与此同时，圣克拉拉，英伟达总部。

黄仁勛正穿著他那件標誌性的皮衣，在会议室里来回踱步。

他的面前，同样摆著那篇论文。

“你们怎么看？”老黄停下脚步，目光如电，扫视著在座的技术高管。

“jensen（黄仁勛英文名），这个算法对我们的cuda生態是个挑战。”一位首席架构师面色凝重，“它大量使用了min、max这种非线性算子，而且数据依赖性很强，无法像矩阵乘法那样进行大规模並行流水线优化。在h100上跑这个，sm单元的利用率可能连20%都不到。”

“也就是说，我们的显卡，在这个算法面前，变成了『废铁』？”老黄的声音很冷。

“不能说是废铁，但確实……性价比极低。”

老黄沉默了。

作为“ai军火商”，他最怕的不是竞爭对手，而是“技术路线的变更”。

英伟达之所以能躺著赚钱，是因为全世界都在用transformer，都在做矩阵乘法。他只要把矩阵乘法做到极致，就能垄断市场。

但现在，有人想换个玩法。

这才是英伟达最担心的事情。

英伟达的护城河，从来不仅仅是硬体性能，而是cuda生態。数百万开发者习惯了调用cublas、cudnn这些高度优化的库来构建模型。如果一种新算法绕过了这些库，甚至需要全新的硬体支持，那么英伟达的垄断地位就会出现裂痕。

“amd那边有什么动静？”老黄问道。

“mi300系列的架构比较灵活，他们在標量计算单元上保留了更多的资源，理论上跑slrm会比我们稍微从容一些。”技术部主管回答，“而且，他们最近在积极接触pytorch团队，试图推动对非矩阵算子的原生支持。”

“不能给他们机会。”老黄的眼神变得冷峻。

他走回座位，双手撑在桌面上，下达了一系列指令。

“第一，软体层面。立即启动cuslrm项目。抽调最精锐的cuda工程师，针对slrm的核心算子进行手写汇编级优化。我要让全世界看到，即使是跑几何逻辑，英伟达的gpu依然是最快的。”

“第二，硬体层面。blackwell架构的设计已经冻结，来不及大改。但在下一代rubin架构中，必须预留专门的『逻辑推理单元』。我们要把这种非线性计算，也变成硬体原生的指令。”

“第三，生態层面。”老黄顿了顿，语气中透出一丝商业巨头的狠辣，“联繫pytorch和tensorflow的维护团队，以『技术合作』的名义，提供专项资金和人力，帮助他们优化基於cuda的slrm实现。我们要確保，当开发者想要尝试这个新算法时，他们最先想到的、最好用的工具，依然是跑在英伟达显卡上的。”

“我们要用生態的厚度，去淹没任何试图另起炉灶的尝试。”

……

然而，就在谷歌和英伟达这两大巨头，如同两头被惊醒的巨兽，准备调整姿態在新的赛道上狂奔时，一张早已编织好的大网，无声地收紧了。

“老板，情况有点不对劲。”

谷歌的情报分析师衝进会议室，脸色苍白，同时也带回了让整个硅谷窒息的消息。

“怎么了？是不是中国那边也有动作？”皮查伊敏锐地问道。

“不止是有动作……”分析师深吸一口气，投屏了几张截图。

那是github上几个不起眼的开源项目，更新时间显示在一周前。

- openlpu-compiler（开源逻辑处理单元编译器）

- slrm-pytorch-extension（slrm专用算子库）

- chinese-logic-graph（中文逻辑知识图谱构建工具）

虽然这些项目还很初级，甚至有些简陋，代码提交记录也显示只是刚刚起步的“占坑”行为。

但它们背后的提交者id，却让皮查伊感到一阵窒息。

-华为昇腾

-寒武纪

-阿里达摩院

“还有这条新闻，”分析师调出一条不起眼的快讯，“上周，中国科技部批准了『新一代认知智能计算架构』重点专项，合作方囊括了中国几乎所有的半导体和网际网路巨头。据可靠消息，海丝的下一代lpu晶片，已经进入了秘密流片阶段……”

会议室里，死一般的寂静。

“怎么可能？！”

一向沉稳的杰夫·迪恩都忍不住失声惊呼：“论文才发出来半个月，他们怎么可能动作这么快？简直就像是……早就拿到了答案一样！”