能力的电脑，在这个领域，国内有着很强大的实力，不比美国差多少。
为什么？
因为CPU的叠加属性。
CPU的计算，绝大多数都是线性的，就像流水线上的工人，是一个任务一个任务的去执行。美国有最好的CPU芯片，最多就是流水线工人的干活水平高了，单体工作能力比较强。
国内的CPU芯片比较差，却可以用暴力堆积的方法来解决算力缺陷。
工人的单体能力差，但是没关系，多在流水线上安排一些工人就好了。美国的超算用1000个芯片，我们的用1万个芯片，总能跟他们达到同样的算力了吧？
无非就是多费点电而已。
在国家战略面前，电费才几个钱？
一台超级计算机，主机可以装满一层大楼，没有空间限制，就可以无限地堆积算力低下的CPU，靠着无数CPU芯片的堆积，来达到超算的效果。
所以联想、曙光、浪潮，包括一些高校和军方，都可以开发出自研知识产权的超级计算机，在这个领域打破技术壁垒。
可是，GPU就不行了。
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
本章未完，请点击下一页继续阅读！