第2717章顯卡
芯片有很多種，簡單地說，就是凡是跟計算有關的電子器件，都算是芯片。
比如手機裡的聲音感知器，可以感知到外部的聲音，然後把聲音信號通過計算，改變為數字信號傳給中央處理器。這種東西也叫芯片，叫做感知芯片。
又比如電量的消耗。
運行一款程序，需要給予多少電量的支持？這也需要計算來得出，計算這個單元的器件，叫做電源芯片。
又比如藍牙、ifi、b接口等等，這些連接的過程都需要計算，通過計算來對接，就都有相應的通信芯片來對接。
不過，這些芯片大多技術含量不高，計算量很小，不算什麼核心科技。
真正最廣為人知的芯片，是處理器芯片，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。
人工智能也需要大量計算。
所以過去行業對人工智能的理解，也是這樣的邏輯。在處理人工智能的大量計算的時候，也是通過cpu來計算各種ai算法。
這是行業常識。
可是直到這個月……其實也就是前幾天，整個人工智能行業，才終於恍然醒悟，產生了一種全新的行業認識。
在處理人工智能計算的時候，不應該使用cpu芯片！
而應該使用gpu芯片！
gpu，也就是大眾熟知的顯卡。
之所以能做出這樣的轉變，就是上周才發生的震驚世界的圍棋行業的rokid所發起的“人機大戰”！
rokid背後的龐大數據處理，依靠的就是大量的gpu的運行。
同樣規格的cpu和gpu，在處理ai計算的時候，gpu的算力可以超過cpu的100倍！而能耗，還不足cpu的5！
rokid大獲成功之後，近期連續發表了7篇很多這方麵的論文。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能計算的行業大轉向。
人工智能，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能科研的門檻。
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，在人工智能領域算是徹底的行不通了。
就比如超級計算機。
超級計算機，就是有著超級計算能力的電腦，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芯片，最多就是流水線工人的乾活水平高了，單體工作能力比較強。
國內的cpu芯片比較差，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。美國的超算用1000個芯片，我們的用1萬個芯片，總能跟他們達到同樣的算力了吧？
無非就是多費點電而已。
在國家戰略麵前，電費才幾個錢？
一台超級計算機，主機可以裝滿一層大樓，沒有空間限製，就可以無限地堆積算力低下的cpu，靠著無數cpu芯片的堆積，來達到超算的效果。
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101novel.com23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。