DS 在硬件接口和驅動方麵深度兼容了國產GPU芯片，如華為昇騰，天數智芯BI，寒武紀MLU。其次，通過對華為CANN，寒武紀的CNML軟件接口來支持AI框架軟件如，TensorFlow和PyTorch，從而擺脫對NV的CUDA依賴。同時對分布式訓練進行優化，減少多節點間同步延時。對國產GPU進行性能優化包括在編譯層麵，內存優化和FP16/BF16混合精度優化等等。在國內半導體無法做到4-2納米工藝的時間段中，支持現有的國產GPU利用DS 和硬件成本優勢搶占所有中低GPU的AI市場。
你沒看到現在DS在國內垂直應用整合的力度嗎，開源了兩個月不到，深圳政務就用了三十幾個DS數字公務員來處理許多政務文件。更別說是企業級的應用了。所以隻要再給DS 6個月左右的時間，利用開源屬性，就能在全球AI界建起一個尾大不掉的以DS為底層的AI怪獸產業。因為所有的競爭最後終會回歸到成本問題，DS目前來說其成本優勢是無與倫比的，AI的推廣發展，要考慮初始成本更要考慮的是在應用中的邊界成本，例如普通的互聯網搜索，供應商的成本大約是每次0.2分錢，但是一次大語言模型的搜索成本平均50個token 就是2分錢。這也是為何大家都知道AI 搜索更高效便利，但是即使穀歌也無法負擔用AI來取代搜索。
這些軟硬件方麵的深層變革才是最可怕的事。
