第2717章顯示卡

晶片有很多種，簡單地說，就是凡是跟計算有關的電子器件，都算是晶片。

比如手機裡的聲音感知器，可以感知到外部的聲音，然後把聲音訊號透過計算，改變為數字訊號傳給中央處理器。這種東西也叫晶片，叫做感知晶片。

又比如電量的消耗。

執行一款程式，需要給予多少電量的支援？這也需要計算來得出，計算這個單元的器件，叫做電源晶片。

又比如藍芽、iFi、usb介面等等，這些連線的過程都需要計算，透過計算來對接，就都有相應的通訊晶片來對接。

不過，這些晶片大多技術含量不高，計算量很小，不算什麼核心科技。

真正最廣為人知的晶片，是處理器晶片，也就是cpu。在一款產品裡，cpu就相當於人的大腦，幾乎負責了所有的計算，大量的複雜計算。

人工智慧也需要大量計算。

所以過去行業對人工智慧的理解，也是這樣的邏輯。在處理人工智慧的大量計算的時候，也是透過cpu來計算各種aI演算法。

這是行業常識。

可是直到這個月……其實也就是前幾天，整個人工智慧行業，才終於恍然醒悟，產生了一種全新的行業認識。

在處理人工智慧計算的時候，不應該使用cpu晶片！

而應該使用gpu晶片！

gpu，也就是大眾熟知的顯示卡。

之所以能做出這樣的轉變，就是上週才生的震驚世界的圍棋行業的Rokid-go所起的“人機大戰”！

Rokid-go背後的龐大資料處理，依靠的就是大量的gpu的執行。

同樣規格的cpu和gpu，在處理aI計算的時候，gpu的算力可以過cpu的1oo倍！而能耗，還不足cpu的5%！

Rokid-go大獲成功之後，近期連續表了7篇很多這方面的論文。又有過“人機大戰”的實踐證實，可以說紫微星已經引領了全球人工智慧計算的行業大轉向。

人工智慧，將會在紫微星的帶領下，真正地走進gpu的時代！

而這也進一步地提高了做人工智慧科研的門檻。

因為過去的那種靠著暴力地堆積大量cpu來提高算力的模式，在人工智慧領域算是徹底的行不通了。

就比如級計算機。

級計算機，就是有著級計算能力的電腦，在這個領域，國內有著很強大的實力，不比美國差多少。

為什麼？

因為cpu的疊加屬性。

cpu的計算，絕大多數都是線性的，就像流水線上的工人，是一個任務一個任務的去執行。美國有最好的cpu晶片，最多就是流水線工人的幹活水平高了，單體工作能力比較強。

國內的cpu晶片比較差，卻可以用暴力堆積的方法來解決算力缺陷。

工人的單體能力差，但是沒關係，多在流水線上安排一些工人就好了。美國的算用1ooo個晶片，我們的用1萬個晶片，總能跟他們達到同樣的算力了吧？

無非就是多費點電而已。

在國家戰略面前，電費才幾個錢？

一臺級計算機，主機可以裝滿一層大樓，沒有空間限制，就可以無限地堆積算力低下的cpu，靠著無數cpu晶片的堆積，來達到算的效果。

所以聯想、曙光、浪潮，包括一些高校和軍方，都可以開出自研智慧財產權的級計算機，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成為人工智慧計算的主要工作，就是因為gpu主要是以處理平行計算為主。

而人工智慧的神經網路演算法趨勢，所需要的就是平行計算，剛好和gpu相匹配。

一旦是平行計算了，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5ooo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慧公司。

就像十年後的2o23年國內的人工智慧現狀。