第2717章

所以聯想、曙光、浪潮，包括一些高校和軍方，都可以開發出自研知識產權的超級計算機，在這個領域打破技術壁壘。





可是，gpu就不行了。





gpu之所以能取代Cpu成為人工智能計算的主要工作，就是因為gpu主要是以處理並行計算為主。





而人工智能的神經網絡算法趨勢，所需要的就是並行計算，剛好和gpu相匹配。





一旦是並行計算了，就沒法像流水線工人那樣，靠著堆積數量去提高生產力了，這就得靠著實打實的硬實力了。





比如一個博士生和一個小學生算數學題，小學生根本不行。哪怕把一萬、十萬個小學生組合起來，也不可能是一個博士生的對手。





這就是高通、英特爾這些主要以銷售Cpu為主的公司，市值最高也就是幾千億美元，而以賣gpu為主的英偉達，市值卻能衝上5000億美元、1萬億美元、2萬億美元甚至更高的原因。





Cpu再是核心技術，也有可替代性。





gpu卻沒法靠著堆量的方法來替代。





沒有頂級的gpu，就無法提供頂級的算力，就不可能成為頂級的人工智能公司。





就像十年後的2023年國內的人工智能現狀。





世界上最好的gpu芯片是英偉達的h100，售價4萬美元一塊。其次是英偉達的A100，售價1萬美元一塊。





再多的A100堆積，也無法量變產生質變，去達到h100的Ai算力，這是由芯片結構的字符長度決定的。





32位的長度，在16位的長度面前就是可望而不可及。





就像一個人的邏輯層次可以達到32層，把1千個1萬個16層思維邏輯的人聚合在一起，他們的思維層次也只能侷限於16層以內。





同期國內的華為昇騰910B，單塊售價4萬美元……處理簡單計算和線性計算的能力可以媲美英偉達的A100。但線性計算沒意義，人工智能需要的是深度並行計算的能力，這可比A100差遠了，更別說跟h100比了。





而這也就決定了國內Ai產業的大趨勢。





人工智能需要大量的算力，都需要由雲計算平臺來提供。阿里雲有更強大的國際化背景，所以能購買到更多的英偉達的A100和h100芯片，就可以為用戶提供國內最頂級的Ai算力。





所以國內絕大部分的正經做人工智能產品的公司，要麼向阿里雲靠攏了，要麼正走在向阿里雲靠攏的路上。





百度雲和企鵝雲，國際化不如阿里，採購到的英偉達顯卡數量就沒阿里那麼多，就會在這個領域逐步地被甩開。





那些沒有國際資源，買不到英偉達的顯卡，只能去打著營銷、愛國的名義去支持國貨的雲計算平臺，就只能玩一玩營銷了，就只能通過營銷去討好當局和大眾，去搞一搞政務雲這類的靠著政商關係來生存的業務。





現在才2013年，還早著呢。





別說周不器跟唐天華這麼一個外人討論人工智能的計算解決方案了，就算是很多行業內的頂級科學家，都未必能在短時間內轉過這個彎。





唐天華一臉茫然的問：「什麼gpu？gpu不是顯卡嗎？」





周不器道：「用顯卡來運行Ai軟件啊。」