>    GPU之所以能取代CPU成为人工智能计算的主要工作，就是因为GPU主要是以处理并行计算为主。

    而人工智能的神经网络算法趋势，所需要的就是并行计算，刚好和GPU相匹配。

    一旦是并行计算了，就没法像流水线工人那样，靠着堆积数量去提高生产力了，这就得靠着实打实的硬实力了。

    比如一个博士生和一个小学生算数学题，小学生根本不行。哪怕把一万、十万个小学生组合起来，也不可能是一个博士生的对手。

    这就是高通、英特尔这些主要以销售CPU为主的公司，市值最高也就是几千亿美元，而以卖GPU为主的英伟达，市值却能冲上5000亿美元、1万亿美元、2万亿美元甚至更高的原因。

    CPU再是核心技术，也有可替代性。

    GPU却没法靠着堆量的方法来替代。

    没有顶级的GPU，就无法提供顶级的算力，就不可能成为顶级的人工智能公司。

    就像十年后的2023年国内的人工智能现状。

    世界上最好的GPU芯片是英伟达的H100，售价4万美元一块。其次是英伟达的A100，售价1万美元一块。

    再多的A100堆积，也无法量变产生质变，去达到H100的AI算力，这是由芯片结构的字符长度决定的。

    32位的长度，在16位的长度面前就是可望而不可及。

    就像一个人的逻辑层次可以达到32层，把1千个1万个16层思维逻辑的人聚合在一起，他们的思维层次也只能局限于16层以内。

    同期国内的华为昇腾910B，单块售价4万美元……处理简单计算和线性计算的能力可以媲美英伟达的A100。但线性计算没意义，人工智能需要的是深度并行计算的能力，这可比A100差远了，更别说跟H100比了。

    而这也就决定了国内AI产业的大趋势。

    人工智能需要大量的算力，都需要由云计算平台来提供。阿里云有更强大的国际化背景，所以能购买到更多的英伟达的A100和H100芯片，就可以为用户提供国内最顶级的AI算力。

    所以国内绝大部分的正经做人工智能产品的公司，要么向阿里云靠拢了，要么正走在向阿里云靠拢的路上。

    百度云和企鹅云，国际化不如阿里，采购到的英伟达显卡数量就没阿里那么多，就会在这个领域逐步地被甩开。

    那些没有国际资源，买不到英伟达的显卡，只能去打着营销、爱国的名义去支持国货的云计算平台，就只能玩一玩营销了，就只能通过营销去讨好当局和大众，去搞一搞政务云这类的靠着政商关系来生存的业务。

    现在才2013年，还早着呢。

    别说周不器跟唐天华这么一个外人讨论人工智能的计算解决方案了，就算是很多行业内的顶级科学家，都未必能在短时间内转过这个弯。

    唐天华一脸茫然的问：「什么GPU？GPU不是显卡吗？」

    周不器道：「用显卡来运行AI软件啊。」

    「显卡不是渲染图像的吗？」

    「呃……」

    「好吧……」唐天华根本不知道这是怎么回事，不过他知道周总是科技行业的领袖级企业家，他不可能无的放矢，就摇了摇头，「具体我不太清楚，我只会使用这款软件。」

    的确，卢卡斯影业不是软件公司。

    他们开发出来的软件产品，都是专业级的，门槛很高。过去学习半年，能学会他们

    的软件的使用方法，就算不错了。

    周不器看这情况，也就基本上有了一个判断，卢卡斯影业的这个AI-->>

本章未完，点击下一页继续阅读