第724章 布局显卡 (第2/2页)
顾振华在半导体行业内的名头十分响亮。
在加入天宇之前，他曾担任硅谷某芯片巨头的资深架构总监，拥有超过二十年图形处理器与通用计算芯片的研发经验，个人手握数十项GPU核心专利。
当许晨拿着千亿级资金池与全套自研路线图找到他时，顾振华被许晨打动了，毅然放弃了硅谷的高薪期权，带着数十名核心下属整体加入天宇，担起了国产GPGPU破局的重任。
“顾总工，架构设计进展如何了？”许晨温和的声音打破了实验室内的紧张气氛。
顾振华猛地转过头，见是许晨过来，连忙摘下耳机，脸上露出一抹发自内心的笑容：“许总！您来得正好！我们刚把凌云G100的首个完整RTL架构仿真给跑通了！”
顾振华一边说着，一边按下控制键，屏幕上立刻跳出了一颗极其复杂的硅片物理架构拓扑图。
这就是天宇耗时半年、耗资数十亿砸出来的第一代自研GPGPU算力卡——“凌云G100”！
顾振华没有对自己和团队的工作进行夸大，而是以严谨的技术视角，开始向许晨详细讲解这颗自研显卡的优缺点、技术妥协以及真实的进度落点：
“许总，按照您之前的战略部署，我们并没有去抄英伟达的架构，因为那不仅会掉入庞大的专利陷阱，而且他们的CUDA闭源生态壁垒太高。”
“我们完全是从零开始，设计了一套抛弃传统图形渲染包袱、专注于AI张量运算与大规模并行计算的自研GPGPU架构。”
顾振华指着屏幕上的核心参数分析道：
“首先，说它的缺点与技术瓶颈。”
“第一，制程工艺被严重卡死。受限于欧美实体清单，我们拿不到台积电5nm甚至7nm的先进代工产能。这颗凌云G100第一代只能基于我们中芯国际的N+1工艺（逻辑密度接近7nm）进行流片。”
“因为工艺限制，芯片的整体晶体管密度和极限能效比，无法直接对标英伟达目前旗舰显卡，芯片功耗偏大。”
“第二，是显存带宽（HBM）的软肋问题。GPGPU做AI训练，最怕的是有算力、没带宽。”
“目前全球高带宽显存（HBM）几乎被三星、海力士和美光三家垄断。天宇目前还没有自己的HBM封装产线，所以我们在凌云G100第一代上，做出了无奈的技术折中——采用了LPDDR5多通道堆叠与自研内存子系统来替代HBM，虽然靠架构优化撑住了带宽，但对比国际顶级AI卡，依然存在性能损耗。”
“第三，生态软件栈的大山。英伟达最恐怖的不是硬件，而是积累了十几年的CUDA软件生态，让全球数百万开发者都在用它。”
“我们虽然正在同步开发天宇自研的类CUDA编译器与算子库（内部代号天启软件栈），但要完全兼容主流AI框架，还需要漫长的时间去啃硬骨头。”
听着顾振华毫不隐瞒提及的自身客观缺点，许晨点了点头，眼神依旧沉稳：“技术规律不可违背，制程和显存的短板是我们目前必须面对的现实。那它的优势与核心突破在哪儿？”
……