（来源：上观新闻）
纳德拉用📞了一个直观的对💑🤥比来描述使用🆎强度：“每周🚄🌮的用户互动深🇮🇪度，现🏃在已经与Out🎮🍨look持平——🍍越来越多的用🛬户将C🇬🇵opilo🏰t变成了日常习惯⛎。他同时回应了“这↙些AI支🏓出最终由谁买单🧘♂️🆗”的核心🇰🇭🇹🇯追问：“说到底，🥒🚵这些钱🗞会来自某个企业♠的评估和结果——💲🏴智能体在代表🌈用户或与用户协作🚐的过程中，🌯创造了真实价值🇿🇲🤣。
具体来说🇦🇮，与集成光学计算🐑3️⃣芯片相比，每刻深📍思的ACC🇮🇳EL由于采🔗🇪🇦用的是📃😅空间光计算，🚵♀️🕖是过微🏘纳结构进行计算，🎤🗄集成度高🏹，可做多层计算🥳，计算规模也远大🏊♀️于一维🦸♀️的集成🇸🇧光子计算，目🌭👤前最高可以做🇬🇩到“4🇸🇨00×400🇬🇳📨×2矩阵”（远高🦟📤于集成👨👨👧光学计算方案的曦🧟♀️智科技的PAC🎓🥛E2的“128×🏮128🌕矩阵”），光学计🇸🇧⛪算性能最🇮🇩🐝高可达4🇳🇦550TOPS🏒🍌（FP8），🔚超过了英伟达H2🌠00；光☦⛓学计算能🐻效比最高🐉🤖可达7.45×1🙉0⁴ TO⭕PS/W，相比H‼📸200提升了🙆♂️4个数量🐈级，这几🔟🙄项项指标均居于全😢🏄♀️球领先🙋♂️🎠地位🇧🇮👊。
张良认为，面对🇨🇻🧱这一变化，🚰芯片厂商不©仅要提升峰值🏐☺算力，更要⚙🥙围绕真实业务🗡场景优化计算效🤯率、访🇯🇲存能力、编程🛣👨⚖️体验和生态开放能🐛力🐀🇽🇰。商业模式转型：从🧨“按席👨🎨位”到“席位🦍🍊+用量”🇲🇳↙ 在商业模式层面🕳，纳德拉和胡🕔德均明☣确指出，🐓定价逻🧯辑正从单纯的“按🥍席位”到“席位+👘用量”🧼。
