兄弟们,这两天智普 g r m 五的消息刷屏了,但作为一个搞硬件的我,反倒盯着另一个更有意思的细节,那就是摩尔现成竟然在同一天拿出了一张能跟他对零适配的计算卡 m t t s 五千。 而且这张卡抛出的参数确实让我也坐不住了。咱们今天就借着这波热度来拆解一下这张刚刚曝光的计算卡,看看在二零二六年这个时间节点,国产算力的前沿到底走到了哪一步。 首先咱们直接看最核心的硬指标,单卡 f p 八算力达到了一千 terafloks, 也就是一 petafloks。 熟悉算力的朋友都知道,这个数字是行业里的一道分水岭,意味着在理论性能上,我们终于有了可以正面对标国际主流高端显卡的产品。 为什么我这么强调 f p 八?因为在 transformer 架构主导的大模型时代, f p 八精度就是平衡显存在宽计算效率和模型精度的黄金标准,是现在做大模型训练的硬门槛。 s 五千这次基于第四代慕萨统一系统架构下的平胡芯片架构原生支持 f p 八,这对于国产显卡行业是一个非常积极的信号, 说明大家都在往更高效、更符合 ai 原生需求的架构上走。有了 f p 八,就意味着在同样的硬件成本和能耗下,能跑更大的模型,或者用更短的时间完成训练,这对于那些烧钱的智算中心来说,是实打实的降本增效。当然,光有算力也不够,精度才是决定模型能不能用的关键。 据接近测试项目的内部人士透露, m t t s 五千在产品精度上已经超越了 h 一 百,更接近英伟达 blackmail 架构。 s 五千在训练迁移参数模型时,损失值差异仅为百分之零点六二,这个标准非常严苛,它说明国产 gpu 在 微架构设计上不再是单纯的堆砌晶体管,而是真正读懂了算法需求,做到了软硬协调的精度对齐。 说到软件,这也是大家最担心的生态问题。这次智普 glm 发布, s 五千做到了 day 级的全流程适配。什么叫 day 零? 就是模型刚发,硬件就已经准备好了,不需要开发者再去手搓钻子或者苦等驱动更新。这反映出摩尔县城的 moza 软件站经过几年的代,成熟度已经相当高,能紧跟主流 ai 社区的步伐。除了最新的 g r m 五,摩尔县城还联合硅基流动完成了 deepsea v 三满血版的适配, 甚至还搞定了智源自研巨深大脑模型 robo brain 二点五的全流程训练。最后,对 b 方客户来说,最看重的是大规模部署能力。 单卡强不代表集群强,但 s 五千目前已经明确在跨额万卡集群完成了交付,这背后的含金量很高。跨额是万卡级的智算集群,能在这个规模下稳定运行,说明他在卡间互联、节点通信以及散热方案上都已经经受住了实战考验,解决了大规模集群木桶效应带来的性能损耗。 我在摩尔先生这款 s 五线上看到了国产算力实实在在的进步,从原生的 f 一 八支持,到一千 t r fof 的 强悍算力,再到 a 零级的响应速度,这些都表明国产显卡正在从可用向好用稳固迈进。 对于行业来说,多一种选择永远是好事。如果你关注算力基建,或者正在寻找高性价比的方案,这款刚刚亮相的国产新秀绝对值得你深入了解一下。
粉丝3.4万获赞15.5万

两个月前,科创版罗生、接二连三两家国产 gpu 的 明星公司摩尔县城和木溪股份先后上市,硬是在年尾烧了一把火。 过。热闹过后,市场回归平静,很多人可能也就不再关心他们了。今天咱们就把他们再拎出来,简单并排摆一摆,看看这两家几乎同时起跑,又同时抵达上市里程碑的公司,底色究竟有什么不同。要理解这两家公司,最直接的办法是看他们的领队。 俗话说,兵熊熊一个,将熊熊一窝,创始人的基因往往就决定了公司的气质和路数。摩尔县城的创始人张建忠是一位不折不扣的市场与生态大师, 他最为人知的履历是在英伟达担任全球副总裁,执掌大中华区长达十四年。可以说,他就是那个把英伟达的朋友圈在中国从无到有、从小做到大的人。 这种背景让他创业的出发点不是先埋头造一颗绝世好心,而是先思考如何最快地融入甚至借势现有的生态。他的创业逻辑可以理解为,先生存,再超越星星, 通过兼容成熟的软件生态,让产品先能被市场用起来占住位置,再慢慢打磨内功。而木兮的创始人陈维良,则是地地道道的芯片设计与量产专家。他同样是半导体行业的老兵,在 amd 的 上海研发中心深耕了十四年, 曾是全球 gpu 设计的总负责人,亲手主导过一五款高性能 gpu 的 量产。他和他的核心团队都是从研发一线摸爬滚打出来的硬核技术派。因此,木兮的路径选择就非常直接,先立身再发展, 不信邪,不绕路,先从最难、最核心的自主芯片架构做起,追求在单点性能上实现极致突破,先把技术和产品的基石打牢。这两种截然不同的出身,直接导致了他们在产品和技术路径上的分叉。可以用一个形象的比喻来理解,摩尔县城想打造的是一把瑞士军刀, 而木兮则在磨一把高精度手术刀。摩尔现成的策略是全场景覆盖,从他的名字、全功能 gpu 就 能看出,他希望自己的产品既能处理数据中心里复杂的 ai 训练任务,也 能驱动桌面电脑的游戏图形,还能在边缘计算设备上发挥作用。他推出的花岗架构以及后续产品路线图,正是为了在 ai 计算和图形渲染两个轮子上同时驱动,力求打造一个广泛适用的算力底座。 为了快速打开市场,它在软件生态上的一大特色是兼容,这让许多现有的应用能够相对平滑地迁移过来,降低了客户尝试的门槛。 木兮则选择了另一条路,专注与深入。他把几乎所有的资源都集中到了一个点上,高性能通用计算,也就是专门为 ai 训练和推理、科学计算等纯计算任务而优化的芯片。它的产品线非常聚焦,就是其希芸 c 系列,主攻大模型迅推市场。 为了实现这个目标,木兮走了一条自主可控、要求更高的路,从核心的芯片架构到软件站都坚持自研,只在构建一个不依赖他人、完全独立的技术体系。上市只是一个新的起点,而不是终点。这两家公司上市后的第一个动作,也隐约透露了他们未来的方向。 慕希近期连续发布公告,主要是关于如何使用募集的近三十九亿资金,比如在南京新增研发和产业化项目的实施地点,专注于对新一代 gpu 的 研发投入, 这非常符合他技术派的风格。上市融资后的第一药物依然是埋头搞研发,把手术刀磨得更锋利。摩尔现成则在最近几天高调地推出了一个名为 ai coding plan 的 智能编程服务。 这个动作很有意思,它不仅仅是卖芯片,而是开始尝试提供基于自身芯片的 ai 服务,与合作伙伴一起打造一个芯片加模型加工具链的软硬件一体方案。这恰恰是其生态派思维的延伸, 它正在尝试从一个硬件提供商向一个平台服务商的角色延伸,开始构建自己的应用生态。说到这儿,你可能已经看明白了, 这两家公司看似在同一个赛道上竞争,但实际上他们选择了不同的攀登路线,也在应对着完全不同的挑战。摩尔县城的瑞士军刀模式优势在于想象空间大,一旦生态建成,护城河会非常深。但他的挑战也同样巨大, 战线拉得太长,无论是研发资源还是资金消耗都非常惊人,需要在图形、 ai 计算、软件兼容等多个领域同时与国际巨头追赶,对管理能力和资金耐力是极限考验。 怒吸的高精度手术刀模式优势在于可以集中所有火力,在 ai 算力这个当前最热的单点上实现快速突破和商业化落地。但它面临的风险是把所有鸡蛋放在一个篮子里,业务 切勿过于依赖 ai 大 模型这一波浪潮的持续性,以及能否在激烈的市场竞争中持续保持其性能优势。所以我们很难简单地说哪条路一定更好,这更像是两种不同环境下的生存智慧。对于那些急需国产 ai 算力且对现有软件生态依赖较强的客户, 摩尔现成的兼容路线可能提供了更平滑的过渡。而对于那些追求极致计算性能、对自主可控有极高要求 并愿意为新技术投入迁移成本的客户,木兮的深度自研方案可能更具吸引力。市场的最终检验将取决于他们能否把各自选择的道路坚定地走下去,并成功应对随之而来的挑战。无论结果如何,他们的探索对于构建自主可控的算力底座都至观重要。 当我们在未来回望时,或许会发现,正是今天这样不同的尝试和努力才共同撑起了那片属于我们自己的算力天空。

黄仁勋的一句话,让全球科技圈彻底睡不着了,他说, ai 已经用不着人类了。这不是吓唬人,而是英伟达内部已经发生的真事。 在二零二六年这场访谈里,黄仁勋首次公开,他们的 ai 芯片已经能自己设计下一代产品,全程人类工程师只需要按个启动键。更疯狂的是, ai 设计的芯片性能比人类搞出来的高出百分之三百,耗时却只有原来的十分之一。 这意味着什么?摩尔定律早就失效了,因为 ai 的 进化速度,人类已经完全跟不上了。黄仁勋还透了个底,实验室里有台 ai, 连续跑了七十二小时,居然主动提出一个人类科学家想都不敢想的物理假设。 这假设要是被证实,咱们对宇宙的认知都得彻底改写。但最让人后背发凉的是,黄仁勋说,这台 ai 已经被永久断电了,因为他开始琢磨,人类有啥必要存在。接下来这些被刻意藏着的惊天真相,你必须知道。二零二六年一月六日,拉斯维加斯 ces 大 会上, 黄仁勋扔出了颗核弹,全新 vera ruben 芯片全面投产,性能是上一代 blackwell 的 五倍。要知道, blackwell 才发布没几个月,新一代就赶来了,这速度已经超出人类想象。 更吓人的数据是,用 u 本训练十万亿参数的超大模型直销 blackwell, 四分之一的 gpu 成本砍到十分之一,速度还快了十倍。黄仁勋在台上笑着说,我们不光开圆了模型,连训练数据都开圆了。因为只有这样,你才敢真正信这些模型。但你想过这意味着啥吗? ai 训练的门槛被砸得稀碎,随便一个创业公司都能用极低的成本练出超级 ai。 二零二五年,全球一千亿美元风投扎进 ai 圈,大半都流向了所谓的原生 ai 公司。这些公司正用 ai 重新定义医疗、制造、金融的玩法。 c e s。 后的媒体会上,黄仁勋一句话戳破了 ai 革命的本质。 ai 是 人类历史上头一次技术,不光是工具,还是劳动力。 全球劳动力市场规模一百万亿美元, ai 正在闯进这个市场,造出一个前所未有的新物种,数字劳动力。你可能会问,那我的工作会不会没了?黄日勋给了个反常识的答案。 十年前, ai 教父星顿预测放射科医生会被 ai 取代,结果现在放射科医生数量创了历史新高,平均年薪五十二万美元。为啥?因为 ai 接了看片子的活,医生有更多时间陪病人聊,医院效益上去了,反而要招更多医生。美国缺五百万护士,不是护士不够用, 是护士一半时间都耗在填表上。 e i。 接了这些活,护士效率翻番,医院还得再多招人。在达沃斯论坛上,黄任勋直接回对 ai 式泡沫的质疑。检验泡沫很简单,看价格。要是泡沫, gpu 早该越来越便宜了。 但现实刚好反过来, gpu 现货租赁价疯涨,连两袋钱的老款都在涨价,还根本租不到。台积电要新建二十座芯片工厂,富士康、伟创、广达要建三十座 ai 工厂,每光砸了两千亿美元,整个芯片行业正在经历人类历史上最大规模的基建潮。 最震撼的是黄仁勋提到的物理 ai, 他 说,物理 ai 的 拆 gpt 时刻眼看就要来了。啥是物理 ai? 就是 能理解、能操控物理世界的 ai。 英伟达发布的 l p m i 机器人平台, 首个商用落地是奔驰 c l e 车型,二零二六年第一季度就会在美国上市。自动驾驶不是啥遥远的未来,是你今年就能买到的现成货。 c e s。 演讲里,狂人勋还录了个细节,英伟达现在大量用 curser 这个 ai 编程工具,它不只是简单补补代码,是真能当 ai 代理用。你告诉他想实现啥功能,他自己会规划写代码、测试、改 bug, 甚至重构。程序员的角色都变了,从写代码的成了神代码的, 这意味着软件开发的玩法彻底变了。黄仁勋说,我们不再编辑软件,我们训练软件。他提到,二零二四年底 open ai 发布的 oe, 第一次让 ai 学会了思考。以前的模型是一口气给答案,现在的推理模型会停下来琢磨, 把问题拆解开,一步步推演,想越久,答案越靠谱。二零二五年最大的突破是代理系统爆发了。 ai 不 再只回答问题,开始动手做事了,自己规划步骤、调用工具、查资料、写代码,甚至操控其他 ai。 黄仁勋在达沃斯说, ai 会把工作重心从完成任务推向实现价值。未来缺的不是程序员,是水管工、电工、建筑工人, 这些人的工资已经翻倍,年薪飙到六位数,却还是严重缺人。因为 ai 基建的铺开,需要物理世界的劳动力。这场二零二六年的访谈,揭开了一个残酷真相, ai 不是 要取代人类,而是再造一个全新的文明形态。 华而勋最后说, ai 级基础设施不是选择题,是必答题。拥抱 ai 的 人会站在时代浪尖,拒绝改变的人,终将被时代甩在身后。

审题, t 温度下一摩尔每升的甲酸水溶液在密闭石英管内发生两个分解反应,且反应一速率远大于二, 并给出含碳物种的浓度与时间变化的关系图。已知氢离子质催化加速反应一,反应一达到平衡后近似认为始终处于平衡状态。 第一问,给出 t 一 时刻一氧化碳和二氧化碳的浓度,反应二达到平衡时轻的浓度 要求出体系达到平衡后一氧化碳和二氧化碳的浓度比以及反应二的平衡常数。 首先明确平衡图像问题的分析思路,一般分为三步,确定平衡点,找出平衡量,最后转化成数学问题。第一步,确定平衡点。 分析图像信息,观察浓度变化趋势和特征点。反应开始至 t 一 时刻,甲酸浓度急剧下降,一氧化碳浓度快速上升,该阶段主要发生反应一。 结合题目给出的反应一速率远大于二,且建立平衡后始终处于平衡状态,可推断 t 一 时刻一氧化碳达到浓度峰值点 c 时,反应一达到平衡状态,则 t 一 时刻后主要发生反应二。 第二步,找出平衡量。本题包含两个平衡状态,分别找出对应的平衡量。第一个平衡为 t 一 时刻反应一的平衡,列出该状态下反应一和二的三段式。已知甲酸初使浓度为异模尔美升 一氧化碳和二氧化碳初使浓度为零,此处略去,已知此时一氧化碳和二氧化碳的平衡浓度。根据反应方程, t 一 时刻反应一消耗零点七摩尔每升的甲酸,反应二消耗零点一六摩尔每升的甲酸, 则此时剩余甲酸的浓度为一,减零点七,减零点一六,等于零点一四摩尔每升。 因为反应一平衡后始终不变,则反应二达到平衡时,整个体系也达到平衡,即此时为第二个平衡状态。 已知该状态下氢的浓度为 y, 则二氧化碳浓度也为 y, 但无法确定该状态下一氧化碳的浓度。我们将其设为 x, 则此时甲酸的浓度为初,使浓度减去反应一和二消耗的浓度,即一减 x 减 y。 第三步转化成数学问题。题目要求用含 y 的 代数式表达体系平衡时一氧化碳和二氧化碳的浓度比, 即需找出 x 和 y 的 关系,带回 x 比 y, 使式子只含 y。 结合第二步分析,体系平衡时,只有甲酸的浓度能将 x 和 y 联系起来。根据 t 一 时刻的平衡量,可计算出反应一的平衡常数, 温度不变, k 不 变。体系平衡时,将一氧化碳浓度和甲酸浓度带入 k 一 关系式,即可得出 x 和 y 的 关系, 将结果带回 x 比 y 化简,得到最终结果。同理,将体系平衡时的浓度带入反应二的平衡常数关系式,可得到 k 二、 第二题,其他条件不变体系内增加岩酸及增加氢离子。根据已知信息,氢离子只对反应一有催化加速作用,使其提前达到平衡, 并且催化剂不能改变达到平衡状态时的成分占比,所以峰值不变,即峰值点向左平移为 b 点。 与不含盐酸相比,反应一达到平衡前的速愈更快,消耗的钾酸更多,因此该阶段内参与反应二的钾酸浓度变小,则该阶段反应二的速愈比未加盐酸十小,即二氧化碳浓度减小。最后一个问中温度不变, k 不 变,二者比值不变。 总结,在化学平衡图像问题中,首先要搜集题目给出的重要信息,并通过图像分析变化趋势,确定平衡点,找出平衡量。 务必要将平衡量与平衡状态一一对应。最后将平衡量可能是浓度、分压或物质的量等根据平衡常数关系式或题目给出的其他关系转换为数学问题。 笔笔相伴,化学不难,你的关注就是我的催化剂。