第509章互相成就，永远相信
又沉默了数秒，马云终于从惊讶中回过神来。
他没有立刻质疑，而是深吸了一口气，身体重新靠回椅背，手指在桌面上轻轻敲击著，目光复杂地看著江倾。
「江总。」
他缓缓开口，声音比刚才严肃了许多。
「不是我不相信你，只是你这话说出口————确实有些骇人听闻。我再跟你确认一遍，刚才那些话，果真如此？」
「当然。」
江倾笑了笑，语气笃定。
「我既然敢说，就有把握。马老师要不要听听，我的把握从哪来？」
「洗耳恭听。」
马云坐直身体，神情无比严肃。
张建峰与在座的其他人也立刻竖起耳朵，生怕会漏掉一个字。
王憷然同样悄然凑近了江倾一些，眼睛眨也不眨地盯著她，满眼期待。
虽然听不懂，就是想听，想看他在自己擅长的领域闪闪发光的样子。
江倾没有立刻解释技术，而是看向张建峰，先问了一个问题。
「张院长，你们现在做晶片设计，用的EDA工具，主要还是Synopsys、Cadnce、
Mentor这三家的吧？」
张建峰立马点头。
「是的，行业标准工具链，离不开它们。」
「仿真验证用的平台呢？硬体加速器呢？」
江倾接著问。
「也主要是国外的解决方案。」
张建峰如实回答，眉头皱起。
「这也是我们效率瓶颈之一，很多时候工具链不顺手，或者某些高级功能被限制，很影响叠代速度。」
江倾点点头，这才切入正题。
「我的把握，来自几个方面。」
他语气平和，像在陈述客观事实。
「第一，工具链。无问从去年开始，就在自研一套针对AI晶片设计的EDA工具，不是全功能替代，而是聚焦在我们最需要的高层次综合、特定架构优化和快速仿真验证上。目前内部测试版本，在特定任务上的效率，比传统工具链提升三到五倍。」
张建峰的眼睛瞬间张大。
「第二，架构创新。」
江倾继续侃侃而谈。
「英伟达的GPU架构固然强大，但它是通用架构，要兼顾图形渲染和通用计算。而AI
晶片，尤其是训练晶片，计算模式有很强的规律性。我们基于万象模型对海量AI负载
本章未完，请点击下一页继续阅读！