开云（中国大陆官方网站）Kaiyun科技股份有限公司 - 领先的GPU计算与AI算力解决方案

　　东方网记者费一妍4月20日报道：当人工智能大模型的性能竞赛持续加速，相关研究的下一步该怎么走？4月18日至19日，2026 FAIC 第二届人工智能基础大会在上海财经大学给出了一个相对务实的答案：既要继续提升能力，也要深入探索基础问题。

　　据介绍，FAIC起源于已成功举办三年的人工智能基础线上研讨班（FAI-Seminar）。过去三年，其举办的80场线上学术讲座已累计获得超38万人次观看，吸引了一批国内外关注人工智能基础研究的专家学者。

　　此次大会上，来自全国多地高校、科研机构及企业的400余位学者与从业人员集中讨论了几个核心问题：大模型为何有效？能力如何形成？训练怎样更高效、更稳健？以及如何用扎实的研究支撑下一阶段的创新。

　　主旨报告环节，专家们分别从模型结构、数学智能化、大模型机理等角度展开，既有对基础理论的深入探讨，也有对未来技术路线的前瞻判断。整体来看，人工智能研究正从经验驱动，逐步走向理论探索与方法创新并重的阶段。

　　数场平行论坛覆盖了大模型训练与对齐、机器学习理论、优化方法、图机器学习、模型加速、数据优化等多个方向。与会者既关注大模型如何训练得更高效、更稳定，也关注模型行为背后的内在规律，以及人工智能与科学研究、复杂场景应用深度结合的可能性。

　　这些讨论传递出一个共识：面对模型规模扩大、训练成本上升和应用需求提升等现实挑战，单靠某一类方法已经不够，需要在基础理论、方法创新和系统优化等多个层面同时寻找突破。

　　自由讨论环节的互动非常活泼，学者们没有停留在技术细节上，而是就基础研究如何支撑实际发展、模型能力与训练效率如何统筹、应用需求如何反馈到基础研究等议题，进行了务实的对话。返回搜狐，查看更多