昨天看NVDA获利比例只有20%，意志不坚定的估计都割肉了吧，真是韭菜命（手动微笑）。
ASIC路线在单一领域确实可以做到很强大，性能适配度极高，且能耗表现出色。但限制就是：单一领域、单一技术阶段。
现在AI最强的领域是LLM，现在最领先的LLM都是基于Transformer。谷歌的TPU在Transformer计算层面优化到极致，同时适配了自家体系的产品，强强联手，确实厉害。
但是，各类专家曾经批判LLM的观点，一样可以用于批判TPU+Gemini，比如：
- 当前路线无法实现AGI
- Scaling Law逐步失效
- 没有真正的记忆和成长机制，只能暴力加大输入窗口
- 幻觉问题
- 认知、推理、因果能力不足
- 提升依赖大量数据，而优质数据趋近饱和
谷歌方案也有这些问题吧？那咋办咧？
LLM早就需要要做底层架构的创新、训练策略的创新、设计目标的创新了！
Transformer用一辈子吗？深度学习每几年都有重大的新模型成为SOTA，什么LeNet, AlexNet, ResNet, LSTM，现在是Transformer。Transformer要用到宇宙尽头吗？
如果不是，新的算法架构需要新的计算模式，现在的ASIC要咋办？但CUDA依然能用。
AI就只玩LLM（再加点多模态），AI+科学研究，AI+通信技术，AI+量子计算，AI+无人设备，AI+经济调控，AI+制造业，都不搞了？
还是说，ASIC就打算用几个固定的算子，奠基全领域的AI底座？
还是说，ASIC研究者有那么多的精力预算和产能，把每个规模较大的架构都做成定制ASIC？
还是说，ASIC研究者相信Transformer永远可以大力出奇迹，不可能出现底层架构的进步？
至于Meta和Google的几十亿订单，就算成真了，也是毛毛雨。现在一个季度整个市场有几百亿。
Meta在LLM上落后太多，估计是想搞点噱头，抓点救命稻草？不然部门都要没了啊，能搞点啥就搞点啥呗。
话说回来，Google确实还是厉害的，Congrats!