象模型对海量AI负载的分析，提炼出了一套更专用的稀疏计算、动态精度混合架构。纸面性能对比可能不直观，但实际跑典型AI训练任务，同等电晶体规模下，理论性能能提升百分之四十到六十。」
「百分之四十到六十？」
张建峰失声惊呼，随即意识到失态，连忙压低声音。
「江总，这————这数据有实测支撑吗？」
「有小规模FPGA原型验证，数据可靠。」
江倾给了他肯定的答复。
「当然，从原型到流片，中间还有很多工程问题要解决，但方向是对的。」
马云的呼吸明显粗重了一些，看著江倾的眼神逐渐变化。
「第三，工艺和生态。」
江倾看向马云，笑著耸耸肩。
「制程工艺上，我们短期内可能追不上最先进的3nm、2nm，但在7nm、5nm节点上，国内的技术正在快速成熟。中芯国际的技术突破比很多人想像的要快。至于生态————」
他洒然一笑，神色笃定。
「无问有万象，有全球最大的开发者社区之一。如果含光的架构能和我们自研的软体栈深度绑定，优化到极致，那么不好用的问题，可以很大程度上解决。因为我们会让开发者用最简单的方式，发挥出晶片最大的能力。」
他说的每一点，都直击平头哥目前最大的痛点。
工具、架构、生态。
而且，他不是空谈，每一点都给出了具体的、可衡量的预期。
张建峰已经激动得手指都在发抖。
他是搞技术的人，太明白江倾这番话的价值了。
如果真能实现，那不仅仅是追赶上A800的问题，那甚至有可能在AI训练晶片领域，走出一条全新的、更高效的路径！
马云再次沉默下来。
他在消化江倾的话，在权衡，在判断。
最终，他抬起头，眼中再无半点怀疑，只剩下决绝的光。
「江总。」
他缓缓开口，声音沉稳有力。
「你需要阿狸做什么？」
这句话，意味著他信了。
不仅信了，而且决定全力投入。
到了此刻，他哪里不明白江倾早就有在布局，就等著他主动抛出橄榄枝。
而且还故意婉拒了他数次，不过现在都不重要了，结果最重要。
江倾脸上的笑容深了些。
实
本章未完，请点击下一页继续阅读！