【軍武次位面】作者：軍武菌
1942年6月，成群的日本零式戰鬥機和九九艦爆機從雲層中俯沖下來，直撲太平洋上的中途島。自以為偷襲成功的日本人不知道，這是美國為他們布置的陷阱，因為此時已經有大批美國飛機發現了躲在後方釋放飛機的日本四艘航母編隊，並投下炸彈。
很多日本戰機的折翼都沒來得及展開，就被殉爆的彈藥炸上了天，四艘日本航母要麽折斷，要麽翻覆，緩緩沈沒在了晨曦之中，茫茫大海之上一半是海水，一半是火焰，這殘酷又絢麗的場景直到今天，都是戰爭史學家津津樂道的一幕。
自此，日本傾盡甲午戰爭以來所有國力建造的龐大艦隊，折損大半，而日本的國運，也就此斷送。日本人不會想到，此戰之所以敗的如此之慘，不僅僅是因為國力懸殊，還因為算力差距。因為美國人早在戰前，就透過算力優勢破譯了日軍通訊密碼，獲知了日軍進攻方向，才能有針對性地布置下國運陷阱。中途島之戰成為太平洋戰場的轉折點，自此，美國航母編隊橫行大洋，再也沒有遇到可以直視的對手。
直到80年後，中國的崛起。更關鍵的是，中國不僅有了和美國平起平坐的電磁彈射航母，而且在算力方面，也在和美國爭奪世界之巔。
第1章
算力的前世今生
算力是什麽？
很簡單，就是字面意思，計算能力，英文叫Computing Power。
學術一點來說，算力是透過對資訊數據進行處理，實作目標結果輸出的計算能力。
算力這個東西，其實從人類誕生之初，就有了。
比如，獵一頭鹿，可以吃三天，冬季有100天，透過計算得知，需要在入冬之前，至少獵殺34頭鹿，才能保證自己在冬天不至於餓死。
所以，算力是人類必備的技能，而我們的大腦，就是最早的算力引擎。
但是，隨著計算越來越復雜，我們大腦就不夠用了，所以在遇到復雜的計算時，人類開始利用算力工具進行深度計算。
最初的算力工具，是我們的手指，後來人類又發明了其他算力工具。
比如，早年中國的算盤，歐洲人的比例規和納皮爾籌。此後，人類又發明了計算盤、計算尺、機械電腦等算力工具，但因為技術條件限制，仍然難以進行特別復雜的計算。
二戰德軍的恩尼格瑪密碼機，
這是一種轉子機械加密原理
比如破譯二戰時期的通訊，一條26個字母的資訊經過恩尼格瑪密碼機的加密，會形成8萬億個謎文字母，想要破譯這些密碼，需要進行海量的數學計算，如果讓破譯員手工計算破譯的話，長則十幾天，短則數天，往往趕不上前線戰況發展。
所以在龐大的美國曼哈頓工程中，為了算出原子彈的理論模型，洛斯阿拉莫斯計算中心僱用了上萬人員手工進行復雜的計算，整整算了一年才全部計算完畢。
二戰時期的破譯員們大部份都是手算破譯
至此看來，依賴人腦+機械式計算工具的算力，已經到天花板了，人類要想進行更復雜的計算，就必須開發新的計算工具。
1946年2月，世界上第一台數碼式電子電腦ENIAC誕生，這是人類算力史上的一次革命，意味著著人類算力正式進入了電子時代。
後面的故事我們都知道了，隨著半導體技術的發展，電腦實作了小型化，從一個龐然巨物，變成了我們桌上小小的器材PC。這些都在我們第一期【龍的崛起】：「將氫彈計算速度從40小時縮短到20秒，中美超級電腦的較量」的文章中有詳細講述。
PC的誕生，對算力來說意義深遠，它讓我們普通人真正感受電子算力帶來了生活品質改善以及生產效率的提升，並為後來互聯網的蓬勃發展奠定了基礎。
進入21世紀之後， 算力的第二次革命誕生了，那就是雲端運算。
在雲端運算之前，人類苦於單點式計算，簡單來說就是讓一台大型超級電腦，獨立完成全部的計算任務，這樣慢不說，而且非常昂貴。
而雲端運算，是把一個巨大的計算任務，透過網絡上傳到伺服器上，由伺服器負責排程整個伺服器的計算資源為這個計算任務服務，實作更高可靠性、更高效能、更低成本的算力。
你可以簡單理解為，馬上臨開學了你寒假作業沒寫，如果自己寫時間很長，而且涉及各個學科，完成很難，於是你把作業上傳到了一個專門代寫作業的機構，這個機構有幾百個代寫作業的人，你的作業被大家一分，最後你就很快得到了寫完的作業。
如果要求寫作業的人多，機構還會動態地進行「寫作業」資源的分配，誰語文寫的好、誰寫數學效率更高，實作「算力」的最大化。
而從近幾年開始， 人類的算力，進入了第三次革命，那就是AI時代。
嚴格來說，AI算力並不是硬件的進步，而是演算法的進步。
普通算力，更註重通用計算和單執行緒效能，而且，受限於摩爾定律，導致人類的算力總是面臨天花板，哪怕堆再多電腦，效果也無法取得革命性提升。
但是，AI算力就不一樣了，
AI計算依托已經訓練好的大模型，在執行運算的時候，針對深度學習任務進行了最佳化，具備更高的計算效率。
打個比方，雲端運算是你把作業上傳給代寫作業的機構，然後代寫作業的人負責給你寫作業。
而AI計算則是你把作業上傳給它後，AI透過所有人以前上傳的作業的鍛煉，已經成為了一個寫作業高手，那麽它就不用計算了，看到一個題，馬上就能從記憶中找出一道類似的題，秒出答案。 讓它寫作業的人越多，它的記憶越強大，給的答案越準確，而且越練速度越快。
我讓文心一言的AI幫我寫一段「AK-47步槍」科普
所以，AI計算多運用於常規的普通計算無法實作的場景，比如人臉辨識、車牌辨識、動作辨識、物品檢測、周界檢測等、機器轉譯，乃至語音辨識、文本生成、情感分析等、搜尋推薦、輔助駕駛、趨勢預測等等。
更可怕的是，當你提供的作業足夠多的時候， AI計算甚至已經能夠「思考」 （掌握作業題中的規律），給你提供一個「最優解」。
比如2017年5月23日，世界排名第一的中國棋手柯潔在與AlphaGo「Alpha狗」人工智能的對弈。
AIphaGo事先經過21天進行海量的棋盤學習，在數據庫中儲存了大約3000萬步棋著，並透過自我對弈數以萬計盤進行訓練強化，使用神經網絡來評估棋子落點。
在正式對決中，自信滿滿的柯潔連輸三場，其中兩局是在號稱「白棋不敗」自己最擅長的白棋棋局中慘敗，無法接受結果的柯潔情緒崩潰淚流滿面，最終投子認輸。
柯潔在棋局尚未結束但必敗無疑時，已淚流滿面
事後采訪時，柯潔說：在棋局前50手，我看到數千年來所有先賢的影子，我並不怕，因為我不輸先賢。前80手，我看到我曾經對戰過的高超技法，我也沒怕，我勝過他們。我平靜的落子，感覺AI並非不可戰勝，直到第120手，我看到了我的影子，我開始怕了，世上我無法戰勝的人只有我自己。我落子越來越慢，而AIphaGo似乎不需要多少思考......我輸了。
20多年前IBM的超級電腦「深藍」戰勝國際象棋大師卡斯巴羅夫，成為第一個擊敗國際象棋冠軍的機器。「深藍」當時有32顆CPU，每秒進行113億次浮點運算，是當時領先的超級電腦。
而Alphago呢？它只是執行在Google雲端運算平台的一個軟件而已，根據專家估算，Alphago背後的實際「算力」已經是「深藍」的3萬倍以上。
1997年，國際象棋冠軍卡斯巴羅夫被機器打敗
正是這種超強的學習、自我學習、「思考」能力，才是AlphaGo取勝的關鍵，透過AlphaGo的給力表現，相信大家也能看出了AI計算的威力，透過建立、模擬人腦進行分析學習的神經網絡，讓機器能夠像人一樣思考。
至於2023年爆火的Chat GPT，正是這種AI計算的一個典型產物。
第2章
算力即國運
國家GDP與算力大小是成正比的，
目前只有中美兩國處於第一梯隊
算力雖然看不見摸不著，和我們息息相關。
從日常生活中的極端天氣預報、線上打車排程、外賣下單配送……到國家科研生產中的火箭軌域計算、大飛機飛行模擬、靶向藥物研發，都離不開算力的支持，正所謂「一切皆計算」。
打個比方，你朋友給你發了一個商品砍價連結，你點一下，就可以砍掉0.01元，但如果你朋友想白拿商品，找1000個人同時砍，就可能出現伺服器反應不過來的情況，這就說明這個公司的算力較弱。
如果放在國家的層面來說，你就會發現和app砍價差不多，在發展經濟、開發技術這件事兒上，掌握高端算力的國家就像用4090Ti打3A遊戲，高畫質流暢，毫無卡頓，事半功倍。
而沒有高端算力的國家，就像是用小霸王去打遊戲，這不是卡不卡的問題，是根本沒法搞的問題。
你看大航海時代後，為什麽歐洲國家的炮打得更遠、更準？就是和他們已經前進演化的算力有關系。
到了五六十年代，美國和蘇聯都開始使用電子電腦來計算氫彈理論模型了，讓氫彈的模擬計算耗時從40小時縮短到了20秒，這就意味著，美蘇的核武器可以用較短的時間進行叠代升級，可以使核物質最大效率地釋放能量。
而中國這邊呢？還在拿算盤打理論模型，雖然靠這種人海戰術達成了效果，但這種模式是不可持續的，只能解決有無，沒法解決長久使用和技術叠代的問題。
所以，提升算力，就成了中國建國以來，一直追求的目標。
1959年8月，中國第一台「103機」電腦正式研發成功，隨後又研發出了104機、119機、441B、J501等多款電腦，保證了國家「兩彈一星」的工程完成。後來，國家又生產了銀河、曙光、神威、天河等超級電腦，並多次奪得世界超算榜的桂冠。
但是，中國這種舉國體制搞超算的玩法，在市場經濟時代，越來越捉襟見肘了。
原因很簡單，超級電腦能力再強，數量也是有限的，無法滿足整個國家各個社會經濟環節的需要，要使用超算，那就要先申請，再排隊，等輪到你，可能已經過去一年半載了。
所以，這種模式，只適合於某些科研專案和重點工程的計算，對於社會各行各業高並行量的計算需求，是滿足不了的。
那麽中國就必須另辟蹊徑，搞雲端運算。
有意思的是，中國比世界各國都早搞雲端運算，竟然起源於打遊戲。
曾經火爆全網的QQ農場
2009年，全國陷入一場網絡「偷菜」的大狂歡，幾乎全年齡段的QQ使用者都忙於「偷菜」。為了支撐起QQ農場的正常執行,騰訊在短短一個月內額外采購與上架了幾千台伺服器到機房，搭建起了騰訊雲的雛形。
騰訊的成功，讓阿裏巴巴看到了解決難題的希望。
當時的阿裏巴巴，一邊欣喜於網購的蓬勃發展讓淘寶使用者激增，另一邊又深陷數據處理瓶頸。每天早上八點到九點半之間，伺服器的使用率就會飆升到98%，程式設計師們每天都在戰戰兢兢應對數據洪峰的襲來，隨時擔心伺服器崩潰。
顯然，依靠傳統IOE架構的阿裏巴巴，「算力」已經不夠用了。
於是，從微軟挖來的王堅被寄予厚望，開始主導阿裏雲的建設，經過艱難的建設，阿裏雲終於投入使用，保障了一次又一次的雙十一購物狂歡。到了2015年，阿裏雲已經躍升為中國雲端運算市場份額最高的雲服務商。
此後，中國的百度、華為、電信也相繼加入這一賽道，並成功在「雲端運算」服務中占據一席之位。
不要低估雲端運算給中國帶來的改變，它不僅作為一項基礎設施，成為搭建數碼經濟體的金字塔底座，而且像一根根觸角，伸向了各行各業，讓各行各業成功實作了互聯網數碼化轉型，也深刻改變了我們生活。
生活中，我們無論是點外賣，還是打車，或是刷短影片、看直播，都要依賴雲端運算，甚至在武漢疫情最嚴重的時候，火神山醫院建設過程中每天十幾場、累計超過百場專案推進和匯報會議，以及建成後遠端會診以及中國數億人次的在家辦公、在家上網課，都是依賴於中國已經非常成熟的雲端運算能力。
可以說，近十年蓬勃發展、市值超過20萬億、帶動上億中國人就業的數碼經濟，其基礎就是雲端運算。
這種超級強大的算力，中國人非常自豪，而美國人非常焦慮。
電腦浮點運算的衡量單位
2020年全球總計有429 EFlops的算力，中美兩國分別掌握了31%和36%，歐洲排第三，占了11%，日本排第四僅占6%。
細分來看，基礎算力，美國占了全球43%，我們占了26%；智能算力，中國獨占52%，美國則有19%。
2021年世界雲端運算前五分別是亞馬遜、微軟、阿裏、谷歌和華為，這五家雲廠商占據了全球81.2%的份額。
顯然，在算力即國運的前提下，中國是唯一一個能在算力與美國競爭的國家。
不僅雲端運算，就連AI計算，中國也是美國之後緊緊的追逐者。
中國雖然入局AI不算早，但中國發達的互聯網經濟卻和AI非常匹配，海量的數據為AI提供了遼闊的可供學習的海洋。
截至目前，全球在AI核心技術領域的專利申請累計超133萬件，中國有75萬件，約占全球總量的57%。而中國人工智能團隊屢次在世界級的比賽中斬獲大獎，近些年中國的自動駕駛技術、醫用手術機器人、月球火星探測車自主降落系統等等，都是中國AI技術發達的重要體現。
中國「嫦娥四號」月球探測器在著陸前進行自動懸停避障
不要以為AI都是為了賺錢的，AI一通則百通，自動駕駛和辨識技術成熟了，那挪到無人機、巡飛彈上，就是自動跟蹤和自動打擊技術，操作員只要下令，後續根本不用管，AI掌控的無人機能夠自主辨識目標，自動找威脅最大的目標打，就算目標藏起來了打不著了，無人機也能重新飛起來找新的目標。
所以，中國飛速發展的算力成了美國最大的心病，生怕哪天自己會在中國先進的AI技術優勢下從世界第一的寶座上跌落。
於是，毫不奇怪，來自美國的打擊接踵而至。
第3章
致命圍堵
關於如何狙擊中國AI算力的問題上，美國很頭疼。
算力這個東西和商品不一樣，美國可以給中國商品加關稅，但沒法給中國算力加關稅。
同樣，美國可以轉移中國的商品供應鏈到越南或其他國家，但算力的供應鏈需要龐大的電腦人才群體和蓬勃發展的互聯網經濟，他就是想轉移過去，越南這些國家接得了麽？
所以，美國針對中國算力的狙擊，采用了另一種模式——禁運。
其實禁運這種模式，美國人早就開始玩了。
當年，中國和美國爭奪超算世界榜首的時候，中國用進口的英特爾芯片，攢出了「天河一號」超算，一舉奪下全球超算冠軍。
隨後，中國又推出了天河二號，準備用10萬顆英特爾至強CPU，將運算能力從55P升級到100P以上（每P相當於每秒千萬億次的計算效能），讓天河二號的計算能力在長達四年內都處於全球第一。
結果美國惱羞成怒，在2015年4月，美國宣布對4家中國超算機構和國防科技大學實施制裁，理由是「懷疑在核爆試驗中使用中國超級計算」，英特爾不能再向中國出口計算芯片。
2016年6月，「天河二號」從排行第一的座位上跌落，隨後中國超算一蹶不振，雖然依靠國產芯片申威CPU搞出了「神威·太湖之光」，但是在美國對芯片技術的封鎖之下，叠代速度逐漸低於美國。
到目前，從全球超級電腦TOP500排行榜來看，美國在超級電腦領域占據著絕對的優勢，壟斷了前三名，並在前十名中占據了六個席位，而中國的超算徹底跌出了前十名，中國最快的超算「神威·太湖之光」只排到了全球第十一名，HPL效能為93.01PFlop/s，只相當於排行榜第一名美國Frontier的十分之一，落後明顯。
看到禁運有用，美國這次就又使出來了。
而這次美國禁運的是GPU芯片，打擊物件，顯然就是中國的AI計算。
GPU芯片和CPU芯片不太一樣。
以 CPU 提供算力，適合復雜邏輯運算，比如大多數通用軟件。70% 以上晶體管用於構建 Cache 和控制單元，計算核心從幾個到幾十個。
而GPU就不一樣了，它適合邏輯簡單，計算密集型高的並行任務。70% 以上晶體管用於構建計算單元，計算核心幾千或上萬個。
如果打一個不太恰當比方的話，CPU就像一個廚師，它能煎炒烹炸啥都會，每次做出不同的菜。
但是GPU就像一個電飯鍋，它雖然會的比CPU要少，但在燜米飯的效率上，要遠超這個廚師。
為什麽我們玩3A遊戲要依賴高效能GPU的顯卡？就是因為遊戲裏面有大量渲染（燜米飯）的工作需要做，這種簡單但大量的計算，用GPU來計算，效率要比用CPU高得多。
所以在遊戲圈有句話叫「CPU決定下限，GPU決定上限」，意思是CPU決定能不能玩，而GPU決定遊戲畫質、特效能開多高，以及使用者的遊戲體驗。
而AI計算崛起之後，人們發現，GPU似乎天生是為AI計算而生的，AI大模型在參數規模上得到大幅提升，一般達到千億甚至萬億規模，這就導致出現了海量的平行計算需求，而GPU可以透過並列處理大量的計算任務，從而大幅提高計算速度和效率，可大幅縮短AI演算法的訓練和推理時間，成為AI時代的算力核心。
舉個很簡單的例子，AI中有一個非常重要領域叫 「電腦視覺」 ，掃描一下你的臉部，能知道你是不是張嘴，是不是閉眼等等資訊。
現在想到AI的套用是啥了麽？沒錯，你手機淘寶中的按圖搜貨，用的是AI，人臉支付辨識你是不是本人，用的是AI，汽車自動駕駛，使用的還是AI。
2010年的時候，AI先驅吳恩達為了讓AI程式辨識出一只貓，使用了16000個CPU。
但是透過AI演算法，只需要讓電腦去學習幾千萬張不同模樣的貓的照片，然後簡單比對自己學習的貓類特征就行了，只要面前這只動物符合AI學習的貓類特征，那麽它一定是貓，這就簡單多了。所以後來吳恩達換用GPU去辨識一只貓，只需要12顆GPU。
所以，GPU對AI來說至關重要，可以說，誰掌握GPU，誰就掌握AI的未來。
令人遺憾的是，如今GPU霸權，掌握在美國人手裏。
當年輝達不去搶英特爾CPU的生意，而是死磕GPU，最終形成了輝達全球顯卡市場上的霸主地位。因為輝達在GPU計算卡領域入局早，早早地建立起軟件標準護城河，如今只要你算AI，都要用輝達的計算卡，無論是訊飛大模型，還是百度的文心一言，還是小鵬的自動駕駛，底層都離不開輝達GPU。
但是這樣一來，就給了美國卡脖子的機會。
2023年8月31日，美國政府命令芯片廠商輝達停止向中國銷售A100、p00系列芯片，禁止AMD向中國銷售MI100、MI200系列芯片，這都是用於AI計算的主流芯片。
這樣一來，輝達可就哭了，中國那麽大的市場，好好的錢不讓賺，你讓我咋辦？
於是輝達為了賺錢同時還不違反美國出口限制規定，針對中國市場推出了閹割版的特供版芯片 ——A800/H800（處理速度約為A100/p00的70%），雖然保留了強⼤的計算能⼒，但訓練AI大模型的時間將增加。
不過即便如此，A800/H800是中國能得到的最好的AI芯片。
然後在2023年10月17日，美國商務部工業和安全域（BIS）更新了「先進計算芯片和半導體制造器材出口管制規則」，更嚴格的控制了輝達A800和H800芯片。
同時，美國再次更新了限制標準，過去是兩個標準，一個是功率標準，另一個是「互連頻寬。而根據新規，將用「效能密度」即每平方毫米的浮點運算次數來取代通訊速度，阻止企業尋找變通方案，輝達搞閹割也不行了。
這樣一來，理論上4090顯卡也不允許向中國出售了，但最終經過輝達的爭取，美國決定4090顯卡仍可以在消費市場進行零售，但不允許用於商業和生產用途。
與此同時，13家中國GPU企業被列入制裁實體名單，其中包括摩爾執行緒、壁仞科技等。
4090顯卡
顯然，美國人認識到了AI計算將給全世界算力格局帶來的革命性變化，所以想從源頭上掐斷中國AI崛起之路，借此達到獨霸世界算力市場，維持自身超凡算力地位的目的。
第4章
算力突圍
但是美國人似乎忘了， 中國並不是一個靠封鎖就能打垮的國家。
原子彈、氫彈、彈道導彈、隱身飛機、航母、大型驅逐艦、大型燃氣輪機、盾構機等等等，哪個不是被封鎖的？哪個又封鎖住了？
哪怕美國人全力封鎖的高制程手機芯片，也隨著華為mate 60pro的橫空出世，而變成了笑話，雖然麒麟9000s的制程距離台積電和三星還有一定差距，但已經基本滿足中國需要了。
相反，美國越封鎖和打壓，中國越重視，越投資源去發展。
根據IDC數據，預計2023年中國GPU市場規模將達到111億美元，這是啥概念？一個千億級別的市場，被美國人的一紙禁令，給硬生生讓出來了！
中國企業過去最怕的啥？就怕在國際巨頭的壟斷下沒有市場！
原來中國GPU為啥不行？因為提起GPU大家第一個想到的就是輝達和AMD，畢竟人家是大品牌，效能成熟、最佳化好、適配好，用起來省事，所以你就算自己研發出來了，也沒人用。
賠錢的買賣沒人幹，所以國產廠商都不願意去花錢研發GPU。
但現在呢？美國人自己把AI芯片禁了，但中國這邊的需求又沒減少反而增大了，這是多麽大的一個市場？
所以，這千億級別的市場，遲早要被中國企業完全吃掉。
2020年之前，中國本土GPU企業才三家左右，至今僅僅兩三年時間，GPU企業已經增至20多家。
目前，中國GPU企業不僅開始崛起，而且都已近結出了累累碩果。
首屈一指就是華為，華為的技術實力，我們不用懷疑。
目前，華為已經形成基於鯤鵬的通用算力以及基於昇騰的智能算力的算力體系，涵蓋從底層硬軟件到上層套用，而且已經在政府、金融、電信、交通、教育等關鍵行業實作大規模的套用落地。
今年8月，也就是美國禁A100那個月，華為突然與百度簽約，以4.5億元的價格出售整整1600枚的昇騰910B AI芯片，預計下一步，百度在訓練端會開始采用華為的昇騰芯片，替代輝達的V100和A100。
昇騰910B的效能，完全可以比肩輝達A100，這話不是我說的，而是AI巨頭之一科大訊飛創始人劉慶峰說的，他不僅稱贊了昇騰910B的效能，還說「現在業內基本都按照國產芯片來規劃算力，科大訊飛早就已經按照不購買美國芯片來布局未來。」
華為 昇騰910 AI芯片
無獨有偶，360集團創始人周鴻祎也在烏鎮峰會上表示，公司采購了1000片左右華為AI芯片，比百度還早。
10月，華為又緊接著推出全新架構的昇騰AI計算集群——Atlas 900 SuperCluster，其核心計算力已經超越了輝達GHX100，雖然輝達宣布將在明年年中上市較p00提升了60%到90%的最新一代p00芯片，但華為的Atlas 900 SuperCluster仍然成為了打破美國AI算力壟斷的最大希望。
雖然華為短期內顯然無法撼動輝達，但對於國內AI企業來說，已經是從0到1的突破了。
這就像 當年中國原子彈試爆成功，美國的第一反應不是「他們造的不夠先進」，而是「壞了，他們有原子彈了」。
更為可貴的是，中國GPU的崛起，不是一支獨放，而是百花滿園。
比如創業公司壁仞科技的BR104，已經在MLPerf（全球權威AI基準評測）中，拿下數據中心推理評測中自然語言理解和影像分類兩類基準評測「available」（可售產品類別）單卡效能全球第一的成績，其中BR104在BERT模型下達到了輝達A100單卡效能的1.58倍。
比如摩爾執行緒的MTT S80，在1080P分辨率、最高畫質下執行【原神】的幀數平均能夠達到45fps附近，在升級了最佳化的驅動後，玩【原神】、【孤島危機3】、【無畏契約】這樣的DX11遊戲已經得到3060的水平。假以時日，數以千萬計的中國男性，可能擺脫被輝達剝削的命運。
比如海光資訊的深算二號DCU產品，其效能已經能夠完整支持大模型訓練，和國內包括百度文心一言等大模型進行了全面適配。
還有做軍用GPU起步的景嘉微，已經成為軍用GPU賽道的龍頭，其JM9系列已經完全滿足軍用AI套用的需要。
所以，美國的制裁和封鎖，達不到扼殺中國算力的目的，相反，只會把算力之戰被拉到關乎國運的新高度，逼中國以國家之力推動中國算力一次又一次沖擊算力之巔。
就像摩爾執行緒創始人兼CEO張建中在被美國制裁後，釋出的全員信中說的：「中國GPU不存在至暗時刻，只有星辰大海。」
第5章
愚公移山之路
人類社會的實力之爭，本質上是科技之爭。
誰掌握算力的話語權，誰就能掌握AI時代的主導權。
曾幾何時，中國錯過了大航海時代，也就錯過了地理大發現，失去了無數原本應該的「自古以來」。
中國錯過了工業革命，結果列強幾艘炮艦，就能把中國打得簽訂屈辱條約。
中國錯過了電子革命，至今CPU和作業系統都在用國外的。
所幸，中國在這場AI革命中，在世界上屬於先行者，哪怕和美國仍有差距，但差距並不遠。
所以，上有國家政策扶持，下有情懷企業用命，毫無疑問，中國會像攻克5G、液晶面板、盾構機的逆襲故事那樣，站上AI芯片和AI算力之巔峰，最終實作史上前所未有的——算力強國。
在這個征途之上，哪怕美國再封鎖再打壓，但中國有無數像華為這樣的企業，何愁大事不成？
就像任老爺子說的那句話一樣：
「如果有人擰熄了燈塔，我們怎麽航行？」
「那我們，就自己建一個燈塔！」
