跳至内容
网昱智算
  • 首页
  • 关于网昱
  • 专业服务
  • 服务与支持
    • 联系我们
    • 保修政策
    • 保修期查询
  • 网昱产品
    • 静音工作站
    • GPU算力服务器
      • 4 GPU服务器
      • 8 GPU服务器
    • 国产信创
    • 通用型服务器
    • 存储服务器
  • 技术文档
    • 强哥聊算力
    • 高校智慧教育
    • 企业智能制造
    • 互联网计算平台
    • 智能公共算力
网昱智算
  • 首页
  • 关于网昱
  • 专业服务
  • 服务与支持
    • 联系我们
    • 保修政策
    • 保修期查询
  • 网昱产品
    • 静音工作站
    • GPU算力服务器
      • 4 GPU服务器
      • 8 GPU服务器
    • 国产信创
    • 通用型服务器
    • 存储服务器
  • 技术文档
    • 强哥聊算力
    • 高校智慧教育
    • 企业智能制造
    • 互联网计算平台
    • 智能公共算力

互联网计算平台

12
  • GPU服务器监控与告警怎么做:温度、显存、任务和磁盘都要看
  • 多GPU服务器组网怎么选:AI训练平台的网络与存储基础
  • 向量数据库需要GPU服务器吗:RAG知识库算力与存储规划
  • 大模型推理并发怎么估算:本地AI服务器配置前的关键问题
  • GPU资源池建设入门:从单机多卡到多用户共享平台
  • 私有化知识库问答服务器配置建议:RAG场景如何规划算力
  • 中小团队AI推理服务器选型:并发、显存与成本怎么平衡
  • 从构想到实现:某科技公司AI模型训练的算力服务器解决方案
  • 轻量化算力方案:某科技公司的AI研发算力服务器定制案例
  • 超越极限:某科技公司高性能算力服务器解决方案
  • 某科技公司AI与科学计算算力服务器解决方案
  • 高性能算力服务器解决方案:为某科技公司提供网昱算力服务器计算平台

高校智慧教育

17
  • 高校GPU算力平台日常维护要点:管理员需要关注哪些指标
  • AI实验室数据存储怎么规划:训练盘、共享盘与归档空间的区别
  • 科研GPU服务器软件环境部署指南:驱动、CUDA、容器与框架怎么配
  • 高校AI算力预算怎么规划:GPU服务器采购前的配置与成本拆解
  • 多课题组共享GPU服务器怎么规划权限与资源配额
  • 高校科研算力平台验收清单:GPU服务器到货后要测试什么
  • 高校AI实验室GPU服务器配置怎么选:从课题组到学院共享平台
  • 高校算力服务器采购价格解析:如何用有限预算获得最大算力回报?
  • 助力全球领先科研,某大学研究团队的高端算力服务器解决方案
  • 打造极致算力:某科技大学AI实验室的GPU算力服务器定制解决方案
  • 推动科研进步:某科技大学科研团队的高性能算力服务器解决方案
  • 某科研团队高性能科学计算解决方案
  • 某科技大学科研团队的科学计算算力服务器解决方案
  • 某科技大学科研团队的算力服务器解决方案
  • 高性能算力服务器解决方案:为某科技大学科研团队提供网昱算力服务器计算平台
  • 高性能算力服务器解决方案案例:为某科学院某研究所提供8张RTX 4090 GPU卡的计算平台
  • 算力服务器解决方案案例分析:为电子某大学科研团队提供高效科学计算支持

企业智能制造

13
  • CAE仿真与AI训练共用GPU服务器可行吗:企业研发平台规划建议
  • AI工作站和GPU服务器怎么选:企业研发团队的选型建议
  • 工业AI私有化部署为什么重要:数据安全、模型权限与本地算力
  • 企业AI项目从POC到生产部署:GPU服务器配置如何升级
  • 企业GPU服务器上架前的供电、散热与噪音评估
  • 机器视觉AI服务器配置建议:训练、推理与数据存储怎么配
  • 企业部署本地大模型服务器前要确认的10个问题
  • 网昱G8-i5c2 GPU服务器测评:定制服务器如何突破企业计算难题
  • 超级算力之王:为某科技公司打造终极深度学习服务器解决方案
  • 某药物研发公司的高性能计算药物筛选算力服务器解决方案
  • 某生物科技公司基因组分析与药物研发算力服务器解决方案
  • 某科技公司金融数据分析算力服务器解决方案
  • 某影视制作公司的算力服务器解决方案

智能公共算力

11
  • AI算力平台如何分期建设:一期可用、二期扩容、长期演进
  • 智算平台机房准备清单:供电、制冷、机柜与网络如何提前确认
  • GPU集群性能瓶颈不一定在GPU:存储、网络和调度同样关键
  • 公共AI算力平台运营模式:免费试用、配额管理与资源计量
  • 边缘AI推理节点部署建议:小型算力平台如何稳定运行
  • 智算中心GPU服务器交付验收清单
  • 公共算力平台建设方案:节点、调度、存储与运维要点
  • 成都某数据中心GPU服务器部署项目|技术落地案例分享
  • 某气象研究所的高精度气象模拟算力服务器解决方案
  • 某环保科技公司气候模拟与环境大数据分析算力服务器解决方案
  • 未来医疗的算力支柱:网昱深度学习服务器助力某医疗研究机构

行业资讯

28
  • 赋能教育数字化,共探算力新未来|网昱智算邀您共赴第 87 届中国教育装备展示会
  • CITE2026 盛大开幕|强民科技携网昱品牌算力产品亮相深圳
  • 三度入围川省框架采购 强民科技以本土算力赋能数字四川建设
  • 智算赋能,共赴未来 | 网昱算力诚邀莅临2026第三届AI算力产业大会暨展览会
  • 四川强民科技加入中国教育装备行业协会 网昱算力获教育行业权威认可
  • 中国调查Nvidia H20芯片安全风险:地缘政治与科技博弈加剧
  • Nvidia成为全球首家4万亿美元市值公司:AI革命的巅峰象征
  • OpenAI转向Google AI芯片支持ChatGPT:AI算力市场的新转折
  • 华为AI CloudMatrix挑战英伟达GB200:技术突破与争议并存
  • 英伟达新款芯片在AI训练中取得突破:算力效率再升级
  • Tom’s Guide AI Awards 2025:最佳AI设备与工具揭晓,GPU性能成焦点
  • 英伟达持续领跑AI芯片市场:Blackwell架构创新再掀热潮
  • AMD推出Ryzen Threadripper 9000系列处理器:为AI与专业工作负载注入新动力
  • 英伟达发布GeForce RTX 5060笔记本电脑GPU:游戏与创作性能再突破
  • 英伟达计划推出符合出口管制的H20芯片改版:应对政策挑战,稳固中国市场
  • 华为自研GPU与英伟达GPU对比,究竟是什么样的水平?
  • 光计算机处理器突破:AI处理速度飙升至GPU的295倍,引领算力新纪元
  • Nvidia面临出口限制冲击:AI芯片霸主地位能否延续?
  • IBM深度学习芯片AIU的突破:企业AI的算力新星与技术挑战
  • 中国教育AI革命:算力驱动的未来与挑战
  • 算力服务器供应危机:Nvidia RTX 50 系列的辉煌掩盖了致命隐患?
  • 深度学习在生物研究中的突破——FragFold 的详细分析
  • DeepSeek 本地部署的行业应用建议:释放 AI 潜能的实用指南
  • DeepSeek 本地部署全攻略:从零到精通的保姆级教程
  • DeepSeek-R1优化突破:单卡4090也能跑满血大模型
  • 国产AI算力崛起:华为与伙伴联手挑战GPU霸主
  • DeepSeek从入门到精通——探索 DeepSeek本地部署的智能之旅
  • DeepSeek引发全球AI竞赛,低成本AI模型震撼业界

强哥聊算力

56
  • 基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署
  • 《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”
  • 《算力江湖·国产GPU突围:摩尔线程故事》第一集:从英伟达老将到国产GPU创业者:张建中为什么要做摩尔线程?
  • 《算力江湖·Intel帝国往事》第五集:AI时代迟到的巨人:Intel还能不能翻身?
  • 《算力江湖·Intel帝国往事》第一集:两个仙童“叛徒”,如何点燃硅谷第一王朝?
  • 《算力江湖·AMD逆袭史》第五集:AI时代,AMD还能不能撕开英伟达的护城河?
  • 《算力江湖·AMD逆袭史》第四集:苏姿丰接手时,AMD已经快没有退路了
  • 《算力江湖·AMD逆袭史》第三集:54亿美元买下ATI:神来之笔,还是自我拖累?
  • 《算力江湖·AMD逆袭史》第二集:K8一战封神:AMD第一次把Intel打疼了
  • 《算力江湖·国产算力突围:海光成长史》第五集:国产算力真正的突围,不是能用,而是好用、敢用、规模化
  • 《算力江湖·国产算力突围:海光成长史》第三集:从采购清单到机房业务,海光CPU怎样打进关键行业?
  • 《算力江湖·国产算力突围:海光成长史》第二集:拿到x86入场券,海光为什么选择最现实的突围路线?
  • 《算力江湖·英伟达传奇》第八集:一块GPU卖几十万,客户到底在买什么?
  • 《算力江湖·英伟达传奇》第七集:ChatGPT出现前夜,英伟达发生了什么?
  • 《算力江湖·英伟达传奇》第六集:AI爆发前,黄仁勋其实赌输了很多次
  • 《算力江湖·英伟达传奇》第五集:为什么AMD总差最后一口气?
  • 《算力江湖·英伟达传奇》第四集:CUDA到底厉害在哪里?强哥给你讲明白
  • 《算力江湖·英伟达传奇》第三集:很多人以为英伟达靠GPU成功,其实错了
  • 《算力江湖·英伟达传奇》第二集:创业第一款产品失败,为什么英伟达没有死?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第五集:国产GPU真正的突围:不是上市,也不是跑分,而是进机房长期跑起来
  • 《算力江湖·国产GPU突围:摩尔线程故事》第四集:从图形到AI:摩尔线程为什么必须冲进大模型赛道?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第三集:MUSA生态:国产GPU真正难的,不是芯片,是让开发者愿意用
  • 《算力江湖·Intel帝国往事》第四集:Intel最危险的傲慢:手机没上车,工艺也掉队了
  • 《算力江湖·Intel帝国往事》第三集:安迪·格鲁夫的铁血时代:Intel为什么能把对手逼到墙角?
  • 《算力江湖·Intel帝国往事》第二集:IBM递来一张船票,Intel坐上了PC时代的火箭
  • 《算力江湖·国产算力突围:海光成长史》第四集:AI时代不能只靠别人家的卡,海光DCU背后的国产算力野心
  • 《算力江湖·国产算力突围:海光成长史》第一集:被卡住的底层算力,为什么中国需要一个“海光”?
  • 《算力江湖·英伟达传奇》第一集:黄仁勋9岁被送错学校,这件事影响了英伟达30年
  • 高校科研 AI/GPU 服务器怎么选型?深耕算力交付多年,聊聊高校采购落地实操
  • AI训练服务器配置方案:为什么很多GPU服务器“参数很高”,实际训练效率却并不高?
  • 5090显卡服务器实测:为什么越来越多科研团队开始用5090做AI算力?
  • A100 GPU服务器科研团队交付案例:一套真正能长期稳定运行的科研算力平台,应该怎么做?
  • 网昱工作站推荐:国产海光平台的安全与性能双优选择
  • 算力服务器工作站厂商如何突破算力基础设施困境
  • 强哥看《Steam, Steel, and Infinite Minds》:AI 不是“无限心智”的降临,而是一场昂贵而现实的工业革命
  • 蒸汽、钢铁与无限心智(Steam, Steel, and Infinite Minds)全文
  • RTX 5090 vs A100:训练效率全面对比与实战建议
  • 高校 AI 算力平台部署全指南:强哥从技术与实践层面拆解方案
  • 强哥聊算力:从黄仁勋“五层结构”看中美 AI 竞争的真实落点
  • 2025 年高校科研 GPU 集群该怎么搭?避坑、选型、落地全干货
  • 高校 GPU 科研集群该怎么搭?强哥告诉你:别被参数忽悠,能跑实验才是硬道理
  • 为什么高校科研 GPU 集群总是不够用?强哥从底层架构讲清楚:该怎么搭,才能跑得快、跑得稳、还能扩展十年
  • NVIDIA 黄仁勋勾勒 AI 十年蓝图:6G、量子、机器人、自动驾驶 全面开花
  • 研究所的AI算力革命:强哥谈GPU服务器配置与科研场景方案
  • AI训练服务器推荐:高校科研的高效算力基石
  • GPU 服务器配置深度指南:我在高校科研一线的实战分享
  • ChatGPT 操作系统来临,科研算力体系迎来新拐点—— 从高校科研到企业创新,AI 平台化时代对GPU服务器的全新考验
  • 从显卡到架构:我这些年为科研团队搭建 AI 训练服务器的经验谈
  • 科研 GPU 服务器的性能、稳定性与故障率解析——强哥给科研团队的专业建议
  • 科研服务器性价比如何提升?高校与科研团队选型指南
  • AI训练服务器显卡配置怎么选?最新5090方案深度解析来了!
  • AI服务器租赁 vs 自建成本分析:2025年技术选型与优化指南
  • 高性能 GPU 服务器价格深度解析:科研团队如何选到合适的方案
  • AI服务器如何选?强哥带你看懂英伟达 DGX、HGX 与 MGX 的真正区别
  • RTX 5090 vs 专业级算力卡:科研与AI训练如何选型最优?
View Categories

《算力江湖·Intel帝国往事》第二集:IBM递来一张船票,Intel坐上了PC时代的火箭

网昱智算
《算力江湖·Intel帝国往事》第二集:IBM递来一张船票,Intel坐上了PC时代的火箭
强哥聊算力 · 《算力江湖·Intel帝国往事》第二集:IBM递来一张船票,Intel坐上了PC时代的火箭

本集导读:上一集我们讲到,Intel并不是一开始就靠CPU起家的。它最早是从存储芯片做起,后来因为日本Busicom计算器项目,意外做出了Intel 4004,把一颗原本服务计算器的芯片,变成了微处理器时代的起点。但有了处理器,并不等于就能统治世界。一个新技术要真正…

大家好,我是强哥。上一集我们讲到,Intel并不是一开始就靠CPU起家的。它最早是从存储芯片做起,后来因为日本Busicom计算器项目,意外做出了Intel 4004,把一颗原本服务计算器的芯片,变成了微处理器时代的起点。但有了处理器,并不等于就能统治世界。一个新技术要真正改变产业,光靠自己厉害还不够,它还需要一个舞台。对Intel来说,这个舞台后来不是别人给的,而是IBM递过来的。

时间来到上世纪80年代。那时候的IBM,是计算机行业真正的大哥大。今天很多年轻人听到IBM,可能想到的是服务器、咨询、企业服务,但在当年,IBM几乎就是“计算机”三个字本身。大型机、小型机、企业计算,IBM都有极强影响力。可是到了个人电脑开始冒头的时候,IBM也感受到了压力。苹果、Commodore、Tandy这些公司已经在个人电脑市场上活跃起来,IBM如果再不进场,就可能错过下一代计算平台。

问题是,IBM这样的巨头,一旦决定做个人电脑,动作必须快。按照IBM过去那种大公司研发流程,从头到尾自己设计、自己制造、自己慢慢打磨,可能产品还没出来,市场就被别人抢走了。所以IBM这一次做了一个很关键的决定:不完全自己造,而是大量采用外部现成零部件。操作系统找外部公司,处理器也找外部供应商。正是这个决定,把Intel推到了命运的十字路口。

IBM最终选择了Intel 8088处理器。今天看这个选择,好像很自然,因为Intel后来太成功了。但站在当时看,它并不是唯一选择。市场上还有其他处理器方案,IBM也有自己的技术资源。可8088有几个现实优势:它和8086架构兼容,成本相对可控,外部总线设计也更适合IBM当时要快速推出产品的需求。简单说,它不一定是最完美的芯片,但它是那个时间点最合适的选择。

1981年,IBM PC正式发布。很多人当时可能没有意识到,这台机器会改变整个计算机产业。IBM的品牌太强了,它一进入个人电脑市场,就给了PC一个巨大的合法性。过去个人电脑可能还像爱好者玩具,IBM一来,企业客户、办公室、学校都开始认真看待它。而IBM PC里面那颗Intel处理器,也跟着一起获得了历史级别的曝光。

更关键的是,IBM PC采用了相对开放的架构。它用了外部处理器,外部操作系统,很多硬件规范也逐渐被市场模仿。结果很快出现了大量兼容机厂商。别人不一定能造IBM,但可以造“兼容IBM PC”的电脑。于是整个产业开始围绕IBM PC标准扩张,而这个标准背后绕不开两样东西:微软的操作系统,Intel的处理器。后来大家把这个联盟叫作“Wintel”,Windows加Intel。一个负责软件生态,一个负责硬件大脑,两家公司一起吃下了PC时代最大的红利。

这就是Intel真正起飞的地方。它不只是卖了一颗芯片给IBM,而是借IBM PC这艘大船,进入了整个个人电脑产业的核心位置。只要兼容机越来越多,只要Windows生态越来越大,只要软件开发者围绕x86写程序,Intel的地位就越来越稳。你看,这和我们之前讲英伟达有点像。硬件本身很重要,但真正可怕的是行业标准和生态。一旦大量软件、厂商、用户都围绕你的架构运转,你就不再只是供应商,而变成了产业底座。

我做IT二十多年,对这种“标准”的力量感触很深。很多客户买设备,表面上问的是配置,实际上心里想的是:这个东西是不是主流?后面有没有人维护?软件能不能跑?出了问题有没有经验?为什么很多企业宁愿选择成熟平台,而不是选择看起来参数更漂亮的冷门方案?因为生产环境最怕不确定。Intel当年吃到的,就是这种主流标准的红利。一旦x86成了PC世界的主流,后面每一代升级,Intel都站在最有利的位置上。

当然,仅仅进入IBM PC还不够。Intel后来真正厉害的地方,是它不满足于躲在电脑里面当一个没人认识的芯片供应商。以前普通用户买电脑,关心品牌,关心屏幕,关心价格,很少有人知道里面用什么处理器。Intel意识到,如果芯片永远只是藏在机器里面,自己的品牌价值就很难直接影响消费者。于是后来Intel推出了非常经典的“Intel Inside”营销,把一个普通人看不见的芯片,变成了消费者买电脑时会主动关注的标志。

这件事在当时非常有创造性。因为Intel不是卖整机的,它只是电脑里面的一个部件。但通过Intel Inside,它让用户形成了一个心理认知:只要电脑上贴着Intel标志,就代表性能可靠、技术先进、值得信任。你可以想象一下,一个原本藏在机箱里的芯片,突然变成了大众品牌,这在工业品营销里是非常厉害的一招。后来很多公司都想学这种“成分品牌”,但真正做到Intel这个级别的并不多。

所以Intel在PC时代的成功,不是单靠一颗8088,也不是单靠某一代处理器性能强。它抓住的是三个东西:IBM给它的历史入场券,x86兼容生态带来的长期绑定,以及Intel Inside把技术品牌推到消费者面前。技术、标准、品牌三件事叠在一起,才把Intel推上了PC时代的王座。

这一集我们要记住的,不是IBM选了Intel这么简单,而是一个产业标准是怎样形成的。很多伟大的公司,最关键的时刻并不是自己站在舞台中央,而是被另一个巨头带进了主舞台。Intel坐上IBM这艘船以后,才真正进入了大众计算世界。后来的故事,就是它如何从一个重要供应商,慢慢变成整个PC产业绕不开的芯片帝国。

我是强哥。下一集我们继续讲Intel最强势的时代。一个叫安迪·格鲁夫的人登场以后,Intel开始变得越来越硬,越来越狠,也越来越像一个真正的芯片帝国。但这个帝国最关键的一次转身,不是进攻,而是放弃。它必须亲手砍掉自己起家的存储业务,才能全力押注微处理器。这个决定,几乎决定了Intel后面几十年的命运。


如果你正在规划 GPU 服务器、AI 工作站或本地算力平台,可以查看网昱智算 GPU 服务器产品,也可以联系方案工程师沟通具体场景。

返回「强哥聊算力」栏目

继续阅读同栏目文章
需要配置建议,联系方案工程师
  • 基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署基层医疗机构算力支撑落地案例|新津卫生院2U双路机架服务器部署
  • 《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?《算力江湖·AMD逆袭史》第一集:硅谷最会卖梦的人,如何创办AMD?
  • 《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”《算力江湖·国产GPU突围:摩尔线程故事》第二集:国产GPU为什么不能只会跑AI?摩尔线程押注“全功能GPU”

产品中心

  • 算力服务器
  • 算力工作站
  • AI服务器
  • 静音工作站
  • GPU服务器

解决方案

  • 高校智慧教育
  • 企业智能制造
  • 互联网计算平台
  • 智能公共算力

联系我们

  • 销售电话:18608014545
  • 服务热线:4000 4545 11
  • 商务合作:(028) 85571106
  • qm@2008qm.com

Copyright © 2026 网昱智算 蜀ICP备08100424号