一个反共识的疑问，GPU 形态真的会是永远的终局吗？

首款产品 HC1 走了一条极端路线：用 Mask ROM 工艺把 Llama 3.1 8B 的权重直接固化在硅片金属层里，计算单元和模型参数在同一块硅上，几乎放弃可编程性，换来吞吐、延迟和能效的极限优化。

现在他们固化的是 Llama 3.1 8B，体验了下，回答问题不靠谱，很不稳。

但问题在于它快得离谱，体验上非常反直觉，能把 Groq 碾成渣渣，单芯片 17,000 tokens/s 的输出能力，眨个眼的功夫干出来几万字，这个比数据库查询能力都牛逼。

如果未来的大模型真的只剩几家头部在迭代，模型结构逐渐稳定，权重更新频率放缓，那么给某一个确定模型单独做一颗芯片，可能一点都不疯狂。

我们现在默认模型会一直剧烈变化，所以算力必须通用。

但如果模型开始趋于标准化呢？

把权重刻进硅片里，然后用极致专用架构换吞吐，把成本直接干下来。

现在看模型格局开始集中化，头部模型的结构变化一旦稳下来，那确实值得有一条围绕自己结构设计的专用芯片线。

那这条路线的爆发力，可能会非常夸张。

如果是这样的话，有一个反共识的疑问，
GPU 形态真的会是永远的终局吗？