美国还憋了个大招？芯片铁幕降临后，科技捆仙锁登场了

　　我们发力芯片制造，却又不得不承认：美国还憋了个大招
　　事实上，略作稍微梳理下，就能清晰的发现：
　　从前面懂王开始的中美科技博弈，到如今尚在台面儿的摔王拜登先生，都在持续的加码着，一场本质由美式霸权加持的科技封锁！
　　一开始限制了高通、博通等供应元器件，彼时身处黑障区旋涡的华为，旗下海思半导体研发部门的女老大何庭波，曾喊出了备胎芯片一夜转正的口号。
　　随后就是，台积电被禁止代工华为海思的高端芯片，也曾让余承东公开表示叹息：没有同时布局芯片制造产业。
　　既然连美国都开始强调美芯美造，欧洲也尝试着推行其欧芯欧造，难道我们就不可以上马中芯中造？
　　当然可以，我们也是这样做的。
　　可问题是，即使是张汝京先生创办的中芯国际，后面甚至请芯片大佬梁孟松坐镇，依然被卡在了没有配套光刻机阶段！
　　几年前，我们秉承奉行市场全球化合作共赢初衷，向荷兰ASML订购的第一代EUV光刻机，在这个第三代都开始搬上产线的时局下，依然没有突破阻碍、无法正常交货。
　　半导体硅基材料芯片，EDA设计软件被限制、正常代工合作被限制，光刻胶等基础材料、光刻机等核心设备，同样也是妥妥的被限制！
　　对，自己研发的芯片造不出来，寻求代工还需要美国允许。
　　自己造？缺材料、缺设备这是芯片铁幕的冰山一角！
　　在芯片的科技争霸赛道上，我们需要耗费极高的精力，尽可能的缩小技术代差从芯片研发设计所需的EDA软件、到芯片制造所需的材料与设备，全产业链自主化。
　　然而，芯片铁幕降临后，美国还憋了个大招：科技捆仙锁登场了。
　　需要了解的是，早在2022年8月31日，美籍华人黄仁勋创办的英伟达，就透露了突然面临美国官方限制，停止向中企出售高端芯片的消息。
　　用于加速人工智能任务的，两代旗舰GPU计算芯片：A100、H100首当其冲！
　　至今尚且难以知晓，我们的互联网科技企业，彼时是否意识到了，问题的严重性
　　反倒是互联网上的许多网友，一度天真的以为，使用性能缩水版A800芯片，无非是需要采购更多数量、拼凑出同等级别的AI数据算力而已？
　　时间进入了2023年，早期曾获得马斯克注资扶持、后由盖茨的微软入局的OpenAI公司，将旗下ChatGPT（全名：ChatGenerativePretrainedTransformer）迅速爆火！
　　这项在2022年11月30日对外发布的技术，已经带给了外界极具降维打击的认知：
　　美国方面在2022年8月31日阻止英伟达向中企供应A100、H100高端芯片，辅以2022年11月30日微软OpenAI对外公布ChatGPT技术，显然是预谋的科技封锁！
　　技术达到ChaGPT级别的超级AI，至少需要7nm以下制程工艺、双精度FP64的AI训练芯片，满足推理运算的高端GPU
　　是的，已经被限制供应的英伟达A100，当仁不让站在了基础条件前排！
　　早在2016年8月，英伟达创始人黄仁勋，就曾携带一台DGX1超级计算机，前往彼时还有马斯克资本参与的OpenAI团队的办公大楼。
　　据了解，那台DGX1超级计算机，安装了8块P100级别的芯片。
　　英伟达旗下超过3000名工程师，耗费了近3年时间打造出来的。
　　要知道，仅仅是这台7年前的DGX1机器，就能将OpenAI原本需要1年时间的运算，压缩到短短30天左右谁能想象出，已经7年后的今天，A100芯片超算的数据能力？
　　对于先进的制程技术、领先工艺制造的芯片，恐怕并不是外界认为的，没有什么用节省的不止是电力资源、成本投入，还有更重要的数据运算能力，对等的进化时间！
　　微软公司接盘OpenAI团队后，为了满足ChaGPT技术的进化，已经部署了超过10000颗高端GPU芯片英伟达A100级别的数据中心。
　　每一次ChaGPT大模型的单次训练成本，基本达到了500万美元左右！
　　每天的运行成本也在10万美元左右，这是行业公认的基础门槛而已
　　来自TrendForce研究机构2023年3月1日的报告提到，测算处理1800亿个参数的GPT3。5大模型，即使是英伟达A100芯片压阵，所需要的数量也高达20000颗之多！
　　难道还有人，习惯性的认为，美国微软只有Windows系统、Office办公软件？
　　微软旗下Azure搭建的60多个数据中心，部署了几十万张数量的GPU数据运算芯片，高达24万人民币一张的英伟达H100芯片在内
　　已经为GPT4提供了6个月的技术模型训练的硬件支持，这已经不是简单拼数量就能解决的问题了，真不是。
　　如此强悍的GPU芯片，我们没有、也买不到，意味着拼数量都没门
　　实际上，2016年的黄仁勋牵手彼时马斯克的OpenAI还只是个其一！
　　2006年的黄仁勋就已经心血来潮就开始了CUDA技术标准开发
　　所谓CUDA（全名：ComputeUnifiedDeviceArchitecture），便是英伟达推出的通用并行计算架构运算平台。包含CUDA指令集（ISA）以及GPU内部的并行计算引擎。
　　2006年由英伟达开发的CUDA默默无闻？别开玩笑了。
　　2012年的ImageNet计算机视觉挑战赛上，来自多伦多大学的AlexKrizhevsky，就成功利用GPU驱动深度学习技术、辅以应为GTX580显卡，击败了其他的参赛对手。
　　各路的互联网IT科技巨头，彼时拿到都没有意识到，黄仁勋正在憋一个大招儿？
　　截至2023年的今天，使用量排前列的各类AI框架，几乎无一例外要支持CUDA，昭示着英伟达GPU芯片的不可或缺！
　　如果说，英伟达A100系列、H100系列，还只是芯片硬件级限制的话。
　　那么，英伟达打磨十年的CUDA框架，则是技术标准级的捆仙锁了。
　　当然了，即使是美国苹果公司，2008年闻着味儿搞出来的OpenCL规范，也不能与英伟达主导的CUDA相提并论
　　必须要承认，软件硬件培育起来的技术生态，真不是个那么容易逾越的鸿沟！
　　一定程度上，美国还真是憋了个大招：芯片铁幕降临后，科技捆仙锁登场了！
　　细看一下，之前的半导体芯片产业限制，再加上当前的GPT泰山压顶，软硬件全方面的围堵封锁，是不是像极了三体智子的那种存在？
　　还有业内消息提到：
　　除了限制高端芯片供应、芯片制造所需要的设备、用于芯片设计的EDA软件，就连我们租用美国企业现成的算力资源，也将要遭到所谓的美式霸权审查
　　也就不难发现了，我们太平洋彼岸的小美，似乎正在试图将我们的半导体产业、AI技术，锁死在一个做贼心虚了的美国、可以所谓保持领先的阶段。
　　全方位的技术降维打击意味着什么？
　　举个例子：上午大家都还在上小学，下午人家已经大学毕业了，我们还在吃零食
　　当然了，相信能够认识到这些问题的存在了，我们也会有相应的方案，即使艰难。
　　科技自主化，任重而道远。
　　作者：蔡发涛今日头条号内容