●在算法過程中頻繁的數(shù)據(jù)混洗使得NTT難以在計算集群中分布，無法并行計算，并且由于需要從大型數(shù)據(jù)集中加載和卸載數(shù)據(jù)，在硬件上運行時需要大量帶寬。即使硬件操作很快，這可能也會導致速度變慢。例如，如果硬件芯片的內存為16GB或更少，那么在100GB的數(shù)據(jù)集上運行NTT將需要通過網(wǎng)絡加載和卸載數(shù)據(jù)，這可能會大大降低操作速度。

芯片的硬件指的是運行指令的物理平臺，包括處理器、內存、存儲設備等等。芯片數(shù)據(jù)中常出現(xiàn)的“晶體管數(shù)量”、“7nm制程”、“存儲”等，往往指的就是硬件參數(shù)。

軟件則包括固件、驅動程序、操作系統(tǒng)、應用程序、算子、編譯器和開發(fā)工具、模型優(yōu)化和部署工具、應用生態(tài)等等。這些軟件指導硬件如何響應用戶指令、處理數(shù)據(jù)和任務，同時通過特定的算法和策略優(yōu)化硬件資源的使用。芯片數(shù)據(jù)中常出現(xiàn)的“x86指令集”、“深度學習算子”、“CUDA平臺”等，往往指的就是芯片軟件。

在分析之前，我們先看一下ASIC（Application Specific Integrated Circuit），中文全稱是“專用集成電路”。這里特別強調“專用”，“專用”意味著針對單一項目來說會更加有競爭力。相對比，GPU（顯卡）是通用計算處理芯片，所以在單一項目上來說“專用”肯定比“通用”更有競爭力。

為了打破英偉達一家獨大的局面，前任全球芯片老大英特爾和多年老對手AMD對標CUDA都分別推出了OneAPI和ROCm，Linux基金會更是聯(lián)合英特爾、谷歌、高通、ARM、三星等公司聯(lián)合成立了民間號稱“反CUDA聯(lián)盟”的UXL基金會，以開發(fā)全新的開源軟件套件，讓AI開發(fā)者能夠在基金會成員的任何芯片上進行編程，試圖讓其取代CUDA，成為AI開發(fā)者的開發(fā)平臺。