芯片与算力

你在网页上敲一句话，几秒钟后文字一个个冒出来。这个过程里真正在干活的，是地球另一头某个机房里一排排嗡嗡响的机柜。这一节要做两件事：第一，把「算力」这个被说滥了的词拆开，让你知道它到底在数什么；第二，教你看懂厂商规格表——尤其是那些藏在数字旁边的小字。本节最重要的收获不是背下哪张卡多少 PFLOPS，而是学会三个英文词的分量：preliminary（初步数据）、expected（预期）、peak theoretical（峰值理论值）。看懂这三个词，你以后看任何硬件宣传都不容易被数字唬住。本节所有数字都注明「截至 2026 年 8 月 8 日」，因为它们全都会变；而查不到官方出处的地方，我们会明确留白，绝不用记忆填补。

先把「算力」翻译成大白话

「算力」这个词听着很玄，好像是某种神秘的能量。其实就是一个非常朴素的东西：一秒钟能做多少次算术题。就这么简单。

厂商用来标这件事的单位叫 FLOPS（Floating-point Operations Per Second，读作「弗洛普斯」，中文「每秒浮点运算次数」）。拆开看：Floating-point（浮点）指的是带小数点的数，比如 3.1415；Operations（运算）指一次加法或一次乘法；Per Second（每秒）就是每秒。所以 FLOPS 说白了就是「每秒能算多少道带小数的加减乘除」。

因为这个数字动辄天文数字，就得加词头。这套词头你在买硬盘时其实早就见过：

打个比方：如果 TFLOPS 是「一秒钟包一万亿个饺子」，那 PFLOPS 就是「一秒钟包一千万亿个」。这种数字大到已经失去日常直觉了，所以不必去感受它有多大，只要记住它们之间是每级一千倍的关系，看规格表时不会把 T 和 P 看混就够了。

这里必须交代一件诚实的事：本节没有取到 IEEE 或 ISO 这类标准机构对 FLOPS 的正式定义原文，所以上面的解释是按行业通行用法说的，不是引用标准。但「厂商如何使用这套单位」是有硬证据的——Google Cloud 的 TPU 官方文档同页并列标注了 TFLOPs、PFLOPs 和 TOPs，NVIDIA 的官方规格表同样区分 PFLOPS / TFLOPS / POPS / TOPS。这两家官方文档的写法，足以支撑「浮点用 FLOPS 家族、整数用 OPS 家族」这个结论。

没有精度的算力数字，是一句废话

这是本节第一个真正重要的知识点，而且是绝大多数科普文章会漏掉的。

如果有人问你「这张卡多少 TFLOPS」，这个问题本身就是不完整的，你没法回答。因为同一颗芯片，算不同「精度」的数时，速度差得非常远。

所谓精度（precision），说白了就是一个数用多少位来记。这件事在生活里有个完美对应：菜市场买菜的秤。卖白菜的电子秤精确到 5 克，卖黄金的天平精确到 0.001 克。相当于同一件「称重」的事，你可以用糙一点的工具快速做完，也可以用精密工具慢慢做。芯片也一样：

为什么大家越来越往「糙」的方向走？因为发现了一件很反常识的事：对大模型来说，把每个数记得那么精细基本是浪费。模型里有几千亿个参数，每个参数记糙一点带来的误差，会在这么大的规模下互相抵消掉一部分，最终答案的质量往下掉得很有限，但速度和省下的显存却是成倍的。

用照相馆打个比方：你拍一张全家福，用专业相机存成一张 80 MB 的原始文件，和存成一张 2 MB 的 JPG，挂在客厅墙上看几乎分辨不出差别。但那 2 MB 的版本，手机存得下几千张、发微信一秒就发出去了。本质上就是：在「肉眼看不出差别」的前提下，能省的都省掉。精度降低（业内叫量化，quantization）干的就是这件事，只不过这里的「肉眼」是模型的输出质量。

所以以后你看到「某卡 3600 PFLOPS」这种说法，第一反应应该是问：在什么精度下？如果对方说不出来，这个数字就没有讨论价值。官方规格表从来都是把精度写在数字旁边的，是转述的人把它丢了。

NVIDIA 当前的旗舰方案：Vera Rubin NVL72

先说清楚这一小节的性质：下面所有数字都来自 NVIDIA 官方页面，查询日期是 2026 年 8 月 8 日；而 NVIDIA 自己在规格表底下写了一行免责声明。我们先把这行声明摆在最前面，因为它决定了你该怎么理解后面的每个数字。

官方原文：「Preliminary information. All values are up to and subject to change.」翻译过来是「初步资料。所有数值均为『最高可达』，且可能变更。」

这行小字里有两个词要单独拎出来讲，因为它们改变了整张表的含义：

• preliminary（初步的）说白了就是「这还不是定稿」。这个词在硬件行业有明确分量：意味着产品还在爬产阶段，规格可能随批次、固件、散热方案调整。你不能拿它去做严格的性能承诺，只能当参考量级。
• up to（最高可达）这个词你在买宽带时天天见——「最高可达 1000 兆」。相当于说这是理想条件下的天花板，不是你日常能稳定拿到的值。实际跑起来受散热、功耗墙、任务类型影响，通常达不到。

把这两个限定词记牢了，再来看数字。官方规格（截至 2026 年 8 月 8 日）：

官方原文对整机的表述是：「NVFP4 Inference | 3,600 PFLOPS | 100 PFLOPS | 50 PFLOPS」以及「GPU Memory | Bandwidth | 20.7 TB HBM4 | 1,580 TB/s」。

这张表里最值得琢磨的是 FP64 那一行。同一颗芯片，标 NVFP4 时是 50 PFLOPS（也就是 50000 TFLOPS），标 FP64 时是 33 TFLOPS——差了一千五百倍。这不是笔误，这就是「精度决定速度」这件事最直观的证据。打个比方：让你估「这袋米大概几斤」，你一秒能估十袋；让你用天平精确到毫克，一袋要称五分钟。同一双手，同一件事，快慢差几千倍。

所以如果有人拿着 NVFP4 的数字去跟另一家的 FP64 数字比，那是在用估米的速度对比称金子的速度——这种对比每天都在网上发生。

「量产爬坡」这个状态说明了什么

NVIDIA 官方博客（2026 年 7 月 21 日）关于 Vera Rubin 的原文有两句值得注意：

第一句：「The NVIDIA Vera Rubin is ramping into full production, with Taiwan's top server makers and global supply chain leaders manufacturing at scale and shipping Vera Rubin-based systems」——正在进入满产爬坡，台湾主要服务器厂商与全球供应链在规模化制造并出货。

第二句：「Vera Rubin NVL72 production is ramping up with racks running at partners CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure and Nebius.」——机柜已在 CoreWeave、Google Cloud、Microsoft Azure、Oracle 云和 Nebius 这几家合作方运行。

「ramping into full production」（进入满产爬坡）这个说法值得单独解释一下，因为它和「已经大量供货」是两回事。用面包店打个比方：新店开业第一周，烤箱调温、配方微调、员工手生，每天只能出两百个面包；三个月后流程顺了，每天出两千个。「爬坡」指的就是那个从两百爬到两千的过程——产品是真的在卖，但你想买不一定马上有货。

另一个信息在字面之外：Blackwell 架构（上一代）的页面仍然挂在官网上，但数据中心首页「最新」那个位置已经换成了 Vera Rubin。这说明老产品并没有下架，只是不再是被首推的那一个。本质上就是汽车 4S 店的做法：新款摆在门口射灯下，老款挪到侧边，但你想买老款照样卖给你，而且往往还便宜些。

诚实交代一下可靠度分层：型号名与量产状态这两件事可靠度高（官方博客明确表述、有具体日期）；规格数值可靠度只能算中等（官方自标 preliminary）。这种分层不是我们谨慎过度，而是官方页面自己就是这么写的。

为什么 NVIDIA 的财报数字值得单独看一眼

讲芯片时插一段财报，不是为了讲股票，而是因为这个数字是整章「谁在这条链上赚钱」这个问题最硬的一份证据。它来自上市公司法定披露，可靠度极高——比任何分析师估算都硬。

NVIDIA 官方投资者关系页面（截至 2026 年 8 月 8 日查询）披露的 FY2027 第一财季数据，财季截止日为 2026 年 4 月 26 日，发布日为 2026 年 5 月 20 日：

把这两行放在一起，能读出一件事：752 除以 816，数据中心业务占了总营收的九成以上。换成大白话——这家公司现在主要不是一家游戏显卡公司了，它主要是一家给机房卖加速卡的公司。

再把这个数字换算成能感知的量。816 亿美元是一个季度的营收，也就是九十来天。平均每天进账约 9 亿美元，每小时约 3800 万美元。你读完这一节大概花十分钟，这十分钟里它进账约 630 万美元。

这个数字对本章的意义在于：它印证了章总览里那个「衬衫反过来」的说法。在 AI 这条产业链上，钱大量流向了最底层的「卖织布机的」，而不是最上层做产品的。至于为什么会这样，答案在下面要讲的 CUDA 那一段里。

真正的护城河不是芯片，是 CUDA

这一小节是本节最重要的观念，也是很多人想不通「为什么别家做出更快的芯片也抢不走生意」的答案。

CUDA（Compute Unified Device Architecture，统一计算设备架构，读作「库达」）是 NVIDIA 的一套软件平台。说白了就是：一套让程序员能用熟悉的语言去指挥显卡干活的工具和说明书。

它的诞生时间在 CUDA 官方编程指南里写得很清楚：「In November 2006, NVIDIA introduced CUDA, a general purpose parallel computing platform and programming model that leverages the parallel compute engine in NVIDIA GPUs」——2006 年 11 月推出，是一个通用并行计算平台与编程模型，用来发挥 NVIDIA GPU 里的并行计算引擎。

2006 年。这个年份是整件事的关键。那一年离深度学习火起来还有六七年，离 ChatGPT 还有十六年。也就是说，当所有人开始需要「让显卡做通用计算」这件事的时候，NVIDIA 已经把地基打好、把路铺完、把工具箱塞满了。

用装修打个比方，这件事就特别好懂。假设有两家卖电钻的公司。A 家的电钻从二十年前就开始卖，而且这二十年里它顺手做了一件事：把所有钻头、所有配件、所有接口都做成自家标准，还免费送出去几百万套。全世界的装修师傅都用惯了这套钻头，工具箱里塞的全是 A 家的配件，学徒学的第一课就是 A 家的用法。

现在 B 家做出了一把更有力、更省电的电钻。问题是，师傅们手里那几百套钻头全都插不上去。要换 B 家，得重新买全套钻头、重新培训所有工人、重新写所有施工方案，而且过去二十年积累的经验有一半作废。本质上就是：B 家要战胜的不是 A 家的电钻，是二十年积累下来的习惯和配件库。

这个「配件库」在 CUDA 这边具体是什么？官方 CUDA Zone 页面自己说得很清楚：「Developers can program in languages such as C++, Python, and Fortran or leverage GPU-accelerated libraries and frameworks like PyTorch. This flexibility lets developers integrate GPU computing into any layer of their software stack」——可以用 C++、Python、Fortran 编程，也可以直接用 PyTorch 这类已经加速好的库和框架，能把 GPU 计算插进软件栈的任何一层。

再往上还有一层叫 CUDA-X：「NVIDIA CUDA-X, built on CUDA, is a collection of libraries that deliver dramatically higher performance across application domains, including AI and HPC.」——建立在 CUDA 之上的一套库集合，覆盖 AI 与高性能计算等应用领域。

换成大白话总结这套锁定：你要换掉 NVIDIA，不只是换一块硬件，是要把从最底层驱动、到中间的数学库、到上层的 PyTorch 训练代码、再到工程师脑子里那套调优经验，全部换一遍。硬件可以一夜之间买到，这套东西得几年时间长出来。

Google TPU：另一条路线，自己用自己造

TPU（Tensor Processing Unit，张量处理单元）是 Google 自己设计的 AI 加速芯片。它和 NVIDIA 的 GPU 有一个根本区别：GPU 是卖给别人的商品，TPU 主要是自己用的自研工具。

「张量」这个词听着吓人，其实就是「一堆按格子排好的数」。一个数是标量，一排数是向量，一个表格是矩阵，更多维度堆起来就叫张量。用超市的货架打比方：一个格子里放一件商品是标量，一排格子是向量，一整面货架是矩阵，整个仓库里几十排货架就是张量。AI 计算的绝大部分工作，就是在这些「货架」之间做搬运和相乘。

Google Cloud 的 TPU v6e 官方文档（中文版原文）写道：「Trillium 是 Cloud TPU 的最新一代 AI 加速器。在所有技术界面（例如 API 和日志）以及本文档中，Trillium 都将称为 v6e。」

这句话本身就有个细节值得学：同一个东西有两个名字。市场宣传叫它 Trillium，技术接口里叫它 v6e。相当于一个人的大名和小名——你在户口本上查得到「王建国」，但家里人都叫他「二子」。查资料时如果只记住其中一个，另一个就搜不到。

官方规格（截至 2026 年 8 月 8 日查询该页）：

这张表里 Int8 恰好是 bf16 两倍这一条，把前面讲的「精度换速度」量化了：位宽砍一半，吞吐翻一倍。打个比方就像快递打包——同样一辆车，装小盒子能装两倍数量的件数。不过要注意，这个「两倍」关系在不同架构上并不总是成立，NVIDIA 那边 FP64 到 NVFP4 差了一千多倍，就远不止翻倍那么简单（因为里面还有专用计算单元的设计差异，不只是位宽账）。

AMD Instinct：一个教你识别营销话术的绝佳样本

AMD 是 NVIDIA 在通用 GPU 领域最主要的竞争者。它当前的 AI 加速卡叫 Instinct 系列，最新一代是 MI400 系列，架构代号 CDNA 5。

官方原文：「AMD Instinct MI400 Series GPUs, built on the AMD CDNA 5 architecture, are supported by an open, ROCm software-based foundation. The portfolio spans the AMD Instinct MI455X GPU for frontier and sovereign AI and the AMD Instinct MI430X GPU for sovereign AI and HPC」——基于 CDNA 5 架构，由开放的 ROCm 软件基础支撑；产品线包含面向前沿与主权 AI 的 MI455X，以及面向主权 AI 与高性能计算的 MI430X。

这里出现了两个需要当场翻译的词：

• ROCmAMD 对标 CUDA 的那套软件平台。相当于前面电钻比方里 B 家自己那套钻头标准。它的卖点是「开放」，但要跨越的是几百万工程师的使用习惯。
• sovereign AI（主权 AI）说白了就是：一个国家或地区希望「AI 的算力和数据都留在自己境内、由自己掌控」。这类客户往往是政府或国家级研究机构。这个词在 2025—2026 年成为芯片厂商官网上的高频词，本身就说明了买家结构的变化。

机架方案官方原文：「AMD Helios Rackscale Solution Powered by 72 AMD Instinct MI455X GPUs: Built for Frontier AI」——Helios 机架方案由 72 颗 MI455X 组成。注意这个 72 这个数字，和 NVIDIA NVL72 的 72 一样。这不是巧合，而是整机柜方案在供电、散热、互联拓扑上收敛到了相似的规模。

官网列出的在售系列有四代并存：MI400 / MI350 / MI300 / MI200。这也印证了前面说的「老产品不下架」的行业惯例。

下面这一段是本节最该抄进笔记本的部分。AMD 官网上关于 MI400 的性能对比数字，每一条都带限定词，我们把原文完整摆出来：

把这三个限定词一层层剥开，你会发现这些句子的实际信息量远小于它们看起来的样子：

• expected（预期）这不是测出来的，是算出来的或预计的。相当于装修队跟你说「这套房子预计四十天完工」——那是计划，不是已经完工的事实。
• up to（最高可达）天花板，不是常态。相当于超市促销牌上写「最高立减 200 元」——你实际可能只减了 5 块。
• peak theoretical（峰值理论）纯纸面算术：把计算单元数量乘上时钟频率乘上每周期运算数。它完全不考虑数据能不能及时送到、散热能不能撑住、软件能不能榨出来。相当于说「这条马路四车道、限速 120，所以每小时能过一万辆车」——不考虑红绿灯、不考虑加塞、不考虑早高峰。

所以这两句官方表述的准确读法是：厂商的性能宣称，不是第三方实测评测结果。这不是说 AMD 在骗人——恰恰相反，它把限定词一个不少地全写上了，这是相当规范的做法。不规范的是那些转述时把限定词全删掉、只留下「AMD 新卡比 NVIDIA 快 15%」这个标题的人。

本节对 AMD 的可靠度分层因此很明确：型号名称可靠度高（官方产品页明确列出）；性能对比可靠度低（厂商宣称的预期峰值理论值，无第三方实测支撑）。

华为昇腾：一次诚实的留白示范

这一小节要讲的东西很少，但它讲「怎么做研究」这件事的分量，超过本节任何一张规格表。

华为昇腾（Ascend）是中国最受关注的 AI 加速芯片品牌。任何一篇讲 AI 芯片格局的文章都不可能不提它。但截至 2026 年 8 月 8 日，我们没有能从华为官方渠道取得任何型号规格数据。

尝试过的地址与结果，全部列出来供你复核：

所以本节对昇腾只写一件有据可查的事：它在开源推理栈中被作为后端支持。这一条有两处硬证据：

• llama.cpp 官方 README在后端支持列表里明确列出「CANN | Ascend NPU」一项。CANN 是华为为昇腾提供的计算架构名称，NPU 是 Neural Processing Unit（神经网络处理单元）。换成大白话：这个全球最流行的本地推理项目，官方支持把模型跑在昇腾卡上。出处：github.com/ggml-org/llama.cpp
• GLM-5.2 官方模型卡原文：「For deployment on the Ascend NPU platform, inference frameworks such as vLLM-Ascend, xLLM and SGLang are supported」——在昇腾 NPU 平台上部署时，支持 vLLM-Ascend、xLLM、SGLang 等推理框架。出处：Hugging Face 上的 zai-org/GLM-5.2 模型卡

这两条证据能支撑什么，不能支撑什么，界限必须划得很清楚：

能支撑的：昇腾在主流开源推理生态中是被支持的一条部署路径，且这个支持来自项目官方与模型发布方官方，不是社区非官方补丁。

不能支撑的：任何型号名称、任何算力数字、任何显存容量、任何与 NVIDIA 的性能对比。这些我们一个都不给。

训练和推理是两笔完全不同的账

前面反复出现「训练」和「推理」这两个词，这里得把它们的区别讲清楚，因为它们对硬件的要求几乎是相反的，而这个区别直接决定了芯片市场为什么会分成两半。

训练（training）说白了就是：把海量资料喂给模型，让它一遍遍调整自己内部那几千亿个数字，直到它答得像样。推理（inference）说白了就是：模型已经训好了，你问它一句，它答你一句。

用裁缝店打个比方，这两件事的差别一目了然。

训练相当于「打版」：一位老师傅要做出一件全新款式的衣服，得反复量、反复裁、反复改，做废几十块布料，花几个月。这个过程极其昂贵、只做一次、失败重来的代价很大，而且必须一个人（或一个紧密协作的小组）从头盯到尾。

推理相当于「照着版子批量做」：版子定好了，工厂里几十台缝纫机照着它一天做两千件。这个过程单件成本很低，但要做几百万件，所以总账很大，而且每台缝纫机各干各的、互不相干。

这个差别落到硬件上，要求就分岔了：

这就解释了 NVIDIA 为什么专门给 Rubin 标一个 NVFP4 Inference（NVFP4 推理）指标——因为推理是一个独立的、量更大的市场，而它的需求跟训练不一样。说白了：训练市场卖的是「几百套完整生产线」，推理市场卖的是「几百万台缝纫机」，后者的总量最终会远大于前者。

对普通读者来说，最实用的一条推论是：你在网页上跟 AI 聊天时，花的是推理的钱，不是训练的钱。训练那笔巨额投入是一次性的、由厂商垫付的；而你每问一句，都在实打实地消耗一点推理算力。这也是为什么各家的定价都是按 token 数算，而不是按月固定收费——因为成本本来就是按次发生的。

为什么显存这一行往往比算力那一行更要命

前面「饺子车间」的比方里，案板面积（显存）和传送带速度（带宽）被放在与工人手速（算力）同等重要的位置。这不是为了凑齐三个类比，而是因为在跑大模型这件事上，绝大多数时候卡住你的是显存不够，不是算力不够。

道理很朴素：模型的参数必须整个装进显存，才能开始算。装不下就是装不下，你的算力再强也用不上。相当于你请了十个厨师来家里做年夜饭，结果厨房只有一张一米宽的案板——十个人挤在那里，能同时下手的只有两个，其余八个只能站着看。

做个粗略的账你就明白量级了。注意下面这是按定义做的量级估算，不是任何厂商的官方数字。一个参数如果用 16 位（也就是 2 个字节）来存，那么：

而这只是「放参数」。训练的时候还要额外放梯度和优化器状态，通常是参数体积的好几倍；推理的时候要放 KV 缓存（对话越长，这块越大）。所以真实需求比上表还要更紧张。

这就解释了两件事。第一，为什么厂商拼命堆显存容量——Rubin 单卡 288 GB，这个数字放在几年前是不可想象的。第二，为什么「量化」这么受欢迎：把 16 位压到 4 位，同一个模型的显存占用直接降到四分之一，一张卡就能跑原本要四张卡的模型。§12.4 讲 llama.cpp 时你会看到它支持从 1.5 位到 8 位的一整排量化档位，原因就在这里。

带宽的道理也一样朴素。模型每生成一个字，都要把相关的参数从显存搬到计算单元过一遍。说白了：生成文字这件事的瓶颈往往不是「算得慢」，而是「搬得慢」。这就是为什么 Rubin 要把带宽做到 22 TB/s——相当于把传送带修得比工人的手速还快，让工人永远不用等料。

把这一节的看表方法收成一张清单

如果你以后要看任何一份 AI 加速器的规格表，下面这套顺序能帮你避开绝大多数坑。它的核心思路是：先看限定词，再看数字；先看短板，再看亮点。

• 第一步 · 先找免责声明翻到表格最底下，看有没有 preliminary、subject to change、up to 这类字样。有的话，整张表的可信度都要打折。这一步只花五秒，却决定了后面所有阅读的基调。
• 第二步 · 每个算力数字都问「什么精度」没标精度的算力数字直接跳过，那不是信息。标了精度的，要注意别把不同精度的数字横向对比——那等于拿估米的速度比称金子的速度。
• 第三步 · 先看显存和带宽，再看算力因为短板决定产量，而短板通常在这两项。相当于看房子先看厨房和卫生间的下水，再看客厅有多大。
• 第四步 · 分清「单卡」还是「整柜」Rubin 单卡 50 PFLOPS，NVL72 整柜 3600 PFLOPS，差 72 倍。网上有大量文章把整柜的数字当成单卡在传播。看到一个特别惊人的数字，先确认它的计量单位。
• 第五步 · 分清「训练」还是「推理」标着 Inference（推理）的指标，不能用来推断训练能力，反之也不行。这两件事对硬件的要求本来就不一样。
• 第六步 · 跨厂商对比只信第三方实测厂商自己做的跨品牌对比，几乎总会挑一个对自己最有利的精度格式和任务。想知道真实差距，得看独立第三方在相同任务、相同框架、相同精度下的测试。本节没有取到任何这类第三方评测数据，所以本节不给任何跨厂商性能结论。

这套清单的价值不限于芯片。你把它套到买手机、买家电、买路由器上，同样管用——「续航最长 30 小时」「网速最高可达 3000 兆」「制冷量峰值」，全是同一套修饰词游戏。本质上就是：厂商有义务把限定词写上，你有责任把限定词读进去。

常见误解澄清

这一节涉及的数字多，也就格外容易生出误解。挑四个最常见的说清楚。

误解一：「算力越高，模型就越聪明。」

不对。算力决定的是多快和多大规模，不直接决定多好。同样的算力，数据质量差、训练方法差，照样训出个笨模型。打个比方：厨房里换一口更大的锅，只意味着你能一次炒更多菜，不意味着炒得更好吃。火力和厨艺是两件事。

误解二：「买了同样多的卡，就能训出同样的模型。」

不对。前面那个「机器之间怎么递盘子」的问题，是整机柜方案要解决的核心问题。散装买 72 张卡和买一套设计好的 NVL72 机柜，实际可用效率相差很远。相当于请了 72 个工人，和组织好一条 72 人的流水线——人数一样，产出不一样。

误解三：「国产芯片只要算力追上，就没问题了。」

这句话把最难的部分省略了。硬件差距是可以用工程和资金追的，但 CUDA 那一整套软件生态、工具链、几百万人的使用习惯，是时间换出来的，钱买不来。这也是为什么昇腾能出现在 llama.cpp 的后端列表里是件有意义的事——它说明的不是硬件参数，而是「有多少软件愿意为它适配」。本节对昇腾不给规格数字，但这条生态层面的事实是可核实的。

误解四：「算力是无限堆的，堆到底就通用人工智能了。」

这属于超出本节能力范围的推测，本节不做判断。但有一个可核实的现实约束值得指出：整机柜方案的规模已经收敛到 72 颗这个量级（NVIDIA NVL72 与 AMD Helios 都是 72），这个数字背后是供电、散热、互联距离的物理限制。说白了：不是想堆多少就能堆多少，一个机柜能塞进去多少颗，是被电和热管着的。