2025年9月10日，丘成桐（左二）与求真书院学生代表座谈交流。

图源：清华大学求真书院网站

不久前，上海临港。首度出席2025世界顶尖科学家论坛的丘成桐，此行专为他的学生孙理察致颁奖词而来。

半个世纪亦师亦友，丘成桐颁奖时这样评价孙理察：“作为他的导师，今日我既自豪又谦卑。得见学生超越所有期待，以如此优雅的姿态重塑整个学科，实属师者至幸。”

世界顶尖科学家论坛开幕前两日，孙理察在丘成桐发起设立的上海数学与交叉学科研究院发表报告——所涉极小曲面、广义相对论，正是其获得“顶科协奖”的内核。

这座研究院的广场前，中式水景缓缓溢出刻满各种数学公式的池壁，不远处金黄色“卡拉比—丘空间”模型勾勒出六维抽象结构，中西融合，相得益彰。

我们在这里与丘成桐聊了关于“师者”“学者”的诸多话题。

“科研的生命力还是在年轻人”

40多年前，丘成桐成为首位华人菲尔兹奖得主。这一奖项被视为数学界的诺贝尔奖。

之后40余年，丘成桐把精力都给了数学科研和学术人才培养。76岁的他，每天早上六点，游泳，这是一天的开始，风雨无阻。和他相识逾30年的老友林文伟教授说，游泳是他保持头脑清醒的秘诀，“若当天状态好，游了1500米，我的手机就会弹出丘老师发来的微信：‘今天游了超过1500米。’他很满意”。

林教授认为，一副强健的身体，让丘老能够持续奔波，构建无界的学术交流环境。

香港、北京、杭州、上海、深圳，丘成桐在国内发起设立的数学科研机构，越来越多。

“建院的宗旨之一，就是搭桥，让数学不同领域的学者到同一空间交流。”上海数学与交叉学科研究院副院长连文豪教授说。

按照丘成桐的构思，从具象的广场到无形的学域桥梁，上海数学与交叉学科研究院要构建的，是一个激发科学兴趣、促进思想碰撞的开放生态。多元化的讨论班制度，将代数几何、算子代数、物理数学等方向的讨论班向所有研究者开放，既可在教室现场参与，也可线上加入，“为学术交流拆掉围墙”。

截至2025年10月，这个研究院已聘约100位科研人员，并成功举办了世界华人数学家联盟2023、2024年会。

引进人才，更要培育人才。丘成桐在复旦大学接受采访时说：“很多地方只引进不培养，一流人才引进后缺少与年轻人的交流合作，导致一流学者与年轻一代慢慢脱节，成为不再重要的学者。科研的生命力还是在年轻人。”

据报道，研究院希望在10年内拥有核心数学领域20名世界一流水平数学家、20个交叉领域的研究团队，培养30至40名国际学术前沿水平的青年数学家，具有世界一流水平的博士后100名、研究生500名。“好的学者都喜欢跟好的学生沟通并互相学习。丘先生把全国最优秀的学生集中在这里，对全球顶尖学者很有吸引力。”连文豪说。

开放包容的学术生态，渗透在丘成桐与团队的日常。连文豪在哈佛大学读博士后时，办公室就在丘成桐隔壁，“丘教授会来敲我门：某某年份有这么一篇文章，可能和我们现在这个问题相关，赶快去看一下。”

然而，没有结果是一种常态。连文豪坦言：“做学术，如果是重要的问题，有2%的时间找到好的答案，已经很不错了。其余98%的时间，虽不能说是浪费，但往往没有直接成果。”不同观点的碰撞，并非意气之争，而是深入的思维辩论。“我和丘先生之间经常有‘debate（争论）’，也可以说是切磋，这很寻常。”

“不屈不挠在求真的道路上挺进”

“中国的小孩子，经历过中高考的，没有胆量去挑战老师的学术，这是错的。”丘成桐说。

他在自传里回忆，赴美留学时，导师陈省身“一开始要我解决黎曼猜想，但我对这个题目的兴趣不大。”尽管陈省身当时是享誉世界的数学大师，年轻的丘成桐还是选择研究自己更感兴趣的卡拉比猜想。

“陈先生很宽容，放弃了要我朝着这个方向走。”这种尊重独立思考的师生关系，最终孕育了数学史上的重要突破：卡拉比—丘流形的发现。

如今，丘成桐直接培养指导的博士超过70名，还培养了同样数目的博士后，一批青年学者成为国内外数学界的核心成员和骨干力量。

丘成桐还倡导开设了丘成桐少年班数理拔尖人才培养项目。珍视学生的好奇心和质疑精神的他，欣喜地发现，一些12岁的学生对提出问题很有兴趣，“他们年轻，不怕挑战老师”。

丘成桐的学术视野宽广，很清楚如何打磨有天赋的学生，引导他们找到突破的方向。连文豪说：“你要做什么，丘先生都清楚。他不仅提供文献，更能指引你这个问题到了这个节奏应该找哪位去讨论细节。”丘成桐的学术网络横跨多个领域，当学生在某一学科中陷入困境，他总能为其串联起跨学科的专家或学术工具。“对一个年轻学者来说，这是很重要的资源。”连文豪说。

从不敢提问到勇于挑战，从遵循权威到开拓创新，丘成桐通过理念浸润与制度塑造，试图改良教育的土壤。在他看来，让学生“不受外力干扰，不屈不挠在求真的道路上挺进”，不仅是培养数学家的需要，更是中国科学能否真正崛起的根本所在。

“文学、历史、哲学与数学相通”

丘成桐曾两度带领学生前往曲阜祭孔，希望引领年轻学子在先贤之地感受科学的根与魂。

他谈科学时，总要谈起文化。

“要做一流的科学，不可能从石头里蹦出来。”他说，“我们有文化的沉淀——在这沉淀里长出苗，苗长成树，中间一定要经过肥沃的土壤。”

土壤何在？丘成桐说：“牛顿、黎曼，从宗教中来；对中国人来讲，文学就是很好的土壤。”

年幼时，父亲丘镇英每周都在家中与学生们畅谈孔孟之道、禅宗义理。几十年后，丘成桐在大洋彼岸依旧传承着这样的文化记忆。连文豪在哈佛大学读博士后时，每年都和同学一起去丘教授家中庆祝春节，顺便打桥牌。

丘成桐常写旧体诗，文风古朴凝练。丘成桐透露，杨振宁离世后，他提笔写下挽联，思念泉涌，倾泻而出——“慕双雄携手，破宇称守恒，启我后学二三辈。继外尔规范，始强力物理，叱咤科坛六十年。”

这副挽联后来在“数理人文”发布，这个微信号还曾发布过很多丘成桐的文学作品。他认为，“文学、历史、哲学与数学相通”，都是研究自然中最重要、最奥秘的问题，只是视角不同。“真理是一样的，只是从山不同的方向去看。文学是心灵与自然交流得出的经验，科学是用规律观察自然。”

据不完全统计，在丘成桐最新著作《我的教育观》中，“哲学”一共出现122次，“诗”出现120次，“文学”106次，“历史”98次。

丘成桐在书中说：“文史哲对我的数学研究影响颇深。”他曾提出猜测，断言三维球面里的光滑极小曲面，其第一特征值等于2。尽管当时这些曲面例子不多，但他用“比兴”手法，利用相关情况模拟而得出猜测，近期得到证明。

正因为笃信一流学问发展自文化之根，丘成桐在数学学院做了许多看似与数学解题、考试无关的事。在清华大学求真书院，他创设“求真大讲堂”，请各领域学者给学生们谈庄子、讲魏晋风度、论苏东坡——让人文成为数学专业学生的必修。

每周，他给求真书院的学生上《数学史》。声音洪亮，站着讲述历代大师的成长过程，讲他亲历的那段数学历史。

他在书中写到开课的原因：“我从读历史中领悟到一种方法，那就是必须总结历史教训……我希望学生学习数学史，让他们晓得伟大数学家的想法是怎么来的，从而思考他们以后的路要怎么走。

“基础的问题最漂亮”

上世纪90年代，丘成桐开始推动国际数学家大会落地中国。彼时的中国数学，他形容是“一穷二白”。“以前很多人都送出国了，回国的很少，本土能产生的研究很少。当时学术研究的钱太少，人家不可能来。”

2002年，国际数学家大会在北京召开，丘成桐说：“我期望用这个刺激一下当时中国对数学的重视。”

如今随着经济发展，“中国提供的薪资待遇甚至比欧洲、比美国都要好”，丘成桐认为，“中国的数学正在崛起，已经站在世界水平前沿”。丘成桐指出，当今学问远比爱因斯坦的时代丰富，“我们多姿多彩”。

他倡议由中国主办2030年国际数学家大会，希望在未来5年间，中国能孕育出一批在国际上备受认可、斩获大奖的中国数学家；到2034年，能有中国数学家拿到菲尔兹奖。

在AI时代，丘成桐说，如果重新选择研究方向，还会投身基础研究。“因为基础的问题最漂亮。”他认为，人工智能本质上就是数学的一部分，“是向前推一步的产物，因为人工智能就是算法。”

2025年7月，丘成桐与林文伟教授等人合作在胶质瘤影像遗传学研究中的成果发表于国际顶级期刊《美国国家科学院院刊》。他们用最基础的微分几何方法，将数学之美应用于医学影像，通过精巧的变换，将诊断准确率提升约17%。

林文伟很快收到丘成桐发来的微信——“极好！”因为“丘老师提出来奥妙的地方被我们实现了”。这两个字，在他们上百次交流中仅出现过两次，林文伟把这条微信珍重地存了起来。

谢雷 (曼恩-卢瓦尔省)

尚贝莱

阿夫里耶

过去十多年，云基础设施通过“抽象化”实现扩展，借助标准化服务器、虚拟化资源及软件层，有效弥合了硬件层面的差异。这种模式之所以行之有效，是因为部分工作负载能够容忍一定程度的低效。然而，人工智能(AI) 工作负载无法容忍低效，也因此暴露出了传统架构在供电、散热、算力密度、内存带宽及系统整体性能方面的短板。

本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构：转向定制化机架级系统

这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：

长时间高负载下，系统表现如何？

在实际环境中，功耗限制和散热条件如何影响性能曲线？

在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？

当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。

在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。

智能体 AI 与持续推理，

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。

行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。

融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。

亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。

“提供更优选择”不再是偏好，而是硬性要求

AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是：

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；

软件可移植，以降低系统变更成本。

与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。

" alt="为何AI数据中心的系统架构师首选Arm平台">为何AI数据中心的系统架构师首选Arm平台

旧圣弗洛朗

杜沃河畔克罗维尔

略桑 (芒什省)