从核心算法对比NPU和GPU设计难度，结论是算法涵盖范围起码差了一个量级，能做GPU的公司设计NPU简直小菜一碟
快兔充电
· 上海
10年来人工智能革命来自于这个多头注意力核心公式，让各单词三维向量化，通过运算，让电脑理解文章各单词之间语意相关性，并能写出新文章
这个就是核心算法运作的图示
一张图就说明问题了
可以看出人工智能的核心算法全部是矩阵乘法
也就是说针对transformer人工智能算法设计的NPU芯片
只要在电路板上固化设计一种算法就行，也就是矩阵乘法
在有限的晶圆面积上，尽可能多的，并行布置，矩阵乘法运算单元就行了
所以NPU这种电路板设计我觉得是个芯片设计公司就能搞，没有什么门槛
相反，GPU芯片的核心运算是生成模型的造型的顶点运算，和像素着色
GPU顶点运算单元通过三角形的顶点运算，
实时运算出需要渲染的三维模型造型骨架
把造型模型格栅化，像素化以后，
每个像素的根据表皮材质，光照，凹凸，肌理，透明程度，光线追踪
综合运算以后，
GPU像素着色运算单元
把每个像素的着色渲染
然后把每个像素组合成一个1080p或者4k的图像，
然后逐帧播放给显示屏
这就是GPU芯片运作的基本原理
这个从算法原理来说，GPU和NPU芯片计算单元完全不是一个量级的设计难度
怪不得世界上能独立研发桌面级GPU芯片的就只有
从算术原理上来说，这个难度差起码一个量级
能设计GPU芯片的公司设计NPU芯片简直小菜一碟
这前三家
英伟达和AMD都已经被下游的人工智能大模型公司投资和互换股份，大涨一波了
国内人工智能大模型公司想和上游GPU芯片公司进捆绑的话，
只有东芯砺算这一家可以选择
照Open AI和英伟达的勾结来看，
这里猜测一下，国内的剧本该不会DeepSeek偷偷跑上海和东芯芯股份进行合资换股吧
如果DeepSeek和东芯股份进行换股合资的话，这个想象力几乎是空前大的