（来源：海淀人才）
为加快推进北京青年人才创新创业生态示范区建设，海淀持续优化创新创业生态，让更多青年人才在产业关键环节扎根、生长。在北京海淀锦秋国际大厦，一群来自清华高性能计算所的年轻人，正在芯片与模型之间开辟一条新路——他们有一个新身份：算力优化师。
9月的清晨，清程极智办公区里键盘声此起彼伏。
联合创始人、算力优化师师天麾紧盯大屏上波动的运行曲线，国产芯片运行大模型时正遭遇瓶颈：存储带宽拥堵、算力通道“堵车”，系统看似平稳，背后却存在大量算力资源空耗与性能浪费。
不远处，算力优化师刘东升正将积压的AI业务请求，从拥堵算力通道切换至最优运行路径。“这批活儿走老路，得多花四成冤枉钱。”一句话道出算力行业的现实痛点。
Part 01
在芯片与模型之间“做翻译”
师天麾打了个比方，芯片标称算力是实验室极限性能，实际使用往往只能发挥一小部分。算力优化师就像“调车人”，把只能发挥两三成功力的硬件调教至七八成，实现一块芯片顶多块使用。
刘东升的工作类似快递分拣主管，既要运营自建算力，也要对接多家第三方算力服务商。面对用户的AI请求，需要快速判断最优执行路径，在速度、成本、质量、稳定性相互矛盾的指标之间寻找平衡点，让每一分算力成本、每一毫秒时间都发挥最大价值。
和普通程序员相比，算力优化师既要懂模型算法，也要吃透硬件底层。写算法的好比设计菜谱的大厨，未必熟悉灶具；而算力优化师既要懂菜谱，也要懂灶具，还懂得改造灶台提升效能。芯片计算单元排布、内存数据搬运、多卡通信逻辑，这些底层技术都必须了然于胸。
清程极智团队出自清华高性能计算所，曾拿下超算世界冠军。他们没有选择研发芯片或是训练大模型，而是深耕芯片与模型中间的系统软件。师天麾解释，产业需要分工：有人做芯片地基，有人做上层模型应用，他们负责搭建水电管道与调度系统，保障整套AI体系运转。2021年国内新一代超算训练大模型，正是这样分工协作：超算团队负责硬件芯片，清程极智负责系统调度，高校团队主攻模型算法，各展所长。
Part 02
一场“四两拨千斤”的攻坚战
不少国产芯片硬件底子不错，
但普遍存在“能跑，跑不顺”的问题。
刘东升分享了团队攻克的
一项技术难题——
当下DeepSeek等主流大模型大量使用FP8数据格式，存储占用小、运算速度快，但不少国产芯片以及部分老款显卡硬件并不支持该格式。
传统解决方案陷入两难：要么转换格式，会让文件体积翻倍，内存、存储成本随之暴涨；要么降低精度，直接损害模型效果。清程极智另辟蹊径，自研一套“翻译软件”：数据依旧以FP8精简格式存储，计算时在芯片内部临时转换为兼容格式运算。这套方案兼顾存储空间与模型效果，存储占用下降二分之一到四分之三。原本运行DeepSeek‑V3满血版需要四台八卡服务器，成本近600万元，如今仅需一台国产910B八卡服务器，150万元即可完成。
团队把这套优化能力封装成三层工具箱——
底层“八卦炉”打通训练、微调、推理、部署全流程；
中层“赤兔”专门为国产芯片提速降耗；
上层“AI Ping”是算力比价导航平台，实时监测各家算力服务商性能，自动为用户匹配最优调度路线。
接入AI Ping的企业，算力平均成本降低37%，处理速度提升近一倍，业务等待时间减少两成。
“先守住质量和稳定性底线，再通过算法压缩成本、提升速度。”刘东升表示。
Part 03
AI行业从“拼跑分”向“拼省钱”转变
师天麾谈到，过去行业讨论大模型，热衷比拼参数规模与榜单排名；如今产业落地阶段，企业最关心的是模型是否用得起——再好的模型，如果算力成本过高，也只能停留在实验室。
刘东升深有体会，前几年懂模型训练的人才十分抢手，现在能够实现模型“跑得快、花得少”的算力优化人才愈发稀缺。AI算力规模持续扩张，哪怕微小的优化，放大到庞大业务体量上，就能节约巨额成本。
团队还实现一项突破： 在纯CPU超算“灵晟”上跑通AI推理。行业长期默认AI推理必须依靠GPU，CPU被视作性能有限的“老爷车”。清程极智通过系统优化证明，特定场景下CPU也可以实现不错的推理效果，拓宽国产算力的实现路径，不必一味依赖昂贵GPU。
师天麾将各类国产芯片比作火电、水电、风电，技术路线各不相同，缺少一套成熟的“电网调度系统”统一调配算力。海外开源系统可以点亮国产芯片，但想要实现高效稳定运行，需要自主研发的系统软件。
Part 04
这个新职业大有未来
想要成为算力优化师，需要兼备硬件架构、底层系统、网络通信、大模型算法四类能力，缺一不可。既不能只懂算法，也不能只懂系统，需要跨领域复合能力。
师天麾表示，学历并非硬性门槛。团队虽有奥赛金牌、超算冠军成员，但这是能力结果，不是入职门槛。核心是交叉学科能力与工程实战经验，需要在机房打磨积累，无法依靠培训班速成。
高性能计算过去属于小众领域，人才储备薄弱，AI爆发之后，算力优化人才缺口快速显现。高校与企业正在加紧人才培养，但短期难以填补缺口。未来两三年，熟悉国产芯片适配、集群调度、成本优化的算力优化人才会持续紧缺。
刘东升测算，随着AI渗透各行各业，各个行业都需要算力优化人员做成本测算。即便未来人才供给增加，市场需求仍会持续上涨。
师天麾展望，算力优化师未来将朝着三个方向演进：第一，从单台机器优化升级为大规模异构集群调度；第二，从适配芯片走向反向定义芯片，用软件需求倒逼硬件迭代；第三，从售卖算力转向按业务效果付费，深度参与服务定价与质量管控。
“AI基础设施如果搭建不好，就好比高速公路上跑拖拉机，不仅浪费资源，还容易让人误解国产芯片性能不足。”刘东升说。团队的目标是打造成熟的国产AI算力操作系统，让更多企业可以低成本、高质量地使用人工智能。
阳光洒进办公室，师天麾与刘东升再次投入工作，身后服务器指示灯明暗闪烁，如同一片数字星空。这群游走在芯片与模型之间的“翻译者”，正努力让国产算力的脉搏跳得更加稳健有力。
创新创业生态从不是只有“造芯片”和“训模型”两头——中间那条系统软件与调度优化的“水电管道”，同样得有人来铺、有人来守。海淀正在做的，是让更多青年人才在产业关键环节找到自己的位置，让他们的创新活力嵌入国产算力的每一环。
来源：北京海淀
