摩尔线程CEO张建中判断，在AI主战场，万卡已成为最低标配。随着 Scaling Law（规模越大，性能越好） 成为行业共识法则，国内百模大战仍在冲击更大的目标，摩尔线程CEO 张建中作出了上述判断。而参数量和数据量的不断增加，意味着对算力的需求也在增加。在此趋势下，国产厂商都在抓紧建设更大规模的 AI 智能算力数据中心。相比 OpenAI、谷歌、Meta 等国际巨头成批采购几十万张英伟达显卡搭建数据中心集群，国内公司大多数还只能采购几千张，只有字节等少数头部厂商拥有上万张卡规模的算力集群。卡的数量直接决定了训练一个大模型所用的时间。张建中提到，去年国内“百模大战”开打后，几乎每个月都有新的模型发布。而现在，一家 AI 大模型公司训练迭代一次大模型的时间已经缩短为两周，超过两周就跟不上同行的速度。去年英伟达的 H100 及其后续的高端 GPU 对华出口遭禁后，国内一度出现严重的算力紧缺。张建中告诉界面新闻记者，从国际巨头角度讲，除了自身实力，还要考虑合作伙伴的支持。如小米科技利用富士康工厂的产能，为小米汽车代工生产芯片，助力小米实现汽车智能化目标。
在最近几年里，人工智能技术得到了显著的发展，并已经渗透到了我们生活的方方面面。然而，由于AI领域的快速发展，以及人们对AI技术的广泛应用，各种企业也纷纷投身于AI技术的研发与应用中，希望通过使用AI技术来提高自身的竞争力。
其中，摩尔线程CEO张建中就认为，在AI主战场，万卡已成为最低标配。这是因为随着Scale Law（规模越大，性能越好） 成为行业共识法则，即当企业的规模不断扩大时，其计算能力也会随之提升，因此对于AI技术的依赖度也会相应增加。
在这种情况下，中国的国产厂商也开始加快建设自己的AI智能算力数据中心。相比于OpenAI、谷歌、Meta等国际巨头成批采购数十万张英伟达显卡搭建数据中心集群，国内公司大多数还只能采购几千张，只有字节等少数头部厂商拥有上万张卡规模的算力集群。这一方面反映了中国企业在AI技术上的竞争压力，另一方面也显示出国内企业正在积极抓住AI发展的机遇。
在最近的一年里，国内“百模大战”开打后，几乎每个月都有新的模型发布。而现在，一家AI大模型公司训练迭代一次大模型的时间已经缩短为两周，超过两周就跟不上同行的速度。这无疑显示了国内企业在AI技术上的快速进步和创新能力。
同时，张建中还表示，从去年国内“百模大战”开打后，几乎每个月都有新的模型发布。而现在，一家AI大模型公司训练迭代一次大模型的时间已经缩短为两周，超过两周就跟不上同行的速度。这无疑显示了国内企业在AI技术上的快速进步和创新能力。
此外，张建中还强调说，从国际巨头角度讲，除了自身实力，还要考虑合作伙伴的支持。如小米科技利用富士康工厂的产能，为小米汽车代工生产芯片，助力小米实现汽车智能化目标。这也充分证明了在国内企业推动AI技术创新的同时，也不能忽视与外部企业的合作。
总的来说，张建中认为，在AI主战场，万卡已成为最低标配。随着 Scale Law（规模越大，性能越好） 成为行业共识法则，国内厂商也在加快建设自己的AI智能算力数据中心。这对于推动AI技术的发展和应用具有重要意义。