也不是什么都没做，他整理了很多记忆中，前世看到的各种数据资料。
比如谷歌人工智能芯片：TPU（Tensor Processing Unit），张量处理器。
这是财大气粗的谷歌，针对机器学习算法而专门制作，一款训推一体的Ai芯片。
如果说CPU，GPU是比较万能的工具，那么TPU就是专用工具。
TPU就是谷歌专门为加速深层神经网络运算能力而研发的一款芯片。
它有更高效能的深度机器学习能力。
据说，TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。
每一个操作需要更少的晶体管，用更多精密且大功率的机器学习模型，并快速应用这些模型，因此用户便能得到更正确的结果。这就是TPU。
在李易的记忆中，谷歌最新发布的TPU 芯片，包含1个张量核心，每个张量核心有4个矩阵乘法单元、1个向量单元和1个标量单元。
较比上一代产品，每美元可提供高达2倍的训练性能。
对于大型语言模型和生成式AI模型，每美元可提供2.5倍的推理性能。
成本却不到上一代的一半。
最新上线的TPU支持多达256个芯片互连，总带宽超过400Tb/s，INT8性能达到100petaOps，从而解决更复杂的计算任务。
Ai模型的参数数量以每年10倍的速度增长。
而芯片性能每年最多增长2~3倍，单芯片性能增长根本撑不住。
所以，必须通过集群扩展和稀疏化模型来应对飙涨的算力需求。
传统的设计和构建计算基础设施的方式，无法满足生成式AI和大型语言模型指数级的增长需求。
这就需要做许多事情，将TCO性能提升几十倍、数百倍！
李易不是这方面的专家，他只是看过相关的报道。
星海半导体也不是直接抄袭，而是做相关的研究，彻底消化这方面的东西。
至少有一点可以确定。
就是有了一个确切的研究方向，能少走很多弯路。
商兵华的加入，能将星海半导体的人工智能芯片提速！
除-->>