国产芯片替代

这张图描述的是分布式计算中经典的 3D 并行策略。主要是大语言模型训练的优化方式，对于一个特别大的模型，怎么把它放到GPU集群里进行训练，而且还要很有速度的训练。当前主要是这三种方式灵活使用

这是系列的收官之作。如果说前五篇是关于“如何打进去”，那么这最后一篇就是关于“如何留下来”，怎么在一个引入项目中积累更多的经验。多尝试，多收获 加油吧

作为 FAE，我们需要识别、搞定、甚至“赋能”以下五类核心干系人，因为一切都是利益驱使的，如果你可以分清各类人群的利益，而且满足他们，那么你这个事情的成功率就很高

在招标入围的背景下，客户留给 FAE 的时间非常紧迫。这一个月不仅仅是技术测试，更是一场预期管理。所以时间很紧迫，从技术维度肯定是越快越好，但有个时间维度能够让事情更好的执行。(*^▽^*)

当模型通过 ONNX 顺利迁移并“点亮”后，客户接下来一定会盯着性能指标（Latency 和 Throughput），那么怎么才能确定这个模型在当前的芯片里是最佳的状态呢？

在当前的商业环境下，模型是在 NVIDIA 集群上训练好的，国产芯片目前的使命是接管推理（Inference） 任务。 作为 FAE，我们要帮客户打通一条从 NVIDIA 到国产硬件的“高速公路”。

商业论证——在 Vibe Coding 时代，重估国产化的“入场券”，英伟达的生态或许会因为AI产生一些微妙的变化