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，这是由芯片结构的字符长度决定的。

32位的长度，在16位的长度面前就是可望而不可及。

就像一个人的逻辑层次可以达到32层，把1千个1万个16层思维逻辑的人聚合在一起，他们的思维层次也只能局限于16层以内。

同期国内的华为昇腾910B，单块售价4万美元……处理简单计算和线性计算的能力可以媲美英伟达的A100。但线性计算没意义，人工智能需要的是深度并行计算的能力，这可比A100差远了，更别说跟H100比了。

而这也就决定了国内AI产业的大趋势。

人工智能需要大量的算力，都需要由云计算平台来提供。阿里云有更强大的国际化背景，所以能购买到更多的英伟达的A100和H100芯片，就可以为用户提供国内最顶级的AI算力。

所以国内绝大部分的正经做人工智能产品的公司，要么向阿里云靠拢了，要么正走在向阿里云靠拢的路上。

百度云和企鹅云，国际化不如阿里，采购到的英伟达显卡数量就没阿里那么多，就会在这个领域逐步地被甩开。

那些没有国际资源，买不到英伟达的显卡，只能去打着营销、爱国的名义去支持国货的云计算平台，就只能玩一玩营销了，就只能通过营销去讨好当局和大众，去搞一搞政务云这类的靠着政商关系来生存的业务。

现在才2013年，还早着呢。

别说周不器跟唐天华这么一个外人讨论人工智能的计算解决方案了，就算是很多行业内的顶级科学家，都未必能在短时间内转过这个弯。

唐天华一脸茫然的问：“什么GPU？GPU不是显卡吗？”

周不器道：“用显卡来运行AI软件啊。”