算力的进化：从一间房到一张卡

引子：ENIAC占据了一整间房

1946年，世界上第一台通用电子计算机ENIAC诞生。它重30吨，占地167平方米，耗电150千瓦——相当于一栋小型办公楼。而它的算力，大约是你现在手上那块Apple Watch的百万分之一。

80年后，驱动GPT-4训练的算力集群，相当于把几十万个ENIAC浓缩到一座数据中心里。这章我们就来讲——这中间到底发生了什么。

2.1 摩尔定律：改变世界的最强预测

1965年，英特尔联合创始人戈登·摩尔做出一个预言：集成电路上的晶体管数量，每18-24个月就会翻一倍。

这个预测惊人地持续了50年。它意味着：

2.2 从CPU到GPU：一场意外造出的AI引擎

2.2.1 CPU：通用但不擅长AI

CPU（中央处理器）像一个优秀的全科医生——什么都能看，但每个专科都不是最顶尖。它擅长处理顺序任务：做一步，再做下一步。

AI训练需要的是并行处理——同时执行成千上万个简单运算。CPU不够用。

2.2.2 GPU：从游戏显卡到AI神器

GPU（图形处理器）最初是为游戏设计的——渲染3D画面需要同时计算数百万个像素的颜色。这个「并行计算」的特性，恰好也是AI训练所需的。

2009年，斯坦福大学的一个研究组发现，用GPU训练神经网络比CPU快70倍。AI界从此进入GPU时代。

2.2.3 英伟达的万亿之路

英伟达的崛起是一个「二十年磨一剑」的故事：2006年不被看好的CUDA投资，最终让它成为AI时代的「卖铲人」。

2.3 TPU和NPU：专为AI定制的芯片

GPU虽然好用，但毕竟是为游戏设计的。于是出现了专为AI设计的芯片：

2.4 芯片禁令对中国AI的影响

2022年10月，美国禁止英伟达向中国出口高端AI芯片A100和H100。这对中国AI发展意味着什么？

DeepSeek-V3用受限芯片照样训练出顶级模型，证明算法优化可以部分弥补算力差距

2.5 今天的算力有多强？

一句话感受：训练一次GPT-4消耗的电力，足够一辆电动汽车绕地球赤道行驶约6300圈。

2.6 本章小结

本章初稿，待浩哥审阅。下一章：数据的洪流——互联网如何喂养AI。