文章目录
[+]
常常有人问：NV GPU 和你家架构上有什么差异？为什么他家做的这么好，你们不是做GPU的吗。
先明一点哈，AI 芯片有分ASIC, FPGA,GPU 乃至CPU等，不要讲通用性专用性，不要讲可否编程，不要讲指令集，等做牛逼了，什么都能一卡实现。
大家都说人家做的是GPGPU, 你们做的ASIC, 怎么能比吗？
（图片来自网络侵删）
扯蛋，都是AI芯片，起个名字叫GPGPU，或是GPU就高人一等了吗。人家做得好，不是由于这名字，是人家皮囊下面的东西不一样。以是大家不要以名字论英雄了，根本不是名字的差异。
回到正题，从两方面说一下，1. 没有什么不同。2. 什么都不同
为什么说没有什么不同：
这玩意里面都是有存储（HBM/DDR/Cache），打算单元（Core）,网络组成，当然还有比如调度，接口等其他方面组成，紧张的架构都是一样的。在运用领域，都能用于传统模型，大模型，都具有灵巧性和可编程性，都能兼顾专用领域和通用领域，都能进行推理和演习，都能互联，能上云虚拟化以是说这玩意不是名字能决定的。从架构上确实一样。
那为什么说什么都不同呢：
人家有针对专门算法的的Transformer 引擎,再加上前辈制造加持，处理效率成倍提升；编程可以实现任意core的利用和调度，你能搞出打算核心，但你搞不出这么牛逼核心，人家是坐的火箭，你是坐得汽车。HBM/Cache 不仅大，而且快准合理，你可能连什么模型须要多大的Cache才是完美的都不知道。人家总线事情起来有条不紊，虚拟化中可分可合，可灵巧调度所有卡内资源，休眠时就和断电差不多，这东西可不是说做就能做的。比如HBM 这个，并不是你贴上颗粒，加个Controller 和Phy就完事了的。做出来的芯片，通过难以匹敌的软件栈调度，加速，指挥，不仅仅可以加速传统模型，和大模型也是完美契合，发挥其搞算力上风。通过软件栈，可以在须要时调度所有硬件去完成一个看似串行才能完成的任务。虚拟化，MIG，就像一个军队，既能分工互助，各个击破，也能整洁划一，一击而中。云边端都适用，以是所向披靡。网络互联这块，不管是Die to Die 还是芯片和往后设备处理器上的互联，比如NVlink之类。新功能的考试测验，比如加密打算，DPX指令等，你们可能还没有太多涉及此领域，人家已经开始了新的研究方向。鬼知道来日诰日的新技能是什么，但是他们可以已经在研究了。GPU 是一个整体，包括其功耗，散热，安全性，稳定性等等，都是导致差异的成分。其余还有些因数促进了其发展。
不遗余力的生态培植，通过去全天下孵化新兴企业，让他们不断在前面探索，实践，试错，利用别人的考试测验考验自己的产品，摸索自己的计策方向，虽说达到互惠互利，但更多的是实现自己的超越。同样通过在各大院校，研究机构互助，扩大自己的影响力；通过各种会议，活动宣扬自己（当然现在不须要卖力吆喝了）。OpenAI, Google, 乃至Microsoft, Amaze ，BAT等各大企业也都在争抢NVIDIA的产品，不经产品大卖，同时也促进了技能的快速发展，运用的完善。未来还有很多不愿定性，未来可能不属于NVIDIA, 但是当下真的是如日中天！！
还是之前的话，0到1我们是有了，但是想到100我们还迢遥。当然这些个差异都须要永劫光的深厚积累，不是一朝一夕可以追遇上的。以是我们的机构和他们并没有差异，我们只是还须要韶光。
