导读：很多人认为，国产GPU最大的难点就是芯片设计。毕竟GPU这种东西，几十亿晶体管，复杂的架构设计，再加上先进制造工艺，任何一个环节出问题，都可能导致整个项目失败。但如果真正站在算力行业来看，我觉得芯片设计其实只是第一关。GPU行业最残酷的地方在于：你造出一颗GPU，并不代表有人…
编辑说明：本文根据原专题口播内容整理为文章版，保留原有观点和叙事顺序，并对段落表达做了阅读化处理。
上一集，我们讲到沐曦为什么会在英伟达已经建立GPU帝国之后，选择进入这个看似没有机会的市场。很多人认为，国产GPU最大的难点就是芯片设计。毕竟GPU这种东西，几十亿晶体管，复杂的架构设计，再加上先进制造工艺，任何一个环节出问题，都可能导致整个项目失败。但如果真正站在算力行业来看，我觉得芯片设计其实只是第一关。GPU行业最残酷的地方在于：你造出一颗GPU，并不代表有人会用。
这句话很多普通消费者可能不理解。比如我们买手机、买电脑，只要处理器性能强，跑分高，大家自然愿意购买。但AI计算完全不是这样。一块GPU插进服务器以后，如果开发者不知道怎么调用，软件跑不起来，模型无法训练，那么这块GPU再强，也只是一个昂贵的“电子零件”。这也是为什么英伟达真正厉害的地方，不只是做出了全球领先的GPU，而是在过去二十多年里，建立了一整套围绕GPU的生态。
很多人第一次听到CUDA这个词，是因为AI爆发以后。实际上，CUDA诞生的时间比ChatGPT早了十几年。2006年左右，英伟达推出CUDA。当时很多人并没有意识到，这个决定会改变整个计算行业。那个时候GPU主要还是服务游戏和图形领域，大家认为CPU才是计算机的大脑，GPU只是负责画面渲染的工具。但黄仁勋看到了一件事情。GPU虽然不是最擅长逻辑控制的芯片，但是它拥有大量并行计算单元。如果能够让开发者调用这些计算能力，那么GPU就可以从“画图工具”变成“通用计算平台”。
这个想法，当时其实非常冒险。因为它意味着英伟达必须投入大量资源开发软件工具，而软件生态的建设，是一个看不到短期收益的事情。但是多年以后，人们才发现，这是英伟达最关键的一步。今天为什么全球AI企业训练大模型，大量选择英伟达GPU？很多人回答：因为性能强。这个答案没有错，但不完整。真正的原因是：过去二十年，全世界大量开发者已经习惯了CUDA。高校学生学习人工智能，接触CUDA。
科研机构发表论文，使用CUDA。企业开发AI应用，基于CUDA。各种深度学习框架，优先适配CUDA。最终形成了一个巨大的生态闭环。这就像武侠小说里的门派。英伟达卖的不是一把剑，而是整个武林秘籍。别人想挑战它，不仅需要打造一把同样锋利的剑，还需要让整个江湖的人愿意改练新的功法。这就是国产GPU企业真正面对的挑战。我做服务器二十多年，对这个问题感触特别深。以前客户采购服务器，关注的是CPU型号、内存大小、硬盘容量。
后来GPU计算兴起以后，大家开始关注显卡型号。但是这几年AI爆发以后，客户问的问题越来越像软件工程师。“这个模型支持吗？”“PyTorch能不能跑？”“训练环境怎么迁移？”“以前的代码需要修改多少？”为什么？因为企业买GPU服务器，不是为了欣赏里面插了一张漂亮的显卡，而是为了完成任务。高校老师需要训练科研模型。企业需要部署AI应用。研究机构需要进行科学计算。
他们最关心的事情，是买回来以后能不能马上投入使用。所以，一块GPU真正进入市场，需要经历一个过程：芯片设计完成。软件平台完善。开发工具成熟。框架适配。客户验证。生态积累。少任何一个环节，都可能失败。这也是沐曦创业之后必须面对的问题。它选择的路线，是做通用GPU。这个方向最大的优势，是应用范围广。人工智能需要GPU。科学计算需要GPU。数字仿真需要GPU。图形渲染需要GPU。
未来机器人、自动驾驶，也需要GPU。但是通用GPU最大的难点，就是生态。如果做专用AI芯片，可以针对某一种算法优化。如果做通用GPU，就必须面对更复杂的软件环境。你不仅要让自己的芯片能够计算，还要让开发者愿意围绕它开发。这条路，英伟达已经走了二十多年。而沐曦，需要从零开始。那么国产GPU有没有机会？我觉得关键不是简单比较“谁的跑分更高”。因为芯片行业不是手机行业。
手机处理器今天发布，明年可能就换代。但是服务器和AI基础设施，一旦部署，就是几年甚至十年的周期。企业选择计算平台，会考虑长期稳定性。所以国产GPU真正需要解决的问题，是建立信任。这个信任包括：产品性能是否稳定。软件生态是否成熟。供应链是否可靠。技术支持是否完善。未来能不能持续升级。这也是为什么近年来国产GPU企业都在努力建设生态。因为大家逐渐认识到：芯片只是起点。
生态才是终点。从这个角度看，沐曦的发展故事，其实和当年的AMD有一点相似。AMD挑战Intel的时候，最大的困难不是设计一颗CPU，而是如何让客户相信，一个长期被Intel统治的市场，可以出现新的选择。今天国产GPU面对英伟达，也是类似的问题。不是没有技术人员。不是没有研发能力。而是需要时间。需要客户。需要开发者。需要整个产业链共同成长。当然，时代有时候会突然改变竞争格局。
在2018年左右，很多人可能觉得GPU市场已经没有机会。英伟达已经建立优势。AI需求还没有完全爆发。国产GPU创业风险巨大。但是几年以后，ChatGPT出现，大模型时代到来，全世界突然发现：算力，成为新的基础设施。GPU，从专业硬件变成了战略资源。过去很多没有被关注的问题，突然全部摆到了台面上。国产GPU，也迎来了新的历史机会。
下一集，我们继续讲沐曦真正的转折点：
《ChatGPT时代来了，国产GPU终于等到了自己的机会》为什么大模型改变了GPU竞争格局？为什么AI时代让中国重新思考算力供应链？沐曦又如何从一家创业公司，逐渐进入国产算力的大舞台？
如果你正在规划GPU服务器、AI工作站、本地大模型部署或科研算力平台，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。
相关关键词：沐曦、国产GPU、AI算力、强哥聊算力、算力江湖
