人工智能的快速发展对计算能力提出了新的挑战。传统数字芯片在处理海量数据时，既要面对速度瓶颈，又要控制能耗，特别是在机器学习的非负矩阵分解任务上表现不理想。非负矩阵分解广泛用于图像分析、信息聚类和个性化推荐，但其复杂的计算过程依赖芯片的串行处理方式，难以满足实时应用的需求。
算力竞争的关键不在"算得更多"，而在"算得更高效"。面对智能时代的能源约束和实时需求，围绕关键算法打造专用硬件、推动新型计算架构工程化，是提升算力供给质量的重要方向。只有以基础研究为牵引、以应用需求为导向、以产业协同为支撑，才能让前沿突破更快转化为推动高质量发展的实际能力。