無非就是多費點電而已。
在國家戰略面前，電費才幾個錢？
一臺超級計算機，主機可以裝滿一層大樓，沒有空間限制，就可以無限地堆積算力低下的CPU，靠著無數CPU晶片的堆積，來達到超算的效果。
所以聯想、曙光、浪潮，包括一些高校和軍方，都可以開發出自研智慧財產權的超級計算機，在這個領域打破技術壁壘。
可是，GPU就不行了。
GPU之所以能取代CPU成為人工智慧計算的主要工作，就是因為GPU主要是以處理平行計算為主。
而人工智慧的神經網路演算法趨勢，所需要的就是平行計算，剛好和GPU相匹配。
一旦是平行計算了，就沒法像流水線工人那樣，靠著堆積數量去提高生產力了，這就得靠著實打實的硬實力了。
比如一個博士生和一個小學生算數學題，小學生根本不行。哪怕把一萬、十萬個小學生組合起來，也不可能是一個博士生的對手。
這就是高通、英特爾這些主要以銷售CPU為主的公司，市值最高也就是幾千億美元，而以賣GPU為主的英偉達，市值卻能衝上5000億美元、1萬億美元、2萬億美元甚至更高的原因。
CPU再是核心技術，也有可替代性。
GPU卻沒法靠著堆量的方法來替代。
沒有頂級的GPU，就無法提供頂級的算力，就不可能成為頂級的人工智慧公司。
就像十年後的2023年國內的人工智慧現狀。
世界上最好的GPU晶片是英偉達的H100，售價4萬美元一塊。其次是英偉達的A100，售價1萬美元一塊。
再多的A100堆積，也無法量變產生質變，去達到H100的AI算力，這是由晶片結構的字元長度決定的。
32位的長度，在16位的長度面前就是可望而不可及。
就像一個人的邏輯層次可以達到32層，把1千個1萬個16層思維邏輯的人聚合在一起，他們的思維層次也只能侷限於16層以內。
同期國內的華為昇騰910B，單塊售價4萬美元……處理簡單計算和線性計算的能力可以媲美英偉達的A100。但線性計算沒意義，人工智慧需要的是深度平行計算的能力，這可比A100差遠了，更別說跟H100比了。
而這也就決定了國內AI產業的大趨勢。
人工智慧需要大量的算力，都需要由雲端計算平臺來提供。阿里雲有更強大的國際化背景，所以能購買到更多的英偉達的A100和H100晶片，就可以為使用者提供國內最頂級的AI算力。
所以國內絕大部分的正經做人工智慧產品的公司，要麼向阿里雲靠攏了，要麼正走在向阿里雲靠攏的路上。
百度雲和企鵝雲，國際化不如阿里，採購到的英偉達顯示卡數量就沒阿里那麼多，就會在這個領域逐步地被甩開。
那些沒有國際資源，買不到英偉達的顯示卡，只能去打著營銷、愛國的名義去支援國貨的雲端計算平臺，就只能玩一玩營銷了，就只能透過營銷去討好當局和大眾，去搞一搞政務雲這類的靠著政商關係來生存的業務。
現在才2013年，還早著呢。
別說周不器跟唐天華這麼一個外人討論人工智慧的計算解決方案了，就算是很多行業內的頂級科學家，都未必能在短時間內轉過這個彎。
唐天華一臉茫然的問：「什麼GPU？GPU不是顯示卡嗎？」
周不器道：「用顯示卡來執行AI軟體啊。」
「顯示卡不是渲染影象的嗎？」