来自中国科学院的多位专家学者针对当前人工智能领域出现的一些现象提出了严肃的批评与见解。他们指出，业界和舆论中存在若干概念混淆、根基不稳的“乱象”，亟需从科学与产业的核心层面加以厘清和引导。
其中，一个备受关注的观点是，有专家明确表示“没有AI芯片这一说法”。这一论断并非否定专用处理器对人工智能计算的重要性，而是旨在纠正一种普遍存在的概念误读。专家解释，目前市场上所谓的“AI芯片”，如GPU、TPU、NPU以及各类ASIC，本质上仍然是执行特定计算任务（尤其是矩阵运算、并行处理）的半导体硬件。它们是在传统芯片架构基础上，针对机器学习算法（尤其是深度学习）的运算模式进行了优化设计。将其笼统地称为“AI芯片”，容易让公众产生误解，仿佛芯片本身具备了“智能”。专家强调，算力硬件是支撑人工智能发展的“引擎”和“基石”，但其智能并非内生，而是依赖于在其上运行的算法与软件。这一概念的澄清，有助于引导产业和投资更加关注硬件架构创新的实质，而非陷入空洞的标签化宣传。
与此专家们将批评的焦点更多地投向了被长期忽视和低估的领域：人工智能基础软件的开发。他们指出，当前人工智能的繁荣，在很大程度上建立在诸如TensorFlow、PyTorch等国外主导的开源深度学习框架之上。虽然这些框架极大地促进了AI的应用与普及，但我国在更底层、更核心的基础软件生态方面，仍然存在显著短板。这包括但不限于：
- 核心计算框架与编译器：自主可控、高效且易用的深度学习框架及其底层编译器技术。
- 底层算子库与运行时环境：与国产硬件深度适配、性能卓越的基础数学运算库和系统级调度软件。
- 开发工具链与生态系统：涵盖模型训练、部署、调试、监控的全生命周期工具，以及健康的开源社区和标准体系。
专家们警示，如果只在应用层面追逐热点（如大模型），而忽视底层基础软件的长期投入和系统化建设，我国的人工智能发展将缺乏坚实、自主的根基。这可能导致在技术演进的关键节点受制于人，产业繁荣建立在“沙土”之上，难以实现从“应用大国”到“技术强国”的跨越。
此次中科院专家的集中发声，可以看作是对国内人工智能发展路径的一次重要提醒。它呼吁学术界、产业界和投资界：
- 回归技术本质，理性看待硬件与软件的价值，避免追逐浮夸的概念。
- 认识到基础软件的极端重要性，它如同信息时代的“操作系统”，是决定人工智能产业长期竞争力和安全性的关键。
- 需要国家层面的战略布局与持续支持，以及产学研各界的通力合作，沉下心来补齐基础软件这块“短板”，构筑从底层硬件、基础软件到上层应用的完整、安全、可控的技术体系。
人工智能的健康发展离不开清晰的概念认知和扎实的基础建设。唯有正本清源，夯实根基，才能在通往通用人工智能的漫长道路上行稳致远。
