算力这东西，过去十年是英伟达的独角戏，CUDA 一统江湖。但现在，风向变了。SIMT（单指令多线程）不再只是 GPU 内部的执行模型，而是成了巨头们抢滩 AI 算力的新赌注。为什么是现在？因为摩尔定律的尸骸还在冒烟，但没人敢再押注晶体管缩放了。你需要的是效率，是更狠的并行度，是 SIMT 这种“让一万个线程同时跑”的暴力美学。
别跟我扯架构，告诉我谁在卡位
英伟达当然是老大哥，Hopper 和 Blackwell 把 SIMT 玩成了印钞机。但你没看到的是，AMD 的 CDNA 3 正在咬着牙往数据中心里塞更多 CU（计算单元）。这不是技术问题，是生存问题——AI 训练成本高到只有疯子和巨头才玩得起，而 SIMT 的能效比直接决定你账面上的钱能烧多久。
真正的黑马，是那些你不太在意的玩家。
比如，Cerebras 的晶圆级引擎，直接把 SIMT 扩展到了整个晶圆。听起来很疯狂对吧？但人家用 44GB 的片上 SRAM 把内存带宽瓶颈砸碎了。还有 Tenstorrent，这个由 Jim Keller 掌舵的公司，把 SIMT 和 RISC-V 揉在一起，走的是开放生态的路子。别笑，这可能是未来十八个月里最狠的一刀。
再说说国内。华为昇腾虽然在生态上是瘸腿的，但昇腾 910B 的 SIMT 效率已经能让英伟达在中国的销售团队失眠。燧原科技这东西，我在一次闭门会上听到他们的推理卡在推荐系统里把 TCO 干到了英伟达的六成。说句实话，这已经不是追赶的问题了——是在重新定义“够用”的边界。
洗牌前夜：大鱼吃小鱼，还是怪物吃大象？
未来 12 到 18 个月，你会看到至少三起大额并购。谁会被吃？那些只有一张芯片图纸、却没有任何软件栈的初创公司，死得会很惨。
我跟你讲个残酷的事实：SIMT 的护城河不在指令集，而在编译器和开发者生态。英伟达为什么能笑到最后？因为 CuDNN 和 TensorRT 已经把硬件的潜能榨干了。你要挑战它，就得先啃下这块最难啃的骨头。
所以，你看好那些一边做硬件一边偷偷搞编译器团队的玩家。比如，SambaNova 收购了开源编译器团队，就是为了打通从 PyTorch 到他们自定义 ISA 的快速通道。这种看似赔本的买卖，其实是在布局下一个十年的入场券。
至于并购方向，我可以大胆预测：传统 CPU 巨头（Intel、AMD）会继续买小芯片团队，而不是自己研发。因为他们嘴上都骂 SIMT 是邪路，身体却很诚实——毕竟 AI 服务器市场的毛利率摆在那里，谁的股东不眼红？
商业闭环？先把边际成本降到地板上去
很多人对 SIMT 的盈利逻辑有误解。他们以为卖芯片是生意，其实真正的生意是卖“算力服务”。
你看 CoreWeave 干的事：买一堆 H100，然后按小时租给初创公司。这背后，靠的是 SIMT 带来的极致资源利用率——当你的线程调度效率比别人高 20%，你的每小时定价就能比 AWS 便宜 15%，然后还能有 30% 的毛利。这就是商业模式的降维打击。
再往深了说，SIMT 的边际成本下降来自于两件事：
- 超线程复用：当一批任务不需要全部 SIMT 线程时，空闲的线程可以接着跑其他独立任务。这活儿 NVIDIA MPS（多进程服务）在做，但大多数玩家还没意识到这有多重要。
- 内存墙打破：HBM 价格在跌，却没人告诉你，新一代 SIMT 的片上缓存能吞掉一半的显存访问。省下的钱，就是利润。
所以，我的判断是：未来能跑通商业闭环的 SIMT 公司，必须同时握住三个抓手——硬件算力密度、软件编译效率、以及按量计费的云化能力。缺一个，你就是给英伟达当垫脚石的命。
别废话了，行动指南
你想赚这笔钱？要么重仓那些有自有编译器的小公司，要么直接去抢数据中心里跑推理的标的。别碰那些只谈论文不谈营收的“科幻芯片”——明天他们就会死在流片的路上。对于企业用户，我建议你从 GPU 转向更偏 SIMT 的异构平台，先拿一批对延迟不敏感的离线任务做验证。如果效能提升超过 30%，那就果断扩大测试范围。
实话实说，这赛道越来越拥挤了，但正因为拥挤，那些能解决实际问题的产品才会被迅速剥离出来。你要做的，就是别被抱着老架构不放的厂商耽误了。
赶紧动，别犹豫。
