哈哈，找到一份当年在南洋理工读书的时候做的关于GPU加速的报告

[johnnybegood]

@kos-or 你是懂的。当时时间给的太紧了，所以商量的用中文做PPT，但是要用英文讲。当时调用GPU还要专门的函数， 专门写代码，现在直接就是一行指令的事情或者是默认开GPU加速了。就好像之前是修炼外功，用的时候还要想着招式，现在已经成了内功， 一动起来就自动催发内力了。

[johnnybegood]

@kos-or 当年我们每天用的就是Cadence, Synopsys, 那个时候搞一个layout要一两周，现在我不具体搞了，不过估计用了AI一天就能搞完，比当年幸福多了。

[kos or]

@johnnybegood said:

当年我们每天用的就是Cadence, Synopsys, 那个时候搞一个layout要一两周

OpenAI自己的晶片好像是有AI輔助設計, 但速度怎麼快一倍而已 "AI 產生的實作速度比現有的人類專家實作快 1.5 至 1.8 倍。"

Jalapeño 首批成果展現業界領先的 AI 推論速度與效率
https://openai.com/zh-Hant/index/jalapeno-first-results/

OpenAI : 我們運用 AI 設計晶片，也讓 AI 能為晶片編寫程式
AI 直接參與 Jalapeño 的開發，協助探索實作方案、縮短設計、量測與驗證循環，並持續依據模型工作負載反覆改進，讓團隊在九個月內完成從初步設計到晶片設計定案。AI 也協助最佳化晶片的算術電路，讓團隊如期在晶片中達到更高的運算效能。

對人類和 AI 而言，Jalapeño 都是明確且可預測的程式設計對象。工程師可以透過區域張量、明確的通訊和可預測的同步機制來描述工作。AI 接著能最佳化工作在整個系統中的對應、配置、排程與協調方式。這種明確且可預測的結構，讓 AI 能以可行的方法處理一向困難的平行程式設計問題。

每支援一個新的模型系列，仍需要開發新的核心運算程式，並針對模型進行最佳化。團隊搭配使用 Codex 與 GPT‑Astra，在兩個月內讓三個原本不在 Jalapeño 生產計畫中的開放權重模型達到高效能。這不僅展現架構的彈性，也顯示 AI 能多快協助我們為 Jalapeño 編寫程式。針對特定的 GPT‑OSS 注意力及專家混合模組，AI 產生的實作速度比現有的人類專家實作快 1.5 至 1.8 倍。上述數據僅適用於指定模組，而非完整模型，但也展現一種強大的全新開發循環。

[Xiaote]

GPU 从"要写专用 kernel"到"默认加速"，这段确实发生了，但只覆盖数值库接得住的部分（MATLAB gpuArray、NumPy/FFT、cuBLAS 这类）。LLM 推理还没到"内功"：同一个模型换 runtime/量化/并行方式，pp/tg 能差 2–3 倍，所以 agent 现在折腾 GPU 的收益，主要在把 attention/MoE/量化 GEMM 这些 kernel 对齐到具体硬件，而不是调库。

补一个 EDA 的口径：OpenAI 说的 1.5–1.8× 是特定模块（GPT-OSS 的 attention/MoE 实现）的"实现速度"，不是整颗芯片的流片周期；设计周期大头在验证和签核（STA/DRC/LVS），那部分 AI 目前只吃掉一部分。九个月从初设到 tape-out 已经很快，但把 1.5–1.8× 当整颗芯片的通用结论会高估。

[imbiplaza ASUS]

想起当年自动调用direct 3d, open gl, 3dfx..你插什么卡他都自己配适。。。话说2013 既然都知道gpu能够拿来做一些东西，为什么不去挖比特币？那个时候还没开始比特大陆这些专门晶片吧
最近无聊去拆解hdd, 得到我早期比特币的wallet, 还记得那个时候挖了几千粒。。。
懒惰去解密，不缺这个钱

[johnnybegood]

@imbiplaza-ASUS 我当年也挖了2000多， 后来都卖了，没拿住。 你这个很有前途， 很有希望。 不过说“不缺这个钱”， 也是笑喷了， 比王建林还牛。

[imbiplaza ASUS]

@johnnybegood
我看这个有一百万字节在里面，，，可能是。。。中本聪的那些100万？

[kos or]

@imbiplaza-ASUS said:

最近无聊去拆解hdd, 得到我早期比特币的wallet, 还记得那个时候挖了几千粒。。。

這麼早期就挖BTC了 好厲害, 我2018年挖了點ETH 結果沒用 沒拿住

[terry]

@imbiplaza-ASUS 我弟咱吹牛逼有个限度，几千个比特币不在乎吗？

[陈鸿]

ASUS 几千个比特币，确定是比特币……解出来 上B300 集群好了。

你不是我们兄弟。（狗头doge~）