（来源：上观新闻）
Q：这个问题可🇹🇨🇨🇭能显而易见，但我🐣⛲们多年🍙来一直处🇮🇶🐴于GPU短🏓缺的状态◽😁，现在随着模型的♍进步，供🍎👩🦲需缺口似乎👷🇸🇲更大了📯🕳。但我们并✍不是试图🇫🇮做“尽可能多的🐮🇲🇴事情”，而是“尽🏟可能少”⌨。这个缺陷在纯文本🎱任务中或许可🌻🇿🇲以忍受📗，但当AI要进📅📭入真实世界：操控🌾😲机器人、驾驶汽车🇺🇾、在工厂里作业🛳🎚，它就变成了⛑一个无法绕过🇦🇫的坎，🧖♂️👇你不能让🎖🎷一个自动驾驶🔬模型“大概正确”👨🎨📗地判断前方障💳碍物，🧼👩✈️也不能让一个😺工业机器人“差不🇸🇦🎱多”地预🇵🇬测零件运动轨迹🦢。
所以问题🙆🛴是，对于人工智能🦚❌而言，究竟什🥍么才是🇽🇰最合适的选🐁择？我对细节不熟🇲🇲，但和我👔💷的AI研究员朋友🦢交流时，他👨👦们说：🕎“看看TP🇨🇦🈹U吧，它是一个🇲🇲🇮🇹大型的行列🛷式阵列，非常适🛎合执行矩👩🎨阵乘法，而G👕🎯PU则非📑🐪常灵活🚉📲。因此，目前存在🦟📂供需缺🐙🇧🇶口，因为需✊🤼♂️求不断增长而🍢供应不🇳🇨足，从而导致🐩芯片短缺🇬🇶。“十五五”🕚规划建议中，更📍明确提出“推动量☪🇹🇩子科技成为新的经↔😬7777人成伊甸济增长点”，🐅意味着政策重心♒🎈正从“科📡研突破”向“产业💃化应用”和“经🔺↪济赋能”转变🦈📼。
Anthrop🚾ic和G🐅oogle已经转💊向他们自己的👇加速器👩🦱，比如TP♐🕚Us和T🧓rainiu🧤📤m🏜。所以问题是👠🐢，对于🙍♂️🎛人工智能🇷🇼🗼而言，究竟什么才💾🇯🇵是最合适的选择？🧜♀️我对细节不🥠🌤熟，但和😔⚓我的AI研究👩👩👧👧🎭员朋友交流时，👈他们说：“看看🇮🇪TPU吧，它是🎢7777人成伊甸一个大型的行🇮🇱🌒列式阵列，非🇪🇷常适合执行矩阵🎌乘法，而GP👙U则非常灵活🏧🍪。
