二、算力

“十四五”以来，算力发展为数字经济增长做出突出贡献。国内算力供应链逐渐成熟，国产芯片生态不断完善，X86、ARM、自主架构 CPU 已实现规模应用，AI 芯片加速迭代优化，国产操作系统也加快向千行百业渗透，整体而言已覆盖底层软硬件、整机系统及应用等关键环节。

但目前高性能芯片短缺仍是算力核心痛点，美国企业凭借领先的产品性能与生态能力垄断芯片市场，国内随着国产替代、信创等发展机遇和趋势，国内玩家也在积极布局多元异构“XPU”芯片，但芯片质量仍有差距，且部分尚未实现量产应用。

XPU，指的是AI相关的芯片。

AI相关的芯片有以下几种主要类型：

1. GPU（图形处理器）：常用于图像和视频处理，具备并行计算能力，适用于进行深度学习等任务。

2. FPGA（现场可编程门阵列）：可在现场进行重新编程，适合进行高性能计算、数据加速和自定义硬件开发。

3. ASIC（专用集成电路）：根据特定任务进行定制设计的芯片，具备高效率和低功耗的特点，适用于特定的AI应用。

4. CPU（中央处理器）：传统的通用处理器，适用于各类任务，包括AI计算，但相对于专用芯片，在速度和功耗方面可能略逊色。

5. TPU（张量处理器）：由Google开发的专用于加速机器学习任务的芯片，特别适用于大规模的矩阵运算。

6. NPU（神经网络处理器）：专门用于进行神经网络计算的芯片，具备较高的计算效率和能耗比。

这些芯片类型可以根据不同的应用需求进行选择，每种类型的芯片都有其独特的优势和适用场景。

其中FPGA，我接触过，当时（10几年前）和北工大合作一个项目，有一个杨老师，就声称，未来FPGA不会过时，还会有更大的作用，因为很好用，硬件和软件一样去编程，开发非常灵活。

果然，10几年过去了，FPGA真的没有过时。

这种算力的竞争，是不是冷战时期的登月，目前还不知道，到底是不是需要这么大的算力来支撑，这是毋庸置疑的，即使现在不需要，未来也需要。

别人已经算好你的弹道建模了，数字孪生地球，把你所有的可能都封死，你这里进度条还没执行完呢，那咋竞争。但是话说回来，有些行业，真的不用那么大的算力，大模型现在大部分的算力，都浪费在一些物料的提示词上。

（待续）