核心观点 - 英伟达GPU在理论上没有技术秘密，容易复制，但实际的护城河在于工程实现、团队磨合、技术迭代和生态积累，追赶需要时间[1] - DeepSeek的实践证明，不依赖最顶尖的英伟达硬件，通过深入优化算法和架构，同样可以做出有竞争力的大模型，这为国产大模型行业提供了破局思路[2] - 追赶英伟达的更务实路径并非从零开始重复研发GPU，而是发挥架构整合优势，通过软硬协同模式整合国产芯片资源，快速形成竞争力[3] 对英伟达技术壁垒的分析 - 英伟达显卡在理论上没有任何技术秘密，很容易复制[1] - 实际的护城河很宽，主要体现在重新组织团队以及追赶下一代技术都需要时间[1] - 技术原理公开与工程实现存在壁垒，前者可通过论文和专利快速学习，后者需要长期的团队磨合、技术迭代和生态积累[1] DeepSeek的实践与破局意义 - DeepSeek用远低于行业平均的英伟达显卡数量，训练出了对标GPT-4的模型[1] - 其实践打破了“没有英伟达顶级GPU就做不出顶级模型”的硬件焦虑，为国内创业者和研发团队提供了信心[2] - 核心在于把算法和架构做透，而非依赖最顶尖的硬件[2] “一云多芯”与软硬协同模式 - DeepSeek团队实践了“一云多芯”，其异构计算调度引擎能适配不同芯片[2] - 团队与华为昇腾等国产芯片深度合作，在自动驾驶等场景实现了算力成本大幅下降[2] - 通过PTX汇编级优化和异构计算调度引擎，让模型能高效运行在华为昇腾等多款国产芯片上，实测性能接近英伟达GPU[3] - 这种技术路径直接推动了国内企业摆脱对英伟达GPU的单一依赖，与华为昇腾芯片出货量的大幅增长有密切关系[3] 对国产GPU发展路径的见解 - 让梁文峰主导GPU芯片开发以追赶英伟达被视作一个伪命题[3] - 其核心优势在于吃透底层逻辑后整合国产资源，而非重复造轮子[3] - 单独研发GPU需要巨额资金、技术投入和漫长周期，当前阶段完全没必要走这条老路[3] - 英伟达已抢占GPU主导AI算力的先发优势，后来者再走同一条赛道时间成本过高[3] - 更务实的模式是发挥架构整合优势，对接国内多家企业正在推进的GPU研发成果，通过协同模式快速形成竞争力[3]