與此同時，聖克拉拉，輝達總部。
黃仁勳正穿著他那件標誌性的皮衣，在會議室裡來回踱步。
他的面前，同樣擺著那篇論文。
“你們怎麼看？”老黃停下腳步，目光如電，掃視著在座的技術高管。
“Jensen（黃仁勳英文名），這個演算法對我們的CUDA生態是個挑戰。”一位首席架構師面色凝重，“它大量使用了n、x這種非線性運算元，而且資料依賴性很強，無法像矩陣乘法那樣進行大規模並行流水線最佳化。在H100上跑這個，S元的利用率可能連20%都不到。”
“也就是說，我們的顯示卡，在這個演算法面前，變成了‘廢鐵’？”老黃的聲音很冷。
“不能說是廢鐵，但確實……價效比極低。”
老黃沉默了。
作為“AI軍火商”，他最怕的不是競爭對手，而是“技術路線的變更”。
輝達之所以能躺著賺錢，是因為全世界都在用Transforr，都在做矩陣乘法。他只要把矩陣乘法做到極致，就能壟斷市場。
但現在，有人想換個玩法。
這才是輝達最擔心的事情。
輝達的護城河，從來不僅僅是硬體效能，而是CUDA生態。數百萬開發者習慣了呼叫cuBLAS、cuDNN這些高度最佳化的庫來構建模型。如果一種新演算法繞過了這些庫，甚至需要全新的硬體支援，那麼輝達的壟斷地位就會出現裂痕。
“A那邊有什麼動靜？”老黃問道。
“300系列的架構比較靈活，他們在標量計算單元上保留了更多的資源，理論上跑SLR比我們稍微從容一些。”技術部主管回答，“而且，他們最近在積極接觸PyTorch團隊，試圖推動對非矩陣運算元的原生支援。”
“不能給他們機會。”老黃的眼神變得冷峻。
他走回座位，雙手撐在桌面上，下達了一系列指令。
“第一，軟體層面。立即啟動cuSLR目。抽調最精銳的CUDA工程師，針對SLR核心運算元進行手寫彙編級最佳化。我要讓全世界看到，即使是跑幾何邏輯，輝達的GPU依然是最快的。”
“第二，硬體層面。Blackwell架構的設計已經凍結，來不及大改。但在下一代Rubin架構中，必須預留專門的‘邏輯推理單元’。我們要把這種非線性計算，也變成硬體原生的指令。”
“第三，生態層面。”老黃頓了頓，語氣中透出一絲商業巨頭的狠辣，“聯絡PyTorch和TensorFlow的維護團隊，以‘技術合作’的名義，提供專項資金和人力，幫助他們最佳化基於CUDA的SLR現。我們要確保，當開發者想要嘗試這個新演算法時，他們最先想到的、最好用的工具，依然是跑在輝達顯示卡上的。”
“我們要用生態的厚度，去淹沒任何試圖另起爐灶的嘗試。”
……
然而，就在谷歌和輝達這兩大巨頭，如同兩頭被驚醒的巨獸，準備調整姿態在新的賽道上狂奔時，一張早已編織好的大網，無聲地收緊了。
“老闆，情況有點不對勁。”
谷歌的情報分析師衝進會議室，臉色蒼白，同時也帶回了讓整個矽谷窒息的訊息。
“怎麼了？是不是中國那邊也有動作？”皮查伊敏銳地問道。
“不止是有動作……”分析師深吸一口氣，投屏了幾張截圖。
那是GitHub上幾個不起眼的開源專案，更新時間顯示在一週前。
）譯編元單理輯邏源開（relioC-UPLnepO -
）庫元算運用RLS（noisnetxE-hcrotyPRLS -
）工建構譜圖識知輯邏文中（hparG-cigoL-esenihC -
。為行”坑佔“的步起剛剛是只示顯也錄記提碼式程，陋簡些有至甚，級初很還案專些這然雖
。息窒陣一到伊查皮讓卻，DI者提的後背們它但
騰昇為華-
紀武寒-
院達里阿-
”……段階片流秘了進經已，片晶UPL代一下的海，息訊靠可據。頭巨路網際網和導半的有所乎幾國中了括囊方作合，項專點重’構架算計慧智知認代一新‘了准批部技科國中，週上“，訊快的眼起不條一出調師析分”，聞新條這有還“
。靜寂的般一死，裡室議會
”！？能可麼怎“
”！樣一案答了到拿就早……是像就直簡？快麼這作能可麼怎們他，月個半來出發才文論“：呼驚聲失住不忍都恩迪·夫傑的穩沉向一
