地球下一个版本的物种——硅基海洋里随机涌现出来的智能体。

失戀的謊言

地球下一个版本的物种——硅基海洋里随机涌现出来的智能体。


是的，人工智能是随机涌现出来的，就像生物进化一样，通过大规模的冗余、试错、并行突变而来的。

案例via跑酱er：“人类发明计算机，最开始是为了什么？是为了确定性。

你给计算机输入1，再输入1，告诉它做一个加法，它必须输出2。如果它输出2.000001，这就是个废品。CPU就是为了这种极致的确定性而生的。

但是，时代变了。

2012年之后，深度学习的崛起撕开了一个口子。到现在2026年，生成式AI已经接管了一切。

现在的计算任务变了。我们不再需要计算机去执行复杂的逻辑判断，我们需要的是计算机去从海量的数据中把规律暴力提取出来。

你训练一个GPT-5，或者现在的Gemini 3 Pro，本质上是在做什么？

你不是在写代码。你是在做矩阵乘法。

你是在对数以万亿计的参数进行并行更新。这中间没有复杂的逻辑跳转，没有那么多的if-else。就是纯粹的、暴力的、大规模的数学运算。加法，乘法，加法，乘法。

这时候，CPU那个引以为傲的复杂控制单元，就成了累赘。它就像是一个拿着博士学位的数学教授，你让他去搬砖。他也能搬，但他要先思考这块砖的受力分析，要考虑搬砖的姿势是否优雅，还得预测下一块砖会不会掉下来。

效率太低了。

而GPU是什么？GPU在设计之初，是为了处理图形渲染的。图形渲染说白了，就是屏幕上几百万个像素点，每个像素点都要根据光照模型计算自己的颜色。这几百万个计算任务是互不干扰的，可以同时进行。

所以GPU的设计哲学是：别搞那么多复杂的控制逻辑，给我堆运算单元。

把那个博士教授辞了，雇佣一万个只有初中数学水平但身体强壮的搬运工。

这就是GPU的本质：大规模并行计算架构。

当AI时代到来，人们惊讶地发现，原来神经网络的训练和推理，跟图形渲染简直是异曲同工。它们都不需要复杂的逻辑控制，它们需要的都是海量的、并行的、简单的矩阵运算。

于是，权杖交接了。

但这只是表象。

为什么这种变化会引发资本和国运的疯狂下注？

因为算力的边际效应变了。

在CPU主导的时代，你把CPU性能提升一倍，你的软件运行速度可能只快了20%。因为软件受到各种IO限制、内存延迟限制、甚至程序员代码水平的限制。那个时代的安迪-比尔定律——硬件提升的性能都被软件消耗掉了——其实是一种悲哀。我们在不断地制造电子垃圾，为了跑更臃肿的操作系统。

但在GPU主导的AI时代，存在一个恐怖的Scaling Law（缩放定律）。

你堆十倍的GPU算力，模型的智能程度就真的能出现涌现。这种投入产出比是线性的，甚至是指数级的。

这就太可怕了。

这意味着，算力不再仅仅是计算工具，算力直接转化为了智能。

以前我们买服务器，是为了运行ERP系统，为了做Web服务。现在巨头们疯狂囤积GPU，是在提炼智能。这就像是工业革命时期，大家从烧木头变成了烧煤，效率的提升带来了质的飞跃。

现在的数据中心，根本不应该叫数据中心，应该叫智能提炼厂。

在这个工厂里，CPU就是个看大门的。它负责启动系统，负责网络包的转发，负责硬盘的读写调度。真正干活的，真正产生价值的，是那成千上万张绿色的GPU板卡。

资本是这个世界上最聪明的嗅探犬。

看看现在的英伟达。它不是一家硬件公司。如果你还把它当成卖显卡的，那你完全没看懂。

英伟达在过去二十年做了一件最伟大的事情，不是发明了GPU，而是发明了CUDA。

它构建了一个软硬件一体的生态系统。它把那种难以调用的并行计算能力，封装成了普通程序员也能使用的接口。

现在所有的AI框架，PyTorch也好，TensorFlow也好，底层的算子优化都是基于CUDA的。这就形成了一个巨大的正反馈黑洞。全世界最聪明的算法工程师都在给英伟达打工，都在帮它优化生态。

这时候你再看CPU。Intel和AMD还在纠结什么大小核设计，还在纠结指令集兼容性。这些东西在AI浪潮面前，显得那么苍白无力。

甚至可以说，通用CPU正在走向消亡。

未来的计算架构，很可能是一个极简的控制核心（CPU），挂载着巨大的专用加速器（GPU/TPU/LPU）。CPU的地位会被进一步边缘化，它将退化成一个单纯的I/O控制器。

这就解释了为什么英特尔现在的日子这么难过。这不仅仅是制程落后的问题，是它的核心产品被时代抛弃了。它引以为傲的复杂指令集，在AI的大规模矩阵运算面前，毫无用武之地。

再往深了说，这涉及到了人类认知的底层逻辑转变。

我们在过去几百年，特别是科学革命以来，一直信奉的是还原论和确定性。我们认为只要公式写得够完美，世界就可以被计算。CPU就是这种思想的物理结晶。严谨，有序，分毫不差。

但现在的AI技术，尤其是大语言模型，告诉我们要拥抱概率和模糊。

GPT回答你的问题，不是因为它查到了标准答案，而是因为它计算出下一个字出现概率最高的是什么。这是一种模糊的正确，一种统计学的胜利。

为了实现这种统计学的胜利，我们需要的是暴力美学。需要的是在极短时间内完成万亿次的浮点运算。

这时候，精致的CPU不够用了。我们需要的是GPU这种大力出奇迹的怪物。

这甚至影响到了地缘政治。

为什么现在国家之间在限制高端GPU的出口？从来没听说过限制哪款消费级CPU出口能卡住谁的脖子。

因为高端GPU现在直接等同于国家战略力量。

你拥有多少块显卡，决定了你能不能训练出下一代最强的大模型。决定了你在生物制药、材料科学、军事推演、自动驾驶这些领域的上限。

这哪里是科技热点？这分明是军备竞赛。

在这个维度上，CPU那点性能提升，就像是给坦克换了个更舒适的真皮座椅，而GPU的提升是把坦克的主炮口径扩大了一倍。你说谁重要？

现在的科技圈有一种很奇怪的氛围。一方面大家对AI充满了焦虑，另一方面又对硬件的进步视而不见。

很多人还在用装机猿的思维去理解现在的算力市场。还在比主频，比核心数。

朋友们，醒醒吧。现在衡量算力的单位已经是FLOPS（每秒浮点运算次数）了，而且是特指BF16甚至FP8精度的运算能力。

在这个评价体系下，CPU弱得像个笑话。

一个顶级的服务器CPU，算力可能只有几百TFLOPS。而一张顶级的AI GPU，算力是它的几十倍甚至上百倍。而且GPU还在以每年数倍的速度进化。

这背后的逻辑是，摩尔定律在CPU上已经失效了。因为单核性能的挖掘已经到了物理极限，散热和功耗锁死了CPU的上限。

但在GPU上，黄仁勋定律正在接棒。通过架构创新、通过封装技术、通过降低精度换取速度，GPU的实际AI性能还在飞速增长。

这种增长速度太快了，快到软件生态都跟不上。

这就是为什么现在热点全是GPU。因为这是目前人类科技树上，生长最疯狂、果实最丰硕的那根枝条。

所有的资源，资金、人才、电力、关注度，都在向这根枝条汇聚。

这也带来了一个极其残酷的现实：算力阶级固化。

以前，你买得起最好的CPU，我也买得起。i9和i5的区别，无非是你渲染视频快几分钟。

现在，顶级的GPU集群，动辄几亿几十亿美元。这不再是个人或者小公司能玩得起的游戏了。算力变成了像核电站一样的基础设施，只有巨头和国家力量才能掌握。

普通人能接触到的，只是云端传输过来的Token。

所以，为什么CPU不是热点了？

因为CPU代表的那个“个人计算时代”已经结束了。

在个人计算时代，PC是中心。CPU是PC的大脑。你拥有了PC，你就拥有了算力。

现在是“云端智能时代”。中心是那个拥有十万张GPU的超级集群。你的手机，你的电脑，只不过是一个显示终端。真正的计算，真正的智慧，都发生在那片GPU组成的硅基海洋里。

CPU依然存在，就像马车依然存在一样。但在内燃机发明之后，马车就不再是交通工具的主流热点了。它变成了某种怀旧的、基础的、或者特定场景下的工具。

人类处理信息的方式变了。

从逻辑处理转向了数据吞吐。
从规则驱动转向了数据驱动。
从CPU的串行转向了GPU的并行。

这种转变是不可逆的。

哪怕未来GPU这个名字消失了，被什么NPU、LPU取代了，其核心的“大规模并行计算”的魂依然会存在。而那个依靠高主频、复杂流水线来处理串行逻辑的CPU旧时代，是永远回不来了。

这也是为什么我在各种场合反复强调，不要去做那些会被AI轻易替代的工作。因为AI背后的GPU大军，正在以你无法想象的速度进化。

当你还在为CPU多挤了一管牙膏而欢呼时，数据中心里，新的硅基物种正在通过数万张GPU的连接，学习如何理解物理世界，如何生成视频，甚至如何编写比人类更优雅的代码。

这才是赤裸裸的现实。

这才是为什么所有人的目光都死死盯着GPU的原因。

因为那里，正在孕育着我们这个物种的下一个版本。

我们再往深处挖一挖，把这个残酷的现实剖开给你看。

现在的互联网大厂，无论是国内的还是硅谷的，招聘HC最紧缺的是什么？是懂CUDA优化的人，是懂分布式训练的人，是懂模型量化的人。

那些曾经拿着高薪，精通Linux内核调度，精通x86汇编优化的老兵，如果不转型，正在面临前所未有的职业危机。

这就是技术热点转移对个体最真实的冲击。

技术热点从来不是无缘无故产生的，它是产业价值链重构的信号。

在PC互联网时代，价值链的顶端是操作系统和CPU，是Wintel联盟。他们制定规则，其他人遵守。

在移动互联网时代，价值链的顶端是SoC和移动OS，是ARM和iOS/Android。

而在现在的AI时代，价值链的顶端就是模型和算力，是NVIDIA和OpenAI们。

CPU在这个新链条里，价值被极度稀释了。它变成了一个Commodity，一种大路货。

你想想看，现在买服务器，谁还关心里面插的是Intel的至强还是AMD的霄龙？大家只关心能插几张卡，互联带宽是多少，散热能不能压得住。CPU只要不拖后腿就行，甚至很多场景下，ARM架构的低功耗CPU反而更受欢迎，因为它省电，能把宝贵的电力配额留给GPU。

这就是“通货紧缩”和“通货膨胀”在硬件领域的完美体现。

通用计算能力（CPU）在通货紧缩，变得越来越不值钱。
智能计算能力（GPU）在通货膨胀，价格被炒到了天上。

这种局面会持续多久？

只要大模型的Scaling Law还没失效，只要我们在通往AGI的路上还没遇到物理墙，这种对GPU的狂热崇拜就不会停止。

甚至，我们正在目睹一种新型的“能源危机”。

不仅仅是电力，算力本身就是能源。

未来，衡量一个国家的实力，可能不是看它的钢铁产量，不是看它的石油储备，而是看它拥有多少EFLOPS的智能算力。

而在那张决定国家命运的资产负债表上，CPU甚至都不配单独列一项，它会被归类到“其他辅助设备”里去。

没错，我不否认CPU的功能性价值。就像我不否认现在清洁工依然很重要一样。但你不会去炒作清洁工的概念，你不会把清洁工当成科技热点。

热点，代表的是增量。
热点，代表的是可能性。

CPU已经没有故事可讲了。它的故事在20年前就讲完了。不管它怎么改良，它都是在旧的框架里打转。

而GPU的故事，才刚刚开始。我们现在看到的ChatGPT、Sora、Claude，可能只是GPU算力爆发前夜的一点火星。

真正的燎原之火，是当物理世界被数字化，当机器人拥有了大脑，当科学发现被AI加速。所有这一切的基石，都是并行计算。

写到这里，我想起前段时间和一个做芯片架构的朋友聊天。他感叹说，这辈子最后悔的事情，就是当年读书的时候，觉得图形学是做游戏的，是不务正业，死磕了十年的通用处理器架构。结果现在，他在给当年那些“做游戏”的人打下手。

这不仅仅是个人的悲剧，这是整个计算机科学界的一次集体误判。

我们太迷信逻辑了，太迷信控制了。

我们以为智能是设计出来的，是像钟表一样精密咬合出来的。

结果现实狠狠给了我们一耳光：智能是涌现出来的，是像生物进化一样，通过大规模的冗余、试错、并行突变而来的。

GPU这种架构，恰恰符合了生物进化的特征：单元简单，数量巨大，并行处理，容错率高。

这才是道。

这才是符合天道的计算架构。

CPU那种精细管理的架构，注