编者按大部分人觉得，要想创立一家智算云公司，没有个几十亿投入几乎不可能做起来。而我们对此有不一样的看法。随着智算大模型的发展，业务系统更加庞大复杂，不同领域、不同行业的业务应用，可能千奇百怪，差异巨大。传统公有云赋能千行百业的模式，在具体的某个领域或行业，可能会力有不逮，无法充分赋能企业的业务落...
云计算市场本来已经基本定型：全球三大云服务厂商亚马逊 AWS、微软 Azure，以及谷歌云，占据了大部分市场；在国内，五大巨头占据大部分市场，分别是阿里云、天翼云、移动云、华为云和腾讯云。
编者按算力网，是否像电力网一样？算力网，的确具有类似电力网一样的“网”的特征，一边链接智算中心（类似电厂），一边触达使用算力的企业（如使用电力的工厂、大楼、社区等）。但算力网，又不能仅仅是这些。算力网，其系统的复杂度和面对的挑战要远大于电力网。如果仅考虑“网”的特征，仅关注算力调度，那么算力网的竞争...
编者按“算力调度”的概念，这几年越来越多的被提及。刚听到这个概念的时候，我脑海里一直拐不过弯。作为底层芯片出身的我，一直认为：算力是硬件的服务器和集群，他在某个地方，就是固定的；根本就不存在算力的调度，调度的应该是上层的业务软件。经过跟行业众多朋友的交流和思考后，我逐渐能够理解“算力调度”所表达的意...
编者按算力网和算力网络，是经常被大家提及的话题。有人认为，两者是一回事，就是同一件事情的不同叫法。有的人认为，两者是两回事，算力网络偏重于底层技术实现，而算力网偏重于商业模式和业务层面的算力统筹。目前，整个行业处于快速变化的阶段。许多概念，有相似之处，也有很大的不同之处。甚至同一个概念，不同人、...
编者按通算时代，是二元模式：云计算公司提供算力，企业客户使用算力。近几年，随着智算兴起，一方面云计算相关技术、产品和业务模式已经非常成熟，另一方面智算的投入非常巨大。于是，行业开始了分工，云计算公司业务一分为二：算力建设业务版块，变成了专业的智算中心类企业；算力销售运营业务版块，则变成了算力（运...
编者按算力网络有一个美好的愿景，就是希望算力和算网，能像电力和电网一样：算力可以标准化，有统一的计量单位。类似电力计量的千瓦时，或称为度数。有很多算力中心生产算力，类似电厂生产电力。生产出来的算力，通过接入算网，最终供应给算力的客户。类似电厂的电力，通过电网接入千家万户。算力“随时随地，无处不在”...
编者按随着大模型的广泛流行，GPU集群计算的规模越来越大（单芯片算力提升有限，只能通过扩规模的方式来提升整体算力），千卡、万卡已经成为主流，十万卡、百万卡也都在未来3-5年的规划中。集群计算的网络可以分为两类：南北向流量，也就是俗称的外网流量；东西向流量，也就是俗称的内网流量。集群计算的网络连接数 S = ...
编者按半个世纪以前，芯片行业只有IDM模式，芯片公司自己设计、制造并封装芯片，典型的公司如Intel、未拆分前的AMD、TI等公司。1987年，台积电TSMC成立。台积电定位芯片制造，并不涉及芯片设计。从此，芯片行业产生了分工，IDM分为了两类企业：芯片设计企业（Fabless，如NVIDIA、拆分后的AMD、高通、博通、Marvell、华为...
编者按之前文章中，我们介绍过复杂计算的概念，今天又给出了一个新的概念：融合计算。两者的区别在哪里？复杂计算是对需求的描述，而融合计算是对解决方案的描述。很多计算解决方案，聚焦具体算法、具体场景，而忽略了变化、迭代，以及平台和生态的建设：“不谋万世者，不足谋一时”。计算的软硬件演进非常快，我们在考虑...
编者按云计算已经发展了20年，是到了变革的时候了。但变革成什么样子，目前还在混沌中。未来将形成的新的业态，我们姑且称之为“算力网络”吧！趁着AI大模型的东风，智算基础设施建设如火如荼。以智算（智算”力”，是算力的一个子集）为重心，更综合更全面的算力网络和算力中心建设，24-26这几年会是一个高潮。目前，行业发...
一直以来，我都认为算力网络是行业整合的过程，通过算力网络运营商把全国的算力资源统筹到一起，形成高效的统一算力供应。但与此同时，总感觉这种模式不对。算力芯片技术日新月异，从底层芯片，到上层业务，方方面面创新迭代极为迅猛。完全统一的算力供应根本跟不上技术创新的步伐。
编者按2023年12月底，由国家发展改革委、国家数据局、中央网信办、工业和信息化部、国家能源局五部门联合印发的《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》正式公布。算力网络是未来数字经济发展的核心基础设施。要想实现算力网络的伟大愿景，还有非常多的底层技术挑战需要解决。接下来若干篇系...
编者按前面专门写过一篇“软硬件融合”的系统性介绍文章，之后有很多朋友私信交流。不断汲取大家对软硬件以及软硬件相互协作方面的观点，逐步深化和完善“软硬件融合”概念和技术体系。简单总结一下。一方面，大家对未来认识的大方向是趋同的，就是“软硬件要深度结合/协同”。但另一方面，对软硬件融合观点的认识，也存在如下...
编者按AI大模型的热潮不断，预计未来十年，AGI时代即将到来。但目前支撑AI发展的GPU和AI专用芯片，都存在各种各样的问题。那么，在分析这些问题的基础上，我们能不能针对这些问题进行优化，重新定义一款能够支持未来十年AGI大模型的、足够灵活通用的、效率极高性能数量级提升的、单位算力成本非常低廉的、新的AI处理器类...
编者按作为技术类的公众号，今天这篇文章，我们聊点技术之外的一些更宏观的发展话题：）最近跟一个朋友，交流了一些不那么“纯技术”的话题：后进如何赶超先进？在交流的过程中，也引发了我对技术发展的一些更深层次的思考。关于后进赶超先进，网上有太多的文章和视频。作为常年从事计算机算力芯片相关工作的我，今天就从...
编者按大家一直有个误解，觉得通用和专用，是对等的两个选择。例如，牧本波动（Makimoto's Wave），是一个与摩尔定律类似的电子行业发展规律，它认为集成电路有规律的在“通用”和“专用”之间变化，循环周期大约为10年。我们的观点则是：相比专用，通用是更高级的能力。集成电路等各种事物发展规律的常态是通用，“通用到专...
编者按关于“弯道超车”，行业内很多人士对此嗤之以鼻，他们认为：做事情要脚踏实地，持之以恒，才有可能超越。但这两者并不矛盾：在已有的不断发展的领域，我们需要“数十年如一日”不断的努力，才有可能逐渐追赶上世界先进水平，才有可能从追赶到齐头并进甚至超越；比如航天科技领域。但在一些行业变革期，我们需要尽早布...
随着ChatGPT的火爆，AGI（Artificial General Intelligence，通用人工智能）逐渐看到了爆发的曙光。短短一个月的时间，所有的巨头都快速反应，在AGI领域“重金投入，不计代价”。
GPT等大模型为什么没有突破万亿参数？核心原因在于在现在的GPU平台上，性能和成本都达到了一个极限。想持续支撑万亿以上参数的更大的模型，需要让性能数量级提升，以及单位算力成本数量级的下降。这必然需要全新架构的AI计算平台。
