第34章 构建属于自己的生态
“我怎么觉得你就盼着这一天呢啊？”张建看着似笑非笑的纪弘，说话的语气都带着一点儿幽怨
“张总，说实话，仰人鼻息的感觉是不是不好受？而且，摩尔科技以兼容的方式利用英伟达CUDA的生态，效率也不尽如人意，性能损失也很大吧？”
纪弘正色起来：“要我说，倒不如直接断了，构建真正属于我们自己的生态”
“你说的倒是轻巧，CUDA英伟达早在2007年就推出来了，优化迭代了十好几近二十年才有如今的水平，是我们想搞就能搞的？
“诚然，CUDA的理念并不复杂，本质就是一个帮助开发者构建自己应用的GPU编程服务简易API接口
“就算是内里的运算架构，在内行人眼里，理念也几乎是透明的
“比如，AMD搞的所谓HIP，就是提供了一种类似于CUDA的编程接口甚至，语法和编程模式都和CUDA一模一样
“但效果怎么样呢？投入巨量人员和资金，但竞争力还是不行再说了，我们之前有得用，就没有在这一块儿上心”
“其实就是想省成本”
纪弘算是听明白了，之前英伟达让用，这边也没有更多的资源和精力去搞这个，就先凑合用了，他接着说道：
“我也能理解，毕竟当时你们的目标是能活十年，而且与英伟达关系也还好，也不用太过担心授权的问题”
“但，今时不同往日了”顿了一下，纪弘如此强调
张建心说，当然不同往日了，往日我们的目标是活着就好，现在搞得英伟达都急跳脚了：
“主要还是你这边【基于AI的GPU智慧调度】，训练卡应该也是能用的吧？
“CUDA只是以流处理核心为元单位对外开放的GPU编程接口
“这个时候，如果我们重新搞一套，完全用这个理念，其实意义不大，竞争力还是有限，AMD已经给我们打过样了，毕竟CUDA的生态早已经成型且非常完善，后来者很难去挑战”
“你是想问，能不能把GPU智慧调度的理念融入到我们的通用运算架构里是吧？”纪弘肯定道：“那必须能！”
张建不由得嘴角又抽了抽，能当然是好事儿，但是，我是不是又得割肉？
“我们其实可以从智算中心开始智算中心规模较大，现在都是一千张卡起步
“这里边不仅涉及到流处理单元，更是涉及千卡算力怎么利用和分配才能效率最大化的问题
“利用我们的AI核心能力进行智慧监测和算力综合分配，再加上基于AI调度的GPU运算架构，你大可以想想，那效率会怎么样！”
张建嘴角抽的更厉害了，心道：我不想听你画饼，只想听你想管我要多少钱！
“那，我们怎么合作？”
虽然知道自己不能