第509章 互相成就永远相信

互相成就，永远相信又沉默了数秒，马云终于从惊讶中回过神来。他没有立刻质疑，而是深吸了一口气，身体重新靠回椅背，手指在桌面上轻轻敲击著，目光复杂地看著江倾。“江总。”他缓缓开口，声音比刚才严肃了许多。“不是我不相信你，只是你这话说出口————确实有些骇人听闻。我再跟你确认一遍，刚才那些话，果真如此？”“当然。”江倾笑了笑，语气笃定。“我既然敢说，就有把握。马老师要不要听听，我的把握从哪来？”“洗耳恭听。”马云坐直身体，神情无比严肃。张建峰与在座的其他人也立刻竖起耳朵，生怕会漏掉一个字。王憷然同样悄然凑近了江倾一些，眼睛眨也不眨地盯著她，满眼期待。虽然听不懂，就是想听，想看他在自己擅长的领域闪闪发光的样子。江倾没有立刻解释技术，而是看向张建峰，先问了一个问题。“张院长，你们现在做晶片设计，用的eda工具，主要还是synopsys、cadnce、ntor这三家的吧？”张建峰立马点头。“是的，行业标准工具链，离不开它们。”“仿真验证用的平台呢？硬体加速器呢？”江倾接著问。“也主要是国外的解决方案。”张建峰如实回答，眉头皱起。“这也是我们效率瓶颈之一，很多时候工具链不顺手，或者某些高级功能被限制，很影响叠代速度。”江倾点点头，这才切入正题。“我的把握，来自几个方面。”他语气平和，像在陈述客观事实。“第一，工具链。无问从去年开始，就在自研一套针对ai晶片设计的eda工具，不是全功能替代，而是聚焦在我们最需要的高层次综合、特定架构优化和快速仿真验证上。目前内部测试版本，在特定任务上的效率，比传统工具链提升三到五倍。”张建峰的眼睛瞬间张大。“第二，架构创新。”江倾继续侃侃而谈。“英伟达的gpu架构固然强大，但它是通用架构，要兼顾图形渲染和通用计算。而ai晶片，尤其是训练晶片，计算模式有很强的规律性。我们基于万象模型对海量ai负载的分析，提炼出了一套更专用的稀疏计算、动态精度混合架构。纸面性能对比可能不直观，但实际跑典型ai训练任务，同等电晶体规模下，理论性能能提升百分之四十到六十。”“百分之四十到六十？”张建峰失声惊呼，随即意识到失态，连忙压低声音。