不过，抛开这次的“ 吊打英伟达 ”的乌龙事件不谈，最近几年国内还是涌现出一批优秀的国产 ai 芯片。
比如在今年 3 月，壁仞科技诞生了一枚名为 BR100 的芯片。
这颗芯片 16 位浮点算力在 1000T 以上，8 位定点算力达到了 2000T 以上，打破了此前一直由国际巨头保持的通用 GPU 全球算力纪录。
而 19 年，华为发布的昇腾 910 芯片的算力也号称是当时国际顶尖水平的两倍。
看来，真金白银地砸进去还是有水花的。
不过，当国内芯片的性能开始触碰到全球算力的天花板的时，我们才发现差距不止在算力上。
国内的一大批创业者们，早已经在追赶英伟达的过程中，撞上了第二堵南墙：生态。
2016 年前后，ai 的浪潮席卷中国，人人都想做“ 中国的英伟达 ”。
但后来，国内的厂商们慢慢发现AI芯片陷入了一个困境：ai 芯片无法成为一个单独的产品。
探境科技的CEO概括了这种复杂的处境：
英伟达的GPU在AI应用中很难被替换，因为英伟达的GPU除了能处理AI的工作，还能进行图形计算等。
即便AI专用芯片性能大幅提升，也不能满足最终应用的所有需求，客户还要再购买GPU。
以至于，大家都以兼容英伟达的软件开发系统目标，如果不兼容，代码重新开发或者移植的成本太大了。
之所以会有这样的问题，是因为英伟达依靠在 gpu 上的先发优势建立了自己的生态--CUDA ，一套与英伟达芯片配套的软硬件开发的工具包。
能为几乎所有主流的 ai 模型服务，同时大量的开发者也在反哺和完善这个生态。
据 2021 年英伟达官方最新数据显示，英伟达生态的开发者数量已接近 300 万， CUDA 在过去 15 年总计下载量达 3000 万次，过去一年下载量达到 700 万。
这就好比同样是一个野外求生俱乐部。
国内还停留在，拿着一本野外求生指南让客户自己学的阶段时。
而英伟达，已经提供了全套装备。
甚至送来了一个贝爷。
