其实中国并不比英伟达差。

我们仔细剖析一下英伟达Blackwell架构的B200芯片，可以看到其与互联技术有密切关系。

一个是单个服务器内多个GPU互联的NVLINK技术，B100芯片使用的第五代NVLINK技术为每个 GPU 提供了突破性的1.8TB/s 双向吞吐量，确保多达576个GPU 之间的无缝高速通信。

另一个是不同服务器的GPU之间的NV Switch技术，每个NVSwitch都可以最多支持16个GPU互联，并且在使用NVSwitch进行互联的时候，不仅能够达到高速的效果，同时还能够保证每一个GPU和连接GPU之间都能够保持超低延迟的通讯。

说直白点，B200芯片并不是单一的GPU，而是通过互联，将多个GPU集成在一起。

为什么会这样？因为摩尔定律失效，单个芯片的提升面临瓶颈，要想提升算力，就需要通过互联、堆叠的方式实现。

比如，台积电的3nm制程，其实并没有给芯片性能带来革命性的变化。去年的苹果A17 Pro芯片，用了台积电的3nm制程，但是CPU性能只有10%的提升。

黄仁勋说，" 创新不仅仅是芯片，而是整个堆叠 "，就是这个道理。

具体到AI大潮，对算力的需求是几何级增长，这个时候再指望单个芯片的性能提升已经不行，唯有通过多个GPU之间的高速互联。

换句话说，就是将GPU高速互联形成集群，这就相当于把AI的算力中心当做一台超级计算机来进行设计。

这种情形对于中国恰恰是机会。

因为众所周知的原因，我们不能使用先进制程制造芯片，但是这可以通过高速互联的集群来弥补。以华为为例，华为最擅长的就是联接，就是通信。与英伟达NVLINK对应的，是华为的HCCS，比如昇腾910B的HCCS总带宽为392GB/s，和英伟达A800 NVLINK的400GB/s相当。其他还有 PCIe 4.0、100G等高速互联技术。

华为正确预判到了集群的大方向，华为昇腾计算业务总裁张迪煊透露，早在2018年，华为就判断人工智能会快速发展，并改变过去小模型的开发模式，形成大算力结合大数据生成大模型的模式，因此华为早在6年前就开始在算力集群上发力。

压强式投入，让华为在算力集群上已经实现了重大突破。在2023年7月举行的昇腾人工智能产业高峰论坛上，华为宣布昇腾AI集群全面升级，集群规模从最初的4000卡集群扩展至16000卡，是业界首个万卡AI集群，拥有更快的训练速度和30天以上的稳定训练周期，十倍领先业界。

去年9月，华为推出全新架构的昇腾AI计算集群——Atlas 900 SuperCluster，可支持超万亿参数的大模型训练。新集群采用了全新的华为星河AI智算交换机CloudEngine XH16800，借助其高密的800GE端口能力，两层交换网络即可实现2250节点（等效于18000张卡）超大规模无收敛集群组网。

按照昇腾的指标，1000卡的算力约300P，千卡就能提升约30P，万卡就能提升约300P。

想象一下，18000张GPU卡高速互联在一起，是什么景象？这才是史诗级的超级AI计算机！

据了解，目前国产大模型有超过一半都是基于昇腾AI孵化出来的。

所以，无需过分吹捧英伟达，无需对自身妄自菲薄，中国在万卡集群上已经走到了世界前列，在算力基础设施上并不差。