早在超算時(shí)代，清華大學(xué)高性能計(jì)算研究中心便一直是解決算力需求相關(guān)軟件問題的行家。

“目前 AI Infra 賽道幾家國(guó)內(nèi)廠商中，只有我們有過十萬臺(tái)服務(wù)器的超大規(guī)模國(guó)產(chǎn)算力集群的使用和調(diào)優(yōu)經(jīng)驗(yàn)。”湯雄超向 AI 科技評(píng)論介紹道。

而“大規(guī)?！睍?huì)是算力發(fā)展最難解的“題”——

從湯雄超觀察來看，當(dāng)前業(yè)內(nèi)多有提及的不同品牌 GPU 異構(gòu)混訓(xùn)，是芯片產(chǎn)能不足現(xiàn)狀下的一種妥協(xié)，未來智算中心可能會(huì)回歸同一型號(hào) GPU 的架構(gòu)以獲得更高的效率，AI 大模型訓(xùn)練核心歸根到底還是落點(diǎn)在大規(guī)模算力系統(tǒng)本身。

基于前述思考，去年年底，這支來自清華大學(xué)計(jì)算機(jī)系的團(tuán)隊(duì)創(chuàng)辦了清程極智，湯雄超博士擔(dān)任公司 CEO，翟季冬教授為公司首席科學(xué)家。

除了 AI 訓(xùn)練面臨的挑戰(zhàn)，成立之初，清程極智也看到了推理側(cè)的機(jī)會(huì)。

在一段時(shí)期內(nèi)，訓(xùn)推一體機(jī)是業(yè)內(nèi)較為流行的產(chǎn)品形態(tài)。但在湯雄超的觀點(diǎn)中，訓(xùn)推一體機(jī)是很難滿足未來的 AI 業(yè)務(wù)全部需求的。

論及其中原因，他認(rèn)為，“訓(xùn)練和推理兩種業(yè)務(wù)對(duì)算力系統(tǒng)的需求區(qū)別較大，很難想象出有一個(gè)比較小的一體機(jī)能夠承載訓(xùn)練的業(yè)務(wù)，現(xiàn)在大模型的預(yù)訓(xùn)練可能都是萬卡以上的規(guī)模。”所以，清程極智選擇為推理業(yè)務(wù)量身定制相應(yīng)的軟硬一體化算力系統(tǒng)。

同時(shí)，通過云端算力提供 MaaS 大模型推理服務(wù)也是清程極智選擇的路徑之一。

至于這條路會(huì)否和通用大模型公司產(chǎn)生競(jìng)爭(zhēng)，湯雄超認(rèn)為，大模型應(yīng)用一定會(huì)起量，一個(gè)足夠大的市場(chǎng)可以容下好幾家同一細(xì)分領(lǐng)域里的廠商。

他還告訴 AI 科技評(píng)論，公司成立這半年多來，在商業(yè)化方面，清程極智已經(jīng)陸續(xù)和多家芯片廠商、算力中心、AI 應(yīng)用開發(fā)商以及基礎(chǔ)模型預(yù)訓(xùn)練廠商達(dá)成了商業(yè)合作。

值得一提的是，云廠商也是清程極智的合作對(duì)象之一。

在湯雄超看來，云廠商過去解決的問題跟現(xiàn)在要解決的問題并不完全相同，甚至是相對(duì)的兩個(gè)方向——

云廠商過往聚焦于資源池化和共享，而現(xiàn)階段要解決的問題主要是分布式的資源合并，這方面的經(jīng)驗(yàn)市場(chǎng)上還較為稀缺，而這恰好是清程極智團(tuán)隊(duì)的強(qiáng)項(xiàng)所在。

這段時(shí)日，湯雄超對(duì)國(guó)內(nèi)芯片廠商的差異化也深有體會(huì)，他認(rèn)為，從過往智能手機(jī)和新能源汽車兩個(gè)行業(yè)的發(fā)展規(guī)律來看，之后國(guó)產(chǎn)芯片市場(chǎng)會(huì)有一定程度的收斂，但不會(huì)完全集中到一家，并且國(guó)產(chǎn)芯片的性價(jià)比超越海外產(chǎn)品也只是時(shí)間問題。

以下是 AI 科技評(píng)論與湯雄超的訪談實(shí)錄，作者進(jìn)行了不改原意的編輯整理：

壁壘在超大規(guī)模集群調(diào)優(yōu)

AI 科技評(píng)論：你們?yōu)槭裁磿?huì)想要在去年年底瞄準(zhǔn) AI Infra 這個(gè)賽道去創(chuàng)業(yè)呢？有什么契機(jī)嗎？

湯雄超：去年底出來做 AI Infra 創(chuàng)業(yè)是因?yàn)槲覀冋J(rèn)為這個(gè)領(lǐng)域和時(shí)機(jī)比較好。主要契機(jī)要從我們團(tuán)隊(duì)背景說起，目前我們團(tuán)隊(duì) 40 多人中 80% 都是研發(fā)，核心的技術(shù)負(fù)責(zé)人幾乎都來自清華計(jì)算機(jī)系。清華大學(xué)高性能計(jì)算研究中心一直以來是做超算的，主要解決算力需求大的問題，之前主要服務(wù)于天氣預(yù)報(bào)、氣候模擬、石油勘探等。

隨著人工智能的發(fā)展，我們發(fā)現(xiàn) AI 相關(guān)問題也逐漸需要超大計(jì)算量解決，剛好我們做超算的經(jīng)驗(yàn)都可以用來解決 AI 算力系統(tǒng)的問題，再加上我們非?？春?AI，長(zhǎng)期來看，我們相信 AI 會(huì)給社會(huì)帶來較大影響。所以從商業(yè)的角度上來說，我們做的事情還算比較有想象空間，這也很契合我們的技術(shù)背景。另外，也剛好趕上美國(guó)對(duì)中國(guó)的芯片制裁，從社會(huì)價(jià)值的角度上來講，我們作為清華人去做面向國(guó)產(chǎn)算力系統(tǒng)的事情也非常有意義。

總得來說，我們當(dāng)時(shí)選擇這個(gè)賽道創(chuàng)業(yè)，是非常堅(jiān)定看好市場(chǎng)機(jī)會(huì)的，并非拿著錘子找釘子?；具壿嬙谟?，AI 對(duì)算力的需求越來越大是共識(shí)，國(guó)內(nèi)的智能算力從英偉達(dá)轉(zhuǎn)向國(guó)產(chǎn)基本上也是確定的，而在這樣一個(gè)一邊增長(zhǎng)一邊轉(zhuǎn)換的過程中，顯然我們需要在國(guó)產(chǎn)算力生態(tài)上做很多事情，這也會(huì)帶來許多商業(yè)上的機(jī)會(huì)。

湯雄超在清程極智辦公室 受訪者供圖

AI 科技評(píng)論：國(guó)內(nèi)目前有好幾家廠商在布局 AI Infra 這條賽道，你們的壁壘體現(xiàn)在哪方面？

湯雄超：這個(gè)賽道上有很多友商，對(duì)我們而言并非負(fù)面因素。首先，市場(chǎng)大到足夠容下很多家廠商，其次，既然有這么多人入局，也說明大家對(duì)這個(gè)領(lǐng)域的認(rèn)可。

我們其中一個(gè)顯著的技術(shù)壁壘在于超大規(guī)模集群的調(diào)優(yōu)能力，現(xiàn)實(shí)中，這可能直接意味著算力中心是否用得起來，本身我們團(tuán)隊(duì)在大規(guī)模集群上面做過很多事情，所以我們和其他家的差異性優(yōu)勢(shì)，最核心的還是在于這一點(diǎn)，這件事是非常難做的。

據(jù)我所知，目前國(guó)內(nèi) AI Infra 賽道的廠商中，除了我們，沒有團(tuán)隊(duì)有過十萬臺(tái)服務(wù)器的超大規(guī)模國(guó)產(chǎn)算力集群的使用和調(diào)優(yōu)經(jīng)驗(yàn)，哪怕是萬卡、十萬卡這樣的超大規(guī)模訓(xùn)練，現(xiàn)在能做的團(tuán)隊(duì)都不多，所以這是我們非常重要的技術(shù)優(yōu)勢(shì)。實(shí)際上，除了各家都在做的推理優(yōu)化之外，我們是可以做訓(xùn)練的，而且是超大規(guī)模的訓(xùn)練。

AI 科技評(píng)論：清程目前主要和哪些廠商有合作呢？

湯雄超：我們公司聚焦在 AI Infra，就是算力的基礎(chǔ)軟件系統(tǒng)，大家一般會(huì)把 Infra 比喻成一座橋梁，一端是硬件，另外一端是上層應(yīng)用，我們做的就是把這兩端連接起來，讓大模型更好地運(yùn)行在芯片上。

我們的客戶也就主要來自于這兩端，一方面是算力側(cè)，包括芯片廠商以及算力中心的建設(shè)方和運(yùn)營(yíng)方。整體上來說，國(guó)產(chǎn)算力系統(tǒng)的軟件生態(tài)和國(guó)外成熟的系統(tǒng)相比，還是有一定的差距的，我們做的就是幫芯片廠商補(bǔ)齊短板，真正發(fā)揮硬件的性能。

算力中心也是類似的情況，現(xiàn)在大模型所需要的算力規(guī)模很大，真正地把萬卡甚至十萬卡規(guī)模的集群用起來并不簡(jiǎn)單，我們幫算力中心把超大規(guī)模的集群給利用起來，從商業(yè)角度上來說，能夠提升算力中心的市場(chǎng)競(jìng)爭(zhēng)力，從社會(huì)角度來講，相當(dāng)于提升算力資產(chǎn)的整體利用率，減少資產(chǎn)閑置現(xiàn)象。

對(duì)于 AI 應(yīng)用側(cè)，我們提供的價(jià)值整體上來說就是大家比較熟悉的提速降本。目前我們用大模型回答問題或者畫圖，耗時(shí)還比較長(zhǎng)，這給 AI 應(yīng)用落地帶來較大障礙。我們通過高性能的大模型推理引擎，在同樣的硬件平臺(tái)上把模型運(yùn)行得更快，在一些情況下響應(yīng)速度可能會(huì)有近百倍的提升。這樣可以把模型運(yùn)行時(shí)間縮短，一方面，用戶體驗(yàn)可以改善，另外一方面，時(shí)間縮短了，AI 應(yīng)用消耗的算力也會(huì)變少，算力成本隨之降低。

另外，我們也有做基座大模型預(yù)訓(xùn)練的客戶群體，模型預(yù)訓(xùn)練本身算力消耗大、周期長(zhǎng)，通常訓(xùn)練一個(gè)大模型需要幾個(gè)月時(shí)間和幾千萬的預(yù)算。我們能把訓(xùn)練的性能提升百分之幾十，從而降低百萬或千萬的算力開銷。一方面，大模型訓(xùn)練周期縮短后，模型迭代速度會(huì)變得更快。另一方面，按一般原本算力費(fèi)用千萬級(jí)來說，節(jié)省 50% 的算力成本會(huì)是非常大的一個(gè)數(shù)字。整體來看，現(xiàn)在我們的客戶主要是芯片廠商、算力中心、上層做 AI 應(yīng)用的公司以及做模型預(yù)訓(xùn)練的廠商。

AI 科技評(píng)論：和云廠會(huì)有合作或者競(jìng)爭(zhēng)嗎？

湯雄超：我們跟云廠相比是有自身優(yōu)勢(shì)的。在一些比較傳統(tǒng)的文本類的大模型的預(yù)訓(xùn)練上，我們也和國(guó)內(nèi)的云廠商有合作。

他們也有自己的團(tuán)隊(duì)，找我們合作本質(zhì)上還是因?yàn)樵茝S過去要解決的問題跟現(xiàn)在要解決問題并不相同。之前他們也維護(hù)大規(guī)模的集群，但更多的是從資源池化和共享的角度去做的，就相當(dāng)于把一塊 GPU 卡切成很多份，同時(shí)服務(wù)很多請(qǐng)求和用戶。

現(xiàn)在反過來我們要做的是合并的事情，就是讓 1 萬塊或者 10 萬塊 GPU 共同為一個(gè)用戶服務(wù)，去解決同一個(gè)問題。這部分經(jīng)驗(yàn)即使在大廠內(nèi)也是相當(dāng)稀缺的，因?yàn)閲?guó)內(nèi)本來做大集群并行計(jì)算的人一直都比較少，再疊加上國(guó)產(chǎn)芯片問題，相關(guān)的儲(chǔ)備就更稀缺了。

AI 科技評(píng)論：你們目前的融資情況如何了？

湯雄超：今年初我們完成了第一輪融資，預(yù)計(jì)年內(nèi)會(huì)再完成新一輪。

圍繞推理引擎的核心布局

AI 科技評(píng)論：模型推理目前也是清程的一個(gè)重點(diǎn)，你們的 MaaS 平臺(tái)具體有什么樣的布局？

湯雄超：我們 MaaS 平臺(tái)首期推出的是文本對(duì)話，這方面除了像一般的 MaaS 平臺(tái)推出的 10B 以內(nèi)的模型之外，我們也提供了免費(fèi)試用的 72B 的國(guó)產(chǎn)中文大模型，可以把它運(yùn)行在國(guó)產(chǎn)算力平臺(tái)上，成本控制到較低的水平，比用英偉達(dá)算力便宜很多，所以我們現(xiàn)在可以提供免費(fèi)試用。

近期也上線了一個(gè)文生圖的功能，完全兼容了國(guó)際上流行的 ComfyUI 界面，適合設(shè)計(jì)師這樣的專業(yè)群體。

后續(xù)可能還會(huì)再加入其他的大模型服務(wù)能力，因?yàn)橛泻芏嗄Ｐ偷耐评砉ぷ鞅粡V泛需要，AI 應(yīng)用的市場(chǎng)發(fā)展很快，多模態(tài)需求也在變多，后續(xù)會(huì)上架視頻生成等服務(wù)。

清程極智 MaaS 平臺(tái)

AI 科技評(píng)論：您會(huì)覺得這種 MaaS 平臺(tái)賣大模型 API 的方式，實(shí)際上是在和通用大模型公司競(jìng)爭(zhēng)嗎？

湯雄超：我覺得現(xiàn)在整個(gè)大模型行業(yè)內(nèi)很難說做的業(yè)務(wù)是完全區(qū)分開的，有競(jìng)爭(zhēng)是正常的，并且行業(yè)里玩家足夠多，說明大家都覺得這樣的事情值得做，也證明這個(gè)賽道的重要性是得到玩家以及背后投資人認(rèn)可的。另外，我個(gè)人堅(jiān)信大模型應(yīng)用一定會(huì)起量，在一個(gè)足夠大的市場(chǎng)里面，其實(shí)在同一個(gè)細(xì)分市場(chǎng)里面可以容得下好幾家廠商。

對(duì)我們來說， MaaS 平臺(tái)可以讓更多有需求的人使用到清程的推理加速能力。并且，我們并不是要在 MaaS 模式上去擊敗通用大模型巨頭公司，清程的能力也不僅局限在 MaaS 平臺(tái)上，我們的產(chǎn)品交付形式也是很多樣的，也包括一體機(jī)、推理引擎軟件以及其他一些解決方案的交付。

AI 科技評(píng)論：您說的一體機(jī)是指訓(xùn)推一體機(jī)嗎？

湯雄超：我們做的不是訓(xùn)練推理一體機(jī)。推理一體機(jī)我們是有做的，但訓(xùn)練的話，本質(zhì)上看，它的算力需求不適合這種產(chǎn)品形態(tài)。

在我看來，訓(xùn)練和推理兩種業(yè)務(wù)間的區(qū)別較大，很難想象出有一個(gè)比較小的一體機(jī)能夠承載大的訓(xùn)練業(yè)務(wù)，現(xiàn)在大模型的預(yù)訓(xùn)練可能都是萬卡以上的規(guī)模，目前只能在大規(guī)模的智算集群上完成。

我們做的是推理一體機(jī)，就是客戶有需求，我們可以去幫他們選配一些高性價(jià)比的硬件，因?yàn)槲覀兒秃芏鄧?guó)產(chǎn)芯片有合作，有時(shí)候比客戶更清楚他們不同的大模型推理需求比較適合哪一款芯片的，我們也發(fā)現(xiàn)有不少客戶在算力使用上不合理，比如，有的客戶買了 A100，優(yōu)勢(shì)卻發(fā)揮不出來，因?yàn)?A100 其實(shí)更適合拿來做訓(xùn)練，而不是推理。

AI 科技評(píng)論：你們 MaaS 平臺(tái)上能選擇英偉達(dá)和國(guó)產(chǎn)兩種卡加速 Qwen2-72B-Instruct 的推理，主要是哪些卡？

湯雄超：英偉達(dá)我們是比較常規(guī)的推理卡，國(guó)產(chǎn)卡用的也是和英偉達(dá)推理卡對(duì)標(biāo)的型號(hào)，用下來發(fā)現(xiàn)還不錯(cuò)。

雖然我們現(xiàn)在平臺(tái)上寫了英偉達(dá)和國(guó)產(chǎn)算力，但是從后續(xù)的規(guī)劃來說，我們會(huì)把這部分隱藏掉。因?yàn)楦鶕?jù)數(shù)據(jù)實(shí)測(cè)，在經(jīng)過清程的系統(tǒng)優(yōu)化后，國(guó)產(chǎn)算力能接近英偉達(dá)的性能，某些場(chǎng)景下還會(huì)更好些，所以之后我們也沒必要特意區(qū)分算力平臺(tái)，這本身也符合我們公司兼容和賦能多樣化算力基座的想法。

AI 科技評(píng)論：清程的官網(wǎng)好像還有幾個(gè)和推理引擎有關(guān)的服務(wù)暫未上線。

湯雄超：我們現(xiàn)在還在初創(chuàng)期，大部分精力都集中在研發(fā)和商業(yè)化上，官網(wǎng)整體上有些滯后性。推理引擎是我們比較核心的內(nèi)容，我們推理引擎完全是自研的，它是一個(gè)高性能的系統(tǒng)軟件，可以降低模型推理的延遲，或者提高模型的吞吐率，總之是提升性能，并且可以支持包括英偉達(dá)和國(guó)產(chǎn)在內(nèi)的不同芯片。

因?yàn)槭忻嫔洗蟛糠珠_源框架都是基于英偉達(dá)做的，如果要用國(guó)產(chǎn)芯片的話，要么自己移植，要么就不用，這對(duì)用戶來說比較難受。我們所提供的是可以兼容多款國(guó)產(chǎn)芯片的自研推理引擎，這是我們的軟件，然后基于這個(gè)軟件就是做 MaaS 平臺(tái)和推理一體機(jī)。

具體來說就是，如果客戶已經(jīng)有機(jī)器了，那買我們的軟件就行，如果沒有機(jī)器，則有兩種選擇，一種是直接用我們的 MaaS 平臺(tái)，另外一種不上云，要私有化部署的，我們提供推理一體機(jī)。

智算中心最終會(huì)回歸同構(gòu)

AI 科技評(píng)論：現(xiàn)在國(guó)產(chǎn)芯片廠商很多，異構(gòu)混訓(xùn)的概念也在業(yè)內(nèi)熱議，你們想過做這塊嗎？

湯雄超：我們也在做異構(gòu)混訓(xùn)的工作，但我們?cè)谶^去的工作中觀察到，采用不同品牌不同加速卡的 GPU 異構(gòu)方案的集群，整體上來說效率和性價(jià)比沒有比采用單一型號(hào) GPU 的同構(gòu)集群好，混合訓(xùn)練很難發(fā)揮硬件的底層算力性能。

從商業(yè)的角度來說，我傾向于認(rèn)為異構(gòu)混訓(xùn)是目前國(guó)產(chǎn)芯片產(chǎn)能不足情況下的妥協(xié)，過去的 HPC 行業(yè)，超算中心發(fā)展了這么多年，我們并沒有觀察到哪個(gè)超算集群會(huì)在里面放不同型號(hào)的加速卡，當(dāng)然可以說全世界有成百上千個(gè)超算集群，各個(gè)集群用不同的卡，這個(gè)是可行的，但是每個(gè)集群內(nèi)部通常都是同一款。

所以，我認(rèn)為隨著國(guó)產(chǎn)芯片產(chǎn)能的提升，最終智算中心也會(huì)回歸到以往比較偏同構(gòu)的基礎(chǔ)架構(gòu)里，因?yàn)閱我环绞娇赡苁亲罡咝У慕鉀Q方案。整體上來說，在目前大規(guī)模并行訓(xùn)練的大課題下，異構(gòu)混訓(xùn)比較容易解決，更難的問題還是落在大規(guī)模本身上。打個(gè)比方，10 張英偉達(dá)和 10 張華為混訓(xùn)同 10 萬張英偉達(dá)訓(xùn)練相比，肯定是后者更難實(shí)現(xiàn)。

AI 科技評(píng)論：所以您覺得之后國(guó)內(nèi)的 GPU 芯片廠商是有機(jī)會(huì)從分散走向整合的？

湯雄超：我們和國(guó)內(nèi)好幾家芯片廠商都有合作，包括沐曦、燧原、天數(shù)、摩爾線程等等，每一家都有相對(duì)的優(yōu)勢(shì)，各家芯片迭代速度也都很快，從長(zhǎng)期來看的話，我認(rèn)為可能會(huì)出現(xiàn)一定程度的集中和收斂，不過，國(guó)內(nèi)可能也不太會(huì)出現(xiàn)美國(guó)市場(chǎng)那種一家獨(dú)大的情況。

因?yàn)橹忻绹?guó)市場(chǎng)確實(shí)是不一樣的，從歷史上發(fā)生過的其他行業(yè)故事來看，比如智能手機(jī)和新能源汽車，美國(guó)的手機(jī)和汽車其實(shí)就是那兩家，國(guó)內(nèi)確實(shí)都不是一家獨(dú)大。中國(guó)市場(chǎng)從人口基數(shù)上來說會(huì)更大，也更有多樣性，未來可能芯片廠商會(huì)有一定程度的收斂，但不一定會(huì)收斂到一家，最終還是會(huì)有好幾家。

AI 科技評(píng)論：現(xiàn)階段您在國(guó)內(nèi)有比較看好的芯片廠商嗎？

湯雄超：目前有兩三家比較好，但國(guó)內(nèi)芯片迭代很快，之后也不確定哪家性能會(huì)更強(qiáng)。

AI 科技評(píng)論：目前來看，您覺得 GPU 是算力最優(yōu)解嗎？

湯雄超：這個(gè)問題要看怎樣去定義。GPU 已經(jīng)發(fā)展到現(xiàn)階段，能夠沿著 GPU 已經(jīng)開拓出來的道路往前，沒必要再去走一條新路。但是說到底也還是要看上層應(yīng)用的需求，包括后續(xù) AI 算法的發(fā)展，如果 AI 算法發(fā)生了比較大的變革，以至于 GPU 架構(gòu)不再適應(yīng)其中的算力需求，那可能還會(huì)有新的芯片架構(gòu)脫穎而出，成為新標(biāo)準(zhǔn)。

以前大家覺得手機(jī)這樣的嵌入式設(shè)備的處理器是一個(gè)非常小的市場(chǎng)，但隨著移動(dòng)設(shè)備的發(fā)展，會(huì)發(fā)現(xiàn)之前占主流的 x86 架構(gòu)慢慢地就被 Arm 架構(gòu)趕上來。算力硬件本質(zhì)上服務(wù)于上層應(yīng)用需求，如果應(yīng)用發(fā)生巨變的話，底層的算力也會(huì)受到影響。不過，從當(dāng)前的大模型這種形態(tài)來說，我還是認(rèn)可 GPU 或類 GPU 架構(gòu)是較好的。

AI 科技評(píng)論：現(xiàn)在海外也涌現(xiàn)了許多做專用芯片的廠商，但國(guó)內(nèi)還是以瞄準(zhǔn) GPU 為主，專用芯片少有幾家，您覺得對(duì)于國(guó)內(nèi)來說，專用芯片會(huì)是機(jī)會(huì)嗎？

湯雄超：我認(rèn)為專用芯片跟通用芯片的抉擇國(guó)內(nèi)外是一致的。當(dāng)每一種上層應(yīng)用變得非常重要的時(shí)候，大家比較直覺的做法就是去做專用芯片，這樣可以在應(yīng)用上取得優(yōu)越的性能以及功耗方面的改進(jìn)。但是因?yàn)樯蠈討?yīng)用迭代很快，大家也會(huì)希望有通用芯片能夠保證不僅現(xiàn)在能用，未來也能用，兩個(gè)路線很難說誰完全取代誰。整體上，我認(rèn)為國(guó)內(nèi)會(huì)存在專用與通用并存的情況。

AI 科技評(píng)論：CUDA 是英偉達(dá)的護(hù)城河，現(xiàn)在也有很多觀點(diǎn)認(rèn)為它其實(shí)是“泥潭式”的，您覺得就國(guó)內(nèi)而言怎樣去找到自己的護(hù)城河呢？

湯雄超：“泥潭式”護(hù)城河這個(gè)形容是準(zhǔn)確的。而我覺得國(guó)內(nèi)要找到護(hù)城河，還是得從國(guó)產(chǎn)算力的角度出發(fā)找尋突破點(diǎn)，要完全 Copy 一份 CUDA，打造 CUDA 2.0 非常困難，有沒有必要去做也要打一個(gè)問號(hào)。因?yàn)槲覀冏鏊懔ο到y(tǒng)的建設(shè)本身是為了支撐上層應(yīng)用的需求，如果為了復(fù)制 CUDA 而去復(fù)制是沒有必要的，也不知道收益如何，但根據(jù)上層應(yīng)用的需求去針對(duì)性做補(bǔ)全和提升的話，我們不需要把整套 CUDA 生態(tài)照搬過來，這種情況下有的放矢，要做的事情會(huì)少很多，國(guó)產(chǎn)算力系統(tǒng)也會(huì)有一些突破機(jī)會(huì)。

現(xiàn)在國(guó)內(nèi)很多廠商在做 CUDA 兼容，如果產(chǎn)生的效果是把 CUDA 生態(tài)里已有的東西導(dǎo)入到國(guó)產(chǎn)算力生態(tài)，這件事情大家肯定都愿意去做，至于未來會(huì)不會(huì)出現(xiàn)兼容 CUDA 生態(tài)反過又增強(qiáng) CUDA 生態(tài)的情況，目前還無法判斷。雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。