重生08：从山寨机开始崛起 第297节

　　————

　　哪怕是收购了英伟达，不过徐申学也担心后续会出现什么问题，比如美国那边来个撤回交易之类的……千万别高估欧美国家的节操，一旦他们发现真的有需要的时候，那么就会随时做出来一些很奇葩，违反商业惯例的事。

　　因此收购英伟达后，徐申学就亲自主导对GPU事业部和英伟达之间的合并工作。

　　英伟达被迅速拆分，其研发中心直接和智云半导体旗下的GPU项目组直接合并。

　　海外研发中心只保留了一个常规的消费级显卡研发项目，继续配合总部的GPU研发中心开发英伟达旗下的各种消费级显卡。

　　而其他的大量项目，一部分被转移到了智云半导体旗下的项目，要么干脆被砍掉或者合并。

　　同时通过升职加薪等方式，把原来的核心技术骨干人员，尤其是涉及AI芯片领域的核心技术骨干人员调到智云美国研发中心里关乎AI领域的项目，或者干脆调到深城智云总部。

　　总之，徐申学是不会在美国的研发机构里，留下涉及AI领域的项目组的……

　　经过这么一番操作，实际上英伟达的原来的研发体系被直接打散了。

　　同时还有大量专利技术的使用和授权，尤其是英伟达的核心技术CUDA软件，智云直接把这个软件从子公司英伟达转移到了其母公司智云半导体里。

　　当然，为了安抚英伟达的管理层，徐申学也提拔了大量的英伟达的管理层，让他们到智云美国里任职，或者到智云半导体任职，扫清除各种阻碍。

　　最后短短一个月不到，原来的英伟达就只剩下一个空架子了……连研发机构都没了。

　　当然，实际上英伟达原来的大量研发员工都还在，只不过都转移到了智云半导体旗下。

　　看着被自己直接肢解后的英伟达，徐申学心情舒畅的很！

　　经过这么一番折腾，在AI芯片领域里就直接扼杀了一个最主要的竞争对手，甚至还能把竞争对手化为己用。

　　想想都觉得美滋滋！

　　哪怕是后续美国那边发现了英伟达的重要性，然后想要撤回交易，到时候大不了就还给他们一个空壳子呗。

　　徐申学收购英伟达的目的，可不是真的为了英伟达这个公司，更不是看重它未来几万亿美元的市值，他的目的从始至终都很简单，很纯粹。

　　买下来，毁了它！

　　顺便再弄点英伟达的一些专利技术，比如他们的核心软件产品CUDA。

　　只要有了英伟达的这一系列专利技术授权，尤其是CUDA软件的授权，以智云半导体的强悍芯片设计能力，都不需要什么英伟达了，自己都能够开发出来硬件性能强悍，生态覆盖范围广的GPU产品。

　　所以在肢解英伟达的时候，徐申学都感觉特别爽，这比旗下什么企业做出来了爆款产品，获得大量营收还让人高兴。

　　毁掉一个未来万亿美元的公司，比自己创建一个万亿美元级别的公司，还让他兴奋！

　　“经过拆分整顿后，我们集团的GPU事业群，已经成为了智云半导体里的重要事业群，整个GPU事业群，包括移动端的AP构架，PC端集成显卡OP构架，PC端的OPA构架以及英伟达构架，最后还有保密中的AI项目。”

　　半导体方面的负责人付正阳道：“全面覆盖了各领域的图形处理器的业务。”

　　“而这一次我们重点调整的是消费级高性能图形处理器业务，尤其是我们获得了CUAD软件生态，后续我们的新一代OPA显卡系列也会支持这一生态，同时英伟达的新显卡也将会支持我们的CYAP软件生态，两个品牌和生态将会陆续打通，等到未来，我们将会尝试把这两个软件进行进一步的合并。”

　　“虽然生态会打通，不过我们还是决定继续运营两个独立图形处理器品牌。”

　　“采取双品牌、双构架战略，以更好的满足市场需求。”

　　“毕竟我们的这两款显卡的技术构架并不一样，区别还是比较大的。”

　　“英伟达的显卡构架通用性更好一些，在消费级市场更受欢迎；而我们的OPA的显卡构架，脱胎于移动端GPU构架以及AI芯片的诸多技术，在功耗控制的更好，同时也更适合大规模并行处理上更好，相对比游戏支持性能，其实我们的OPA显卡更适合作为工具类的算力卡使用！”

　　“这也是之前为什么那么多挖矿的老板采购我们的显卡的缘故，也是大量的专业人员购买我们的显卡作为工作站显卡，充当生产工具的主要原因！”

　　哪怕不算其他因素，其实智云发售的OPA显卡，尤其是OPA1000显卡，也比英伟达现有的高端显卡更适合用来进行大规模并行计算，不管是用来挖矿还是用来训练模型其实都更适合。

　　某种程度上，这款OPA1000就是智云内部保密的AI芯片的大幅度阉割版……天生就更适合作为纯算力卡使用。

　　徐申学道：“这样的安排还是比较妥当的，就这么做吧！”

　　就在徐申学对英伟达进行拆分的时候。

　　谷狗旗下的一个AI技术团队，也是在一月下旬的时候开发出来了一种全新的基于深度学习的神经网络算法。

　　他们开发出来了这种新算法后进行了诸多测试，一开始也没多重视，因为在传统的CPU服务器上运行的时候，这种神经网络算法并没有体现出来太大的独特优势……哪怕是超百万美元级别的服务器运行也不咋地。

　　直到这个项目团队里的一个工程师，本着闲着也是闲着的态度，使用了个人PC上的GPU去运行这个新算法后！

　　奇迹出现了……这运行速度快的出奇。

　　同样的一个图像识别模型，之前谷狗用老算法，用CPU服务器，需要一千台CPU服务器来进行。

　　这也是之前谷狗等企业在AI研究陷入困境的主要原因，老算法不行，使用的还是CPU服务器，算法对CPU的算力需求实在太大了，可以说根本不具备什么实际价值。

　　但是在使用了他们研发出来的新算法后，搭配GPU服务器后，同样一个图像识别任务，只需要三台GPU服务器来进行训练。

　　没错，没看错，就是一千台和三台之间的差距。

　　发现这一点后，他和同事们迅速用显卡搭建了一个小GPU阵列，然后对算法进行了大量的测试以及训练。

　　最后得到了一个在图像识别领域里表现极为惊人的新模型。

　　这一发现，让谷狗方面的不少人极为振奋，尽管这一技术突破还有些差，距离智云的AI远得很，但是依旧让他们看到了AI的曙光。

　　很快，谷狗方面就公布了他们在AI领域里获得了巨大的技术进步，并在现场演示了其图像识别模型，顿时引起了业内的轰动……看这样子，似乎谷狗也在AI领域里获得了巨大的成功。

　　当然，人家也不傻，可不会去搞什么开源之类的，而是学着智云集团那样守着秘密不公布。

　　一些基本原理可以公布，什么深度学习啊，神经网络啊这些普通人都知道的东西随便说，但是核心的算法，那是一个标点符号都不会透露的。

　　这些核心算法基本都是一些企业里的核心机密，如果不是出于其他目的那么是不可能给你搞什么开源的。

　　大家都知道GPU更适合用来进行并行计算，这可不是什么秘密，甚至老早就有人这么干了，但问题是你得有相互搭配的算法啊。

　　算法和GPU，这两者配合在一起才有有。

　　光有算法没有GPU，那是白搭。

　　但是有GPU没算法也不行。

　　————

　　谷狗方面获得了AI技术的一定突破后，很快就找到了智云采购了一批显卡，而且经过测试后他们选择了采购了智云半导体旗下的OPA1000显卡。

　　因为谷狗的工程师发现，智云的OPA显卡，对比英伟达的显卡更适合用来组建大规模的GPU服务器阵列，也不是说单纯性能更好，而是功耗更低，性价比也更好一些，综合算力成本更低。

　　再加上现在的OPA显卡也支持CUDA软件，后续开发也没什么问题。

　　如此情况下，自然是购买OPA显卡用来组建阵列更好。

　　对此，徐申学并没有拒绝，OPA显卡本来就是消费级显卡，谁来买都可以……再说了，谷狗买不到OPA的话，转身就会去找AMD采购ATI显卡，差一点又不是不能用。

　　ATI显卡虽然游戏性能差一些，但是算力也不算差，之前也有很多矿老板使用AMD的显卡进行挖矿的。

　　只不过去年年底开始，矿老板们的心头最爱就变成了OPA1000显卡了。

　　如果智云这边拒绝接受外国的高性能显卡订单的话，说不准还会刺激ATI还有英特尔，高通等芯片厂商研发更专业的算力卡，朝着AI芯片的路子迈进！

　　这几家也是有着GPU业务的，对GPU领域有着不低的底蕴，真让他们现在就搞起来，说不准过几年又会培养出一个新的厉害竞争对手，而到时候智云没办法收购他们。

　　因此还不如敞开了卖，只要你给钱，英伟达旗下现有的各类显卡，什么780，TITAN以及OPA1000直接敞开卖，随便采购……

　　智云要用这三个旗舰产品，直接把当下并不算大的挖矿市场，AI模型训练市场尽可能的抢过来，顺带堵死其他厂商的道路。

　　只是……就算是受到了谷狗的GPU订单，也没能给GPU事业群部门带来太大的营收提升。

　　一万片显卡，营收几百万美元。

　　咋一看似乎不少，但实际上对于智云集团的GPU事业群而言，这点营收根本不算什么……当下的外部AI市场，带来的营收还没挖矿市场大呢。

　　主要是谷狗等企业的AI发展，依旧受到了AI算法限制，难以大规模应用化。

　　他们的AI项目，目前还处于研发阶段，主要是用来进行各种试验，测试，而不是大规模应用，如此一来对算力的需求自然也就小了。

　　目前来说，AI技术已经比较成熟，可以进行大规模应用，尤其是商用的只有智云一家，因此真正对GPU算力需求量大的，其实是智云自己，而不是其他什么企业。

　　可以说当下的GPU算力需求里，智云一家几乎独占了百分之九十五，相当夸张的……只不过智云自己也不用普通的显卡，而是使用自研的AI芯片。

　　最新的Ai3000和消费级的OPA1000，差距是全方位的，算力上大概是两倍的差距，但是显存上四倍差距，而最惊人的是通信带宽上的差距，足足十倍之多。

　　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。