DeepSeek的Nature论文表明R1训练只用了512张英伟达H800算力卡80小时，H800和4090是同内核，同级别的卡
那理论上来说，国内只要达到4090的算力水平的内核
或者比4090稍微差4060水平，配一个86g以上的大显存
就能用这个国产的卡来进行DeepSeek的训练
东芯砺算的7G100显卡正好比4060稍强
而且从指令集到内核都是完全独立自主的
4090相比H800差的地方就是
一个显存大小。
二是卡卡之间互联的通信能力，
这个都不是芯片内核自身的问题，都是外围的设计，
尤其是PCB板设计，
所以当下东芯砺算这颗7G100的GPU芯片内核配上86GB显存，
用比nvlink铜缆链接更先进的亨通光电卡卡光通信技术，
比肩甚至超越H800，我觉得问题不大
这意味着东芯砺算7G100这款GPU内核芯片在PCB板上配上大显存，
在卡卡互联技术上，用上光通讯技术，
就能替掉甚至超越4090以及H800，为DeepSeek进行人工智能训练
如果一旦可行，东芯股份市值追平寒武纪和海光，6000个亿，完全没有任何
下面是H800和4090的参数对比
从算力一个角度来看的话，4090比H800还要更强一点，尤其是对人工智能训练至关重要的fp16，fp8运算
怪不得国内算力中心的4090卡现在极端紧缺，都是满租状态，好用实用
好的，以下是英伟达H800和GeForce RTX 4090算力参数的纯文本对比分析：
核心算力参数对比分析
1. FP32（单精度浮点）性能
· RTX 4090：约 83 TFLOPS。这个数值非常高，是游戏、图形渲染和AI推理的主要性能指标，体现了其在消费级市场的极致定位。
· H800：约 67 TFLOPS（利用稀疏性技术后）。单从数值上看，低于RTX 4090。这表明H800的设计重心并不在于最大化单精度性能。
2. AI算力（TF32/FP16/INT8等）
· 理论峰值：在TF32、FP16、BF16、INT8等AI常用的精度上，由于RTX 4090的核心频率更高，其纸面理论峰值算力（例如FP16约2.6 PetaFLOPS）甚至略高于H800（约1.98 PetaFLOPS）。
· 显存：H800配备80GB的HBM3显存，带宽极高，能轻松容纳超大型模型。而RTX 4090的24GB GDDR6X显存在处理当今最先进的大模型时已捉襟见肘。
· 扩展性：这是决定性因素。H800通过NVLink技术实现每卡900GB/s的互联带宽，使上百张卡能像一台巨无霸一样高效协同工作。而多张RTX 4090只能通过PCIe 4.0（仅64GB/s带宽）连接，通信瓶颈极其严重，无法进行大规模扩展训练。因此，H800在实际AI集群中的有效算力远非单卡峰值所能体现。
4. 互联带宽
· H800：采用NVLink 4.0技术，提供高达900GB/s的互联带宽。这是其能够构建高效计算集群的“超级高速公路”。
· RTX 4090：不支持多卡NVLink互联，多卡间通信完全依赖PCIe 4.0 x16通道，双向带宽仅约64GB/s。这条“普通城市道路”无法满足大规模并行计算的数据交换需求。
总结 从算力参数来看，
RTX 4090在面向游戏和图形的单精度（FP32）和AI低精度理论峰值上占有优势。