發展AI不用NVIDIA GPU會怎樣

tteffuB 特肥吧
個人積分：3348分
文章編號：92490826

3348分

樓主

2025-12-01 18:49

在過去的這一年裡，AI 圈子似乎達成了一種昂貴的共識：只有一種“硬通貨”值得追逐，那就是 NVIDIA 的 GPU。無論是 OpenAI、Meta 還是那一長串的獨角獸名單，實際上都在給黃仁勳打工。

但就在這周，Google 甩出了一枚重磅炸彈：全球最強模型Gemini 3 Pro。

這不僅是一個在LMArena（大模型競技場）首破 1500 分、登頂全球最強的模型，更重要的是它的“出生證明”：它是業界首個完全不依賴 NVIDIA 晶片，純粹由 Google 自研 TPU 叢集訓練出來的超大規模模型。

這意味著，Google 正在用實際行動打破那個“沒有 H100 就做不出頂級 AI”的魔咒。

矽晶等級的“獨立宣言”
如果要看懂 Google 這步棋有多深，請仔細看下面這張 TPU 供應鏈圖譜。這不僅僅是一張硬體清單，更是一份擺脫算力霸權的“獨立宣言”。

發展AI不用NVIDIA GPU會怎樣

徹底拋棄輝達：Gemini 3 Pro 與Google的“全端”反擊

2025-12-01 18:49 發佈

JasonQ

JasonQ
個人積分：286分
文章編號：92490869

286分

2樓

2025-12-01 19:02

tteffuB 特肥吧 wrote:
在過去的這一...(恕刪)

這是先有雞還是先有蛋的問題

GPU的浮點運算能力，讓當初只能做向量圖象顯示功能的GPU有了不需要依附在CPU之下的配角角色。

AI發展如此蓬勃的情況下，CPU依然存在

TPU只是再特化的運算單元，提供給業界不一樣的組合選擇

關鍵是CUDA

CUDA讓系統、軟體業者的開發時間與難度大幅降低

成就了大量多工、批次處理能力為特色的軟體、系統。

Google本身有足夠的資源開發自己想要的設備與系統

問題在於GOOGLE願意分享到那種程度？

輝達是硬體商，不會跟AI客戶爭市場，短時間內也不會有威脅軟體、系統、AI客戶的產品

Google不同

wind0083

wind0083
個人積分：2160分
文章編號：92490902

2160分

3樓

2025-12-01 19:13

tteffuB 特肥吧 wrote:
在過去的這一...(恕刪)

沒有NVIDIA的AI晶片也能發展AI，中國大陸也有好幾家AI晶片廠商，最有名的就是華為，華為的單一AI晶片性能大約落後NVIDIA三年左右，但依靠集群也能和N家一拼，只是目前產能有限供貨不足。N卡的優勢在於CUDA生態，有這個生態比較好用，但不是必須。

katokikyo

katokikyo
個人積分：522分
文章編號：92491183

522分

4樓

2025-12-01 20:35

GPU本來就不是唯一解，只是因為走得比較前面而已。但功耗比是GPU的短版。
但GPU在做矩陣之類的疊加運算相對沒效率，所以NV才要在每個核心裡加入Tensor Core，蘋果也在GPU裡加入類神經網絡單元。
現在的模型運算規模已經大到了對電力需求錙銖必較的階段。晶片的功耗比會比晶片能算多快更被企業青睞。

chachaping

chachaping
個人積分：2224分
文章編號：92491184

2224分

5樓

2025-12-01 20:35

首先你要定義甚麼叫 "發展 AI"
1. 建立一個數千億參數的大模型
2. 微調一個大模型
3. 應用一個大模型

1. 才需要一些深不見底的硬件
2 和 3 不一定需要 nVidia

tteffuB 特肥吧 wrote:
發展AI

tteffuB 特肥吧

tteffuB 特肥吧
個人積分：3348分
文章編號：92492723

3348分

樓主

2025-12-02 10:00

文章說：全球最強模型Gemini 3 Pro是業界首個完全不依賴 NVIDIA 晶片，純粹由 Google 自研 TPU 叢集訓練出來的超大規模模型。

問AI

當然存在不依賴 NVIDIA 晶片的 AI 大模型，這些模型有的基於國產晶片訓練，有的適配 AMD 晶片、谷歌 TPU 等非 NVIDIA 硬體，且不少在性能上達到行業領先水準，以下是具體介紹：

盤古 Ultra：這是華為推出的昇騰原生千億級通用語言大模型，參數規模達 1350 億，完全基於國產昇騰 NPU 完成訓練。其依託 8192 張昇騰 NPU 構建的大規模集群，還將算力利用率提升至 50%，並且在多個領域的評測中超越了 Llama 405B 等模型，同時能和 DeepSeek - R1 等大規模稀疏模型相抗衡，充分證明瞭昇國產騰晶片支撐大規模大模型訓練的能力。

ZAYA1：它是首個完全基於 AMD 硬體生態系統構建的大型混合專家模型，由 AMD 攜手 IBM 和 AI 初創公司

Zyphra 聯合研發。該模型的訓練依託 IBM 雲平臺，硬體採用 AMD Instinct MI300X GPU，搭配 Pensando 網路技術與 ROCm 軟體平臺。其訓練集群由 128 個節點組成，綜合算力超 750 PFLOPs，綜合性能和 Qwen3 系列模型不相上下，還優於 SmolLM3 等主流開源模型。

SpikingBrain：這是中科院研發的類腦大模型，團隊成功在國產 MetaX C550 GPU 集群上訓練出 76B 規模的該模型。該模型藉助脈衝神經元機制，稀疏激活率高達 69.15%，大幅降低了計算成本與能耗。像 SpikingBrain - 7B 在處理 400 萬 tokens 的超長文本時，首個 token 生成延遲比傳統 Transformer 快 100 倍，展現出在國產 GPU 上處理大規模任務的高效性。

百靈系列（Ling - Lite、Ling - Plus）：螞蟻集團推出的兩款混合專家大模型，其中 Ling - Plus 基座模型參數規模達 2900 億。這兩款模型通過動態參數分配、自適應容錯恢復等創新策略，實現了在國產 GPU 的低性能設備上高效訓練。其 3000 億參數級別的模型訓練性能，可與同規模的英偉達晶元訓練模型相媲美，而且訓練成本能節省近 20%。

Gemini 2.5 Pro：谷歌的這款頂尖 AI 模型完全擺脫了對 NVIDIA 晶片的依賴，訓練和推理全程基於谷歌自研的張量處理器（TPU），尤其是最新的第六代 Trillium TPU。該模型在推理、程式設計等複雜任務上表現出色，曾超越Anthropic的 Claude 3.7 “Sonnet”，其依託的 TPU v5p 在大模型訓練速度上約為 NVIDIA 旗艦 H100 的 2.8 倍，彰顯了 TPU 在高端 AI 模型研發領域的強勁實力。

DeepSeek 系列：該系列模型採用 CPU + TPU 的創新架構，徹底摒棄了對 NVIDIA GPU 的依賴。借助谷歌 TPU 在能效和擴充性上的優勢，不僅降低了運行能耗與硬體投入成本，還具備良好的可擴充性。此外，在清華大學的赤兔推理引擎適配下，DeepSeek - R1 - 671B 在國產晶片等硬體上也能實現高效推理，進一步拓展了其脫離 NVIDIA 晶片的應用場景。