百张支撑十万日活绰绰有余。”江松然说，“基于标注数据的后训练，勉强也能做。但要做预训练，远远不够。”
TFLOPS（TeraFLOPS，Trillion Floating-point Operations Per Second）是衡量计算机算力的单位，中文是“每秒一万亿次浮点运算”。GPU 的强项就是浮点数学运算；若把每块 GPU 比作一辆跑车，TFLOPS 就是仪表盘上的最高时速。
用 N 卡体系举例：游戏玩家的梦中情卡 RTX 5090 在 AI 实际使用精度下大概能做到 200 TFLOPS；专业用于 AI 训练的英伟达 B200，单卡能达到 2250 TFLOPS 的恐怖算力。
韩路一点头，这和他设想的没有出入。
“而且，韩总，我不知道咱们团队里有没有人有过显卡集群管理的实操经验。但非 CUDA 生态显卡集群的管理难度，和 CUDA 生态完全不一样。五百张国产卡，全国能把训练栈跑通的不超过三家。”
说完，江松然露出些许骄傲：“有我在，我有信心让源智科技成为其中一家。”
韩路一倒不怀疑——他招江松然进来，就是要他干这个。他接着问：“那从哪家采购最好，你有什么建议？”
江松然微微沉吟，没有马上回答。
这个问题其实有点敏感。他当过管理者，当然知道对任何公司来说，采购都是敏感话题；何况 AI 用显卡单卡价格都在十万以上，五百张就是五千万的采购，金额不小。
为求安全，他最好推荐一家国产头部大厂。大厂内控严厉，给他回扣的风险小，韩路一更不会怀疑他。
可做过调查后，江松然确实发现了一个更好的选择；只是说出来，未必对他本人是好事。
他没犹豫太久，还是咬了咬牙，说出更冒险的版本：“有一家，叫硅明半导体（Sili-Lumin），总部在鹏城，也是创业公司。去年刚开始量产第一款产品，叫 L100，算力 600 TFLOPS，片间互联带宽 600 GB/s，对标英伟达 H100。硬件料很足，还有一个对我们来说算优点的缺点——他们的软件做得很差，完全没有训练落地配套，买家全在做推理。”
“所以硅明对咱们格外合适。五千多万的单子，对他们来说是救命稻草；他们销路不好，有现货。”江松然把思考都说了出来，“再加上软件弱、硬件强，
…。。