到底是DeepseekV4要发布，还是某花的950PR要PR发布，成天见到硬件芯片蹭大模型热度的PR稿子，相当诡异。。。

AI产业有一个逐渐发展的历史过程，不同时期会有不同的落地场景和商业模式，这些场景往往会反过来深刻影响技术路线的选择与资本开支的方向，形成复杂对的技术生态环境。

比如在“感知智能”时期，AI主战场是语音识别和影像处理，场景在安防监控、手机美图、指纹识别、面容解锁，拍月球出细节上，AI芯片和解决方案主要比拼CNN加速的算力。视觉识别智能可以直接换成钱，所以资本支出反应在算力芯片设计制造上就是卷积神经网络CNN的计算加速。比如在“决策智能”时期，AI主战场是读懂人心猜测用户意图的相关性数据挖掘，场景在搜索引擎、网络广告、内容精准分发、电商推荐，AI芯片和解决方案主要比拼密集访存的加速能力，重在“Embedding查表”和“特征交叉”，训练和部署推理更加倚重CPU集群和大规模内存管理技术，只有极少数巨头如亚马逊会设计专用ASIC芯片。搜广推都是互联网巨头利润最丰厚的地方，大量资本支出都烧在推荐算法和云计算平台上面。比如在“认知智能”时期，AI主战场是以大语言模型LLM为代表范式的生成式人工智能，场景已经全面扩展到聊天机器人、影像视频生成、编程智能体、龙虾🦞智能体、智能驾驶、具身机器人、Token流批发。AI芯片和解决方案主要比拼的就是Transformer架构下的加速计算能力，比如SoftMax……，这玩意跟CNN和RNN不是一个概念，要在超大规模高维语义空间内针对序列之间的张量距离做动态伸缩，目前人类科技的最佳实现方式就是通用GPU堆高带宽内存HBM，谷歌TPU本质上也是同样路线。换句话说，在认知智能时代，前两个时期技术积累的商业价值已经打了很大的折扣。这个很容易理解，经济基础决定上层建筑，商业模式决定技术路线，但是科技演进颠覆商业模式，自然而然地也否定了存量技术资产的商业价值。世界级头部大厂的HR部门曾经捅了个大篓子，实控人要求Allin AI，HR部门招揽了业界顶流人才，但是这个顶流是搞搜广推的顶流，搞LLM是新手，导致大厂进度落后，最后要最高层亲自出马解决问题，据说内部问责HR Head。时代更替，科技演进，人才如此，技术资产也是如此一来，芯片架构不适应技术演进趋势，但是钱还要继续挣，那么只有两条路：短期靠工程实现能力Caseby Case做优化，长期靠深度变革新架构从根本上解决问题。说了这么多，懂得自然懂，最后再说两句1、敢于自我革命当然是好事，科技竞争最后拼的是原始创新而不是工程实现。工程实现很重要，可以形成规模效应积蓄资源与力量，但是当我们面对重大范式转移的严峻挑战，决定性的因素是从第一性原理出发的原始创新。未来走在正确的方向上，比过去做过什么要更加重要。2、百年未有之大变局加速演进，中国崛起为世界科创中心，当然需要资本资源高度集中，为压强式突破创造条件。国际科创中心史诗级崛起，肯定不是靠一个两个公司或产品，科技创新需要顶流人才，但是不等于因循英雄史观过分商业化炒作，高原才是目的，高峰才有基础。国产算力硬件的群星闪耀是一件大好事，今天的中国多层次资本市场足以支持两位数的算力芯片公司群狼奔袭围剿狮王，改变市场格局。很多公司没有浪费资源去灌水炒作，正好说明开支结构相对健康。说完了，别杠，杠就是你们对，我不懂