多。

尤其是通信带宽的差别，这影响模型训练非常重要的一个数据。

毕竟采用大量显卡组成服务器阵列的时候，其数据交换是极其庞大的，而普通显卡的通信带宽太小，由此导致训练效率很低，速度缓慢……当然，这个训练速度慢只是对比说法。

实际上哪怕是消费显卡的训练速度，在谷狗的工程师们看来也是超级快了……只是如果他们看过了智云的AI芯片的训练速度，恐怕会怀疑人生！

智云集团的所谓AI芯片，其实就是针对普通的显卡在进行大规模计算的时候，所遇到的一系列诸多难题，然后针对性的解决改进。

通信带宽太小，那么我就研发全新的通讯技术，然后一口气把通讯带宽给加大了十倍以上。

显存太小，那就塞进去更多的显存。

算力不够，那么就往GPU核心里塞进去更多的晶体管提升算力。

当然，这里头还需要专门的软件支持，为此智云集团还专门开发了好几个的专门软件，这样才能够发挥出来AI显卡的强大性能。

最后硬件和硬件整合起来后，就搞出来了所谓的AI芯片……不干别的，就专门用来跑AI模型。

而AI芯片的这一系列改进或者说技术特点，智云可是从来没有对外公布过。

等其他AI厂商发现诸多缺陷，然后反馈到GPU厂商，再针对性改进，又得开发一大堆适配的软件，哪怕一切顺利，哪怕从今天开始搞，估计也得两三年时间才能初步搞利索。

他们想要追上智云的步伐……不考虑半导体设备或耗材制裁的话，那么几乎不存在这个可能性。

因为他们在追赶的时候，前头的智云也在前进啊，而且前进的更快。

智云的AI芯片都已经迭代了三代了，预计明年还将会基于22纳米3D工艺推出下一代的AI芯片，也就是AI4000。

他们追个毛线！

之前距离智云最近的是英伟达，但是英伟达已经被智云收购，并在收购后作为智云旗下的一个独立品牌，彻底转型消费级显卡领域。

而另外三家，也就是英特尔，AMD以及高通，他们差距太远了……连消费级高性能独显之前都玩不过英伟达，更别说什么专业级别的算力卡，甚至更高一级别的AI芯片了。

别看都是GPU，但是彼此间技术差异非常大的，不是想要跨行就能随便跨行的。

——————

随着

本章未完，请点击"下一页"继续阅读！ 第8页 / 共13页