1.中國內需極大，高階晶片仰賴進口，因此自製主要是為了填補內需而非外銷
2.中國內部使用的話，能耗問題要看電價，電價要看發電量，而中國發電量極大
3.算力問題跟下面一起回覆


Google Gemini 3之所以後來居上，追越OpenAI
靠的就是"不用CUDA"，CUDA雖泛用但能耗輸給ASIC
Google算過如果每人每天都問AI一些問題，其算力+能源消耗會龐大到負擔不起
因此自研ASIC去負責其中一塊，比如訓練完後僅需推理的部分，就改用ASIC
這需要Google有強大的垂直整合能力，自研算法、自研晶片、自研AI服務器
透過這種方式，達成超強算力+超強能耗比，OpenAI砸錢買NV晶片只能死路一條

因為OpenAI砸錢越多、買越多NV晶片，能耗就越追不上Google
NV老黃就是看到CUDA模式優點被打破，因此砸大錢買ASIC公司要整合進來

中國由於有不同的能源體系，因此能耗部分跟外國尤其最大競爭者美國不同算法
只要也能學Google自研算法、自研晶片、自研AI服務器
是有機會透過ASIC彌補缺乏先進製程的短版，當然訓練階段還是需要CUDA晶片
簡單說，中國如果電價更便宜、加上用ASIC彌補7nm以上的能耗短版
走Google模式去打破老黃CUDA壟斷並非不可能，所以老黃很急著現在賣給中國

老黃真的是實誠，他說每天兢兢業業深怕公司倒閉
因為AI領域日新月異，隨時都可能被替代、被超越
Google用ASIC取得領先，老黃就趕快買ASIC設計公司
中國買不到晶片就會走上自研，老黃就拼命遊說老美現在不賣以後就損失更多

我的比喻是不對
修正一下
我的意思是說API工具不管是CUDA
還是通用的
非大陸跟美國的其他國家公司要想開發AI
都是在美國大廠的API上開發
不會自己從硬件底層開發一套API出來
其他國家大多沒有自己重複造輪子 (API)的需求


Google有自己的TPU
但能自己開發硬體、軟體的科技公司
在大陸跟美國之外
有嗎?
我是想不出來

Google有自己的路線
但我想以後在Google跟NV之外的通用平台
才是大多數人的選擇

跟IBM個人電腦不想自己被綁在intel CPU上
要求intel要開放x86授權給其他公司一樣
我猜各家科技大廠不會想要自己被綁在NV GPU上
所以我才認為一個能用各家硬體的通用開發平台
才會是最後的主流