问在AI晶片这块，到底是怎么想的？万象的训练也用了英伟达的晶片，但依赖别人的东西，终究不是长久之计。江总，你说呢？」
问题抛了出来，直接、尖锐，且切中要害。
桌上再次安静下来。
张建峰推了下眼镜，准备开口补充技术细节，但马云抬手示意他稍等，目光依旧锁定江倾。
王然屏住呼吸。
她不懂晶片，但她听得懂「依赖别人不是长久之计」，更看得懂马云眼中那种迫切又克制的期待。
心头一紧，她转头看向江倾。
江倾并没有立刻回答。
他拿起筷子，夹了一筷子清蒸东星斑腹部最嫩的肉，放进面前的小碟里，又用公勺舀了点盘底的鼓汁淋上去。
动作慢条斯理，似乎此刻讨论的不是关乎企业未来战略的核心问题，而是这道鱼的火候如何。
鱼肉送入口中，他细细咀嚼，咽下，才放下筷子，拿起湿毛巾再次擦了擦手。
整个过程中，没有人催促。
所有人都在等著他。
「马老师说得对。」
江倾终于开口，声音平和，却透著认真。
「依赖别人的晶片，就像把房子的地基打在别人的土地上。平时没事，一旦地动山摇，最先垮的就是地基。」
他自光扫过张建峰，开门见山。
「张院长，请问咱们这边现在到什么进度了？目前遇到的难题主要是哪些？」
话题转向技术细节，张建峰立刻打起了精神。
「江总，我们目前的旗舰产品是含光800，主要针对AI推理场景，在图像识别、语音处理这些领域已经有不俗的表现，也初步应用在阿里云的部分客户场景里。」
他的语速加快。
「但说实话，跟英伟达的A系列晶片相比，尤其在训练侧，差距还很明显。」
看了眼马云，得到肯定的眼神后，他继续开诚布公。
「我们现在最大的难关有几个。一是制程工艺，含光800用的是台积电12nm工艺，而A100是7nm，A800虽然为了合规做了一些调整，但底子还是7nm。制程的差距直接体现在电晶体密度、功耗和性能上。」
江倾认真倾听，偶尔点头。
「二是架构设计。」
张建峰接著介绍。
「英伟达在GPU上的积累太深了，CUDA生态几乎是
本章未完，请点击下一页继续阅读！