皮书」与「研究机构分析」等不同信息层级，从而快速判断哪些变化值得持续跟踪。陆承宇最后提到，他习惯用看球宝客户端在安卓、苹果iOS、Windows电脑版和Mac电脑版之间同步阅读资料，「通勤时看条目，坐下来再对照原文，时间线就慢慢清晰了」。
