DS 在硬件接口和驱动方面深度兼容了国产GPU芯片，如华为昇腾，天数智芯BI，寒武纪MLU。其次，通过对华为CANN，寒武纪的CNML软件接口来支持AI框架软件如，TensorFlow和PyTorch，从而摆脱对NV的CUDA依赖。同时对分布式训练进行优化，减少多节点间同步延时。对国产GPU进行性能优化包括在编译层面，内存优化和FP16/BF16混合精度优化等等。在国内半导体无法做到4-2纳米工艺的时间段中，支持现有的国产GPU利用DS 和硬件成本优势抢占所有中低GPU的AI市场。
你没看到现在DS在国内垂直应用整合的力度吗，开源了两个月不到，深圳政务就用了三十几个DS数字公务员来处理许多政务文件。更别说是企业级的应用了。所以只要再给DS 6个月左右的时间，利用开源属性，就能在全球AI界建起一个尾大不掉的以DS为底层的AI怪兽产业。因为所有的竞争最后终会回归到成本问题，DS目前来说其成本优势是无与伦比的，AI的推广发展，要考虑初始成本更要考虑的是在应用中的边界成本，例如普通的互联网搜索，供应商的成本大约是每次0.2分钱，但是一次大语言模型的搜索成本平均50个token 就是2分钱。这也是为何大家都知道AI 搜索更高效便利，但是即使谷歌也无法负担用AI来取代搜索。
这些软硬件方面的深层变革才是最可怕的事。
