01.建议如题
股份比我都想好了，5%。
发钱本质是，让协同这件事，
本身有价、有账、有回报，
目的是把云厂商核心的人，
真正纳入芯片公司的利益体系。
好的，既然目的已经抛出来了，
我再抛一个发问：
价值由两拨人共同创造，
但上市套现的收益只归其中一拨人，
这公平吗？激励对得上吗？
昆仑芯能拿到500亿美元的估值故事，
核心论据是"P800已在全国产万卡集群上，
完成文心5.1重要版本训练"。
可这个成绩是谁做出来的？
是芯片团队，
和百度云/飞桨/文心团队一起做出来的。
这不是个案，阿里这边，是同一个剧本。
阿里PPU集群跑起来、跑得好，
灵骏平台功不可没。
要我说，一半功劳在芯片，
另一半在软件栈和调优。
协同价值的贡献者，理应分享协同收益。
02.云厂商到底贡献了啥？
AI芯片这门生意的命门：
芯片公司最缺的不是钱、也不是设计能力，
是：真实的、大规模的、持续的负载。
而云厂商把真实业务、真实模型、
真实流量、真实部署环境，
最好的，都喂给了所孵化芯片公司。
这比单纯投钱好太多。
云厂商给芯片公司的那两样东西：
订单（含场景）、协同调优。
没有一样是芯片团队自己能造出来的。
芯片必须被真实业务反复跑、反复捶，
才能知道瓶颈在哪、下一代该怎么改。
而这恰恰是云厂商能给的最贵的东西，
它不用去外面求，自家业务就是最大的客户。
细说起来，带来三种订单：
云厂商自用，
就是第一种大订单；
云厂商客户迁移上来，
就是第二种订单；
云厂商把它放进解决方案，
就是第三种订单。
芯片能不能用，不只看硬件。
更痛苦的是模型怎么落到芯片上。
云厂商会帮它做训练框架推理框架、
模型转换、量化、并行策略、调度系统。
比如一个大模型原来跑在英伟达CUDA生态上，
现在要跑到国产推理芯片上，
就要处理一堆细节：
哪些算子缺实现，哪些算子性能差，
KV cache怎么管理，显存怎么切，
长上下文怎么支持，
多卡通信怎么做，
所以，云厂商帮芯片做的不是，
“优化一下性能”这么简单，
而是把一颗芯片变成云上，
可售卖、可调度、可运维的算力资源。
把芯片、框架、模型三层揉在一起做端到端，
干活的人，恰恰是云和框架这边的技术团队。
以上都可以被归到一个问题里，
国产芯片如何被一整套软件栈托举起来？
03.垂直整合
昇腾NPU能打，
靠是CANN算子库+MindSpore
+盘古大模型整条链。
昆仑芯P800能打，
靠的是飞桨+百度云平台
+文心大模型整条链。
平头哥同理，
是灵骏平台+HPN网络+阿里云平台
+通义大模型整条链。
制程差距客观存在，
这时候，软件栈更不只是芯片的配角，
它就是芯片能卖出去的那半条命。
那些用软件去填补硬件差距的人，
最应该被激励，
而组织上，他们很多人不坐在芯片公司办公室里，
而坐在云厂商团队里。
当然，编译器和算子库属模糊地带，
有的编译器和训练/推理框架是第三方提供。
大概情况是初始算子库是芯片厂商做，
后面优化融合云厂商做，
但是芯片厂商会提供整套算子库，
以及写算子库的环境。
在技术边界的模糊地带里，双方更是相互依赖
比如，可能是阿里云构建整个PPU的集群，
平头哥做和硬件强耦合的算子优化。
以上，都是云厂商帮芯片厂商，
所做的软件适配的真实工作。
还有，云厂商提供真实流量压测。
芯片实验室里跑benchmark，
和云上真实客户跑服务，是两回事。
云厂商可以把自己的内部业务拿来做灰度，
比如搜索、推荐、广告、
客服、代码助手、大模型推理。
先在内部低风险场景跑，再逐步扩大流量。
这对芯片公司非常宝贵，
因为它能看到真实问题：
高峰时延稳不稳，
长时间运行会不会掉卡，
驱动会不会崩，
某些模型会不会突然性能塌陷，
客户多租户混跑时资源隔离行不行。
帮助芯片厂商一步步扩大应用规模，
帮助硬件走完覆盖客户的全过程。
这些更是云厂商负责。
云厂商做得更好，更有生态属性。
这也是云厂商孵化芯片的特殊优势。
当然，这显然不是芯片依赖云厂商的单向叙事，
而是互相依赖。
04.双向依赖，且深深依赖
云厂商用英伟达的卡，是买什么用什么，
你的负载再特殊，英伟达也不会为你改硅片。
自家芯片很强，关系就反过来了，
当然云厂商的业务（模型）也要很强，:
云上跑的AI大模型负载：
比如推理decode阶段严重卡带宽，
直接给芯片团队反馈。
下一代芯片就专门加网络带宽、改存储层级。
而下一个阶段的形态，
或者说最终极的形态，
是给每个模型找最合适的芯片，
干脆按你的模型去定制芯片。
不过，孵化的芯片公司并不是云厂商的芯片团队，
这点要分清楚。
比如AWS的Graviton的芯片用量很大，
是为云定做，
就是云厂商的芯片团队全权负责。
如果芯片公司独立，
就不能只考量云厂商的需求，
可能要和英伟达AMD竞争，
但是垂直整合依然是最优选项。
尽管这是一个动态过程。
所有大厂，有一个算一个，
谁都希望垂直整合整合到我这里。
OpenAI也自己做芯片，
天下苦英伟达旧矣，
谁不想把英伟达全踢出去呢。
也就是说，垂直整合是目标，
但是，未来会走到哪里谁都不知道，
头部厂商不知道，红杉高瓴也不知道。
现状是技术边演进边博弈。
AI芯片公司最需要证明的不是PPT上的性能，
如果把“协同”作为核心竞争力大写特写，
却在利益分配上只字不提，
那才是这个故事最该被追问的地方。
《AI产品和技术模块》
1.Kimi Agent产品很厉害，然后呢？
2.搞懂“记忆”必看｜吃透Engram
3.实属踩踏了？深水炸弹Seedance掩盖Seed2.0
4.Harness内心OS：大模型只管想，剩下烂摊子全我的
5."纠缠软件"是什么？Agent？还是Harness?
6.排行榜是别人的，手感是自己的：Kimi K2.6体感报告
7.Agent才不会"赢家通吃"，证据来了……
8.央企OPC的玩法和困境：让Agent能跑，还要改造费？
9.Agent大战，赢家暗自在哪下功夫?
《具身智能》
1.“26年具身智能，根本做不过来”：含陶大程教授独家
2.漫画：大模型“强控”具身智能机器人？
1.独家深度丨夸克健康大模型调研报告
2.熬夜三年肝损害，AI博主也靠AI学“续命”医学知识
3.为什么AI能预警心脏主动脉“血管炸弹”？
4.对话作者：全球首个开源手术视频大模型SurgMotion
5.阿里达摩院：做胸腹部CT，顺便筛了肠癌｜独家对话和睦家医院朱刚主任
2.英伟达：照抄者死，阿里华为：AI集群狂飙『全解耦』
3.阿里华为『血战』英伟达AI超节点
4.抢在英伟达护城河合拢前，硅光的冲刺与最后窗口
5.OCP现场 l 北美AI巨头罕见共识ESUN，为利益握手
6.为什么有些『闪断的锅』，硅光不背?
7.为了Token，阿里云竟然出了一个TPN？
8.杀死Token成本：靠的不仅是更强的芯片
