在王恩东看来，人工智能从5、6年前的 “黑科技”，变成今天的“热科技”，背后离不开算力支撑能力的巨大飞跃。2020年以GPU为代表的AI加速芯片所交付的计算力总和，已经超过了通用CPU，预计到2025年，加速芯片所提供的计算力可能超过80%。
“人工智能带来了指数级增长的算力需求，计算产业正面临多元化、巨量化、生态离散化交织的趋势与挑战。一方面，多样化的智能场景需要多元化的算力，巨量化的模型、数据和应用规模需要巨量的算力，算力已经成为人工智能继续发展的重中之重；另一方面，从芯片到算力的转化依然存在巨大鸿沟，多元算力价值并未得到充分释放。”王恩东表示，如何快速完成多元芯片到计算系统的创新，已经成为推动人工智能产业发展的关键环节。
未来，人工智能如何发展出像人类具备逻辑、意识和推理的认知能力，是人工智能研究一直在探索的方向。但目前，通过大规模数据训练超大参数量的巨量模型，则被认为是非常有希望实现通用人工智能的一个重要方向。王恩东认为，随着巨量模型的兴起，巨量化已成为未来人工智能发展非常重要的一个趋势。
此外，王恩东院士强调指出，多元化、巨量化、生态化给整个计算产业带来的挑战是空前的。“要想释放多元算力价值、促进人工智能创新，一是要重视智算系统的创新，加大人工智能新型基础设施建设，把从技术到应用的链条设计好，从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面；二是要加快推动开放标准建设，通过统一的、规范的标准，将多元化算力转变为可调度的资源，让算力好用、易用。”