※ 引述《KIMBEOM (HYYY)》之铭言：
: 原文标题：DeepSeek颠覆AI产业模式！曝中国2大发展方向 ASIC成关键
: 原文连结：https://reurl.cc/qn2x9n
: 发布时间：2025/02/02 12:40
: 记者署名：壹苹新闻网 / 吕承哲
: 原文内容：
: 【记者吕承哲／台北报导】中国AI新创公司DeepSeek近期在科技界掀起热议，根据调研机
: 构TrendForce集邦科技的最新研究，DeepSeek近期接连发表DeepSeek-V3、DeepSeek-R1等
: AI模型，将影响终端客户对AI基础设施的投资决策。未来，业者可能更注重软件运算模型
: 的效率，以减少对GPU等昂贵硬件的依赖。同时，云端服务供应商（CSP）可能扩大使用自
: 家ASIC（特殊应用积体电路）基础设施，以降低建置成本。这使得2025年后，市场对GPU
: AI芯片及相关半导体的需求可能产生变化。
: 心得/评论：
: 看来ASIC就是未来趋势 IC设计准备喷喷
: 明天加码世芯 创意 M31
LLM经过这三年发展已展现其潜力，但也陷入(公开)知识枯竭造成的瓶颈
网络爬虫能抓的都已训练完
AI模型如还需增加功力，只能望向各家机构(公司)的商业祕密
比如DS团队使用低阶语言PTX来增加GPU计算效率
此部分的知识储备，据说来自母公司幻化量方过往最佳化量化交易模型的经验
拿 Python/C/组语/机器语言 来比喻就更明了
过往程式语言往高阶发展，是因为有着训练人才普及的需求
毕竟组语难学，机器语言就别提了
所以在一个python程式满天飞的时代，能用C重写效率优势就惊人，更不用说使用组语
GPU这块也是，现在很少有CUDA的使用者会去写PTX
所以关于"PTX最佳化"公开的知识并不多
但很可能DS团队已经成功将幻化量方PTX经验转换为大模型
然后用在设计下一代大模型的架构上
简单说就是掌握独家的低阶语言知识，教给AI，然后再"手动迭代"
不断产生更高效率的低阶AI码农
当然OpenAI内部也有可能拥有类似知识，但效率较低
所以基本可以推论，未来谁越能掌握压榨硬件的知识，就能持续拉开效率差距