編者按

有一個非常大的問題是，當代的左翼不太關心先進的生產力，太執著于想要改變生產關系了，以至于他們已經忘了在歷史上左翼是代表先進生產力的。

歷史唯物主義和其他哲學流派的根本區別在于，它從現實而不是什么虛構的假設出發，它絕不拋棄人們所面臨的，活生生的社會條件，使用科學的方法（政治經濟學）去刨析人們自身，并以此發現現實社會的運動規律。

在《資本論》發表一個多世紀后的今天，我們向讀者獻上這份對話。要撿起歷史唯物主義的方法論，就必須學習目前最先進的生產方式（以硬件生產中的雙循環為例）假使左翼運動無法撿起先進生產力的大旗并用力揮舞它，就無法引領歷史走向進步一方。

值得注意的是，這份對話為我們呈現出一系列問題。編者認為，鏡知同志提出了一些尖銳的問題，例如NVIDIA公司具有何種意義上的普遍性，使得其能夠代表先進生產力；它究竟是主觀上（看上去）成果豐碩，還是具有一整套嚴密的科研-生產體系支撐；以及左翼為何要推動開源社區。但無論如何，編者希望本文能夠為諸位讀者帶來新思考：左翼運動如何揮舞先進生產力的旗幟？

對話集

左翼、開源社區與先進生產力

對話人：流云（左）；鏡知（右）

我們重新開始。有一個非常大的問題是，當代的左翼不太關心先進的生產力，太執著于想要改變生產關系了，以至于他們已經忘了在歷史上左翼是代表先進生產力的。

他們其實還執著于去糾結于不太先進的生產力，像很多傳統第二產業方面的一些東西。

對，但現狀是，你需要明白現在生產力發展的問題在哪里，你才能理解我們要怎么改變生產關系。你需要先理解最先進的生產力，馬克思是知道當年的生產怎么搞的，但是當代的左翼很少有人對這個問題進行研究，還在想馬克思時代的生產是怎么搞的，以至于他們已經無法理解現代的先進的工業體系是怎么運行的了。我覺得這是一個非常大的問題。

左翼（一部分左翼）明明在假想一種集體性的、人類的總危機的到來，但是大量的左翼沒有一個能夠重建生產結構的能力。連重建的能力都沒有，怎么改變生產關系呢？

其實你說的關于重建生產結構這個事情，看前幾百年的歷史，你會發現（左翼缺乏）相關的能力是比較正常的現象。就是所謂的“砸碎舊世界”和“重建新世界”之爭。

也不叫之爭，大部分左翼就是沒有這個能力。但是左翼必須去思考現有的生產關系哪里有問題，理解這些行業的痛點在哪里，包括工人、從業者、受眾和專家在想的問題。我等會可能會舉一些例子。

我之前想寫一篇文章，叫《當代左翼需要研究NVIDIA這家公司》。因為NVIDIA事實上擁有全球最先進的計算機硬件生產力。它有非常龐大的資金，養活一大批行業專家，還能把不同領域的人（比如通信和計算）集中在一起做整個系統，這很少有公司能做到，可能華為算另一家。它（NVIDIA）能以半年為周期迭代軟件，以一到兩年為周期迭代硬件，這個生產效率是非常恐怖的，全世界可能只有幾家能做到（AMD算半吊子，英特爾軟件也爛）。

而且，我之前認為學術界是單純的實體（之前的研究方向是PL），但現在認為學術界（至少SYS/ARCH）和工業界的聯系非常強，至少在計算機（越來越像工科/制造業）這塊。工業界很大程度上推動了學術界的研究方向。比如NVIDIA出了一個軟硬件系統，學術界就會針對它做研究，哪怕它不完善。例如，有國內實驗室研究怎么用NVIDIA的稠密硬件通過軟件運行稀疏矩陣計算。可以說，工業界一定程度上掌握了（學術）評審標準。

NVIDIA還跟科學界合作做長期的事。比如它零幾年推出通用計算架構后，一幾年學術界（Hinton等人）就開始嘗試用GPU訓練神經網絡，發現很適合。但NVIDIA很快的就進一步放大了這個需求，在GPGPU里加了TensorCore（低精度矩陣乘加單元）。可以說，沒有NVIDIA就沒有（現在的）深度學習。

你剛剛說的這一點，只有NVIDIA如此，還是其他廠也有類似行為？

其他廠有，但不太成功。

如果其他廠有類似行為但不成功，那只能證明NVIDIA路子走對了，及格了，但這更多是能力差異，不是路線差異。

我再舉個例子。大概2020年左右，有幾家做深度學習加速器的創業公司，比如國外的Groq（不是馬斯克的Grok）、Tenstorrent（Jim Keller在的那家）等。以Groq為例，它犯了非常低級的錯誤，體系結構初學者都能看出來。他們延續Google TPU思路但更極端，為了高帶寬不用內存（DRAM），全用片上緩存（SRAM）。但SRAM成本極高（單位比特晶體管多），導致總成本可能比用昂貴HBM的NVIDIA還高。Groq宣稱推理延遲低，但不敢報吞吐量，而目前大模型應用場景都需要吞吐量。

其次，Groq用全靜態的軟件調度流水線（超長指令字VLIW），理論上運算器密度可以比NVIDIA高（硬件調度邏輯省了）。但一旦接入內存或網絡，必然產生不規則抖動，靜態調度無法消除。而NVIDIA看似浪費晶體管在調度硬件上（計算掩蓋訪存/通信延遲），卻是為了保證運算單元能被充分利用。

我聽下來，就是這兩家公司選擇了不同的技術路線，NVIDIA的路線被證明很牛逼，走對了。

很難想象這么大投資的公司（流片一次幾億，迭代可能花十億，還不算人力），設計上卻犯了非常低級的錯誤。

這和NVIDIA與其他公司的區別關系在哪？

NVIDIA沒犯這種低級錯誤。

其他競爭者都犯過類似的低級錯誤嗎？

這是一類NVIDIA競爭者的情況。還有像Tenstorrent等其他類型。

我目前只能提取一點：NVIDIA犯的錯誤最少，而且幾乎每次都走對了，技術非常先進。

我猜測有兩種可能：一是它的主管人或團隊非常厲害，或者能把所有人都集中起來研發；二是NVIDIA內部把所有可能的路線都試過了，只是沒公開失敗經驗（犯錯的經驗更珍貴）。

那你覺得是其他競爭者管理水平不佳，或者沒有NVIDIA好？

不是好不好的問題，可能需要一個充分討論的機制和糾錯機制。

所以你認為NVIDIA內部可能有一個類似實驗室的功能，把所有路線都試完了，才拿出正確路線，所以每次都能走對？

我不是NVIDIA員工，只能猜測。要么有厲害的人，要么有厲害的管理體系，要么試過了所有東西，要么兼而有之。

厲害的人也會犯錯，例如JimKeller（硅仙人），他的AI軟件棧似乎就有一些問題。

如果你想寫相關文章，如何去證明這些猜測呢？沒有前提，后面文章寫不了。

也許我該找些資料，不然只能尬吹NVIDIA多牛逼。我需要找證據，可能問問在NVIDIA工作過的朋友。

我還想說一個不那么顯然的知識：不只是軟件依賴硬件，硬件也依賴軟件，是互相依賴。從供應鏈角度看，軟件追溯上去是庫、編譯器、指令集、硬件廠商。但硬件廠商的研發，也需要先拿到實際的Workload（工作負載）去測試性能、功耗等。

可以說這個供應鏈是一種環狀結構？

對。硬件越厲害，軟件越厲害；軟件越厲害，硬件越厲害。這是一個滾雪球的結構。NVIDIA滾得很大，蘋果也是，英特爾上世紀也是。英特爾最早一批搞出個人消費電腦（雖然最初性能很爛，像大玩具），但以低廉價格賣給消費者，就有了開發者和用戶，賣了之后又有錢投入研發。

這里實際有兩個循環，像一個無窮符號（∞）：

1.左循環(產業資本循環): 廠商 -> 實驗室/研發 -> 工廠/制造 -> 廠商

2.右循環(生態系統循環): 廠商/產品 -> 開發者 -> 用戶 -> 反饋 (Feedback) -> 廠商/產品

這兩個循環互相驅動。現在崛起的巨大科技企業（NVIDIA, Intel, Apple, 高通, 聯發科, 華為麒麟等）幾乎都是這么崛起的。這也導致新指令集很難成功，因為它缺少右邊的開發者-用戶反饋循環（因為沒有所以沒有）

但這個循環可以靠強大的產業資本強行啟動。比如你有很多錢，招很懂的人，燒錢迭代硬件（硬件迭代比軟件成本高得多，需要流片測試）。做出強力芯片后，吸引開發者（或企業自己做上游開發者，完善工具鏈）。工具鏈好了，就能吸引嘗鮮用戶（比如成本敏感的用戶，或特定需求的用戶）。

蘋果從x86切到ARM就是例子。它控制著編譯器（Clang/LLVM）和整個軟件棧，M芯片出來時續航優勢明顯，常用軟件（Office, 瀏覽器等）也移植好了，吸引了商務用戶。蘋果一夜之間遷移大量自家軟件到ARM，獲得了大量真實世界的workload來優化硬件。它就是用強大的產業資本推動了右側循環。

所以是不是意味著，有一個很厲害、能掌握上下游的產業資本，推動這個事情，就有大概率能做成？

對。但現在世界上缺少同時掌握軟硬件系統、有架構師和勞動力、協作又好的公司。NVIDIA算一個，蘋果算一個，然后就不多了。微軟只掌握軟件，英特爾只掌握硬件，AMD軟件也爛（所以MI300理論性能高但訂單少）。某種意義上，軟件棧的重要性甚至高于硬件。

能做好這個事情的人（或公司）不多，這是我們得出的結論。這又能說明什么呢？

我覺得左翼需要研究這個問題。

我聽你說完發覺，這個問題可能不是左翼的人也在研究。

但考慮到我們最開始說的，左翼必須掌握最先進的生產力，那么左翼就必須研究透這個（雙循環）結構。

這個產業界的結構，左邊是所謂的產研一體（研發-實驗-工廠），右邊是抓用戶反饋、抓社區。說到社區，開源社區（比如Linux）某種意義上是英特爾（當年開放手冊、提供廉價硬件平臺）一手養起來的。先有英特爾的開放姿態和微機平臺，后有Linus基于此寫出Linux對抗昂貴/垃圾的舊系統。英特爾用這些“小孩子玩意兒”打敗了傳統大型機廠商。

某種意義上，英特爾把一部分（軟件生態）工作放給了開源社區。現在的AMD、摩爾線程等也在用類似思路（開放手冊、擁抱開源驅動）。開源社區生長在開放的廠商和環境之上，是一個依附性質的關系。

21世紀的廠商學聰明了，像蘋果雖然封閉，但也利用開放的LLVM編譯器吸取社區反饋和貢獻。AMD、摩爾線程也是如此。

開源社區完成了廠商（或時代/絕對精神）賦予它的歷史使命，linux或許是上一個世代的絕對精神的代言人。

舉個特例：香山（RISC-V CPU核），包括伯克利的BOOM。它們用學術界的人做研發（成本低，研究生工資比產業工人低），燒產業資本流片驗證，用SPEC等理論測試集做feedback（雖然不如真實workload反饋準確及時）。這種模式用相對低的資本完成了產業資本循環。香山核公開后，基于它修改的芯片性能就有保底，避免了社會重復研發的成本，這無疑是一種生產力進步和解放，即使他們不一定是革命者。

回到開源社區。它的成功在于對軟件業起到了強大的補充作用（大部分人提供反饋，少數精英貢獻代碼）。它的失敗在于困在軟件業，出不去硬件。它們沒有懂軟件以外的人協作，也沒有足夠的產業資本去設計和迭代硬件。

這又回到了剛剛說的那個老問題：需要產業資本。

對。我認為開源的生產方式是一個種子，但還沒發芽。

是否因為沒有這個很厲害的產業資本，種子就發不了芽？

硬件社區也有例子，國內靠嘉立創的免費打樣和公開設計平臺，利用閑置產能造了一個社區出來。社區依附在實體制造業/硬件廠商上。嘉立創用閑置生產力造出了零成本的實驗反饋環境。比較英特爾和嘉立創，發現只要有足夠用戶和開發者，把產業資本轉起來，就能搞出迭代循環。

所以開源社區的繁榮，說到底還是需要產業資本。

是的。

所以左翼需要產業資本投入進這個循環，把它造出來。

對。

我感覺你說了這么多，都是在圍繞那個老問題（左翼與生產力、資本的關系）做詳細回答。

是老問題。

那么問題來了，這個厲害的產業資本該如何獲得呢？

答案是我不知道。我只能回答：如果左翼獲得了產業資本，他們必須把這個（開放的、迭代的）循環建起來。

這里面有個悖論：當左翼真的獲得了產業資本時，意味著他之前很有可能已經具備了建立這個體系的能力。時間和因果的先后不確定。

對，可能也是一個環。

可以確定的是，當左翼獲得資本時，差不多也該獲得建立體系的能力。

但左翼獲得資本后，也可能按照老路走，走封閉的路。

所以你想強調的是一個方向？

對，我想強調一個方向。

你感覺左翼很有可能會螺旋（停滯），不會上升？

對，它可能并不會上升。

你主要想提醒需要上升。

對。我們應該把開源社區的模式往制造業推。不僅要公開軟件設計圖，還要創造一個可以共享、公開迭代的硬件世界。我們需要能造出自己的“打印機”（生產工具），還要能造出批量制造“打印機”的“制造機”，以及制造“制造機”的“制造機”，并把所有圖紙、制造方法（從手工到工業化）、教育材料全部公開出來，讓人能從零開始build出整套系統。而不是讓知識被封鎖在公司里，以商業機密或經驗的方式存在。

因為現有模式依賴信息差賺錢，遵循資本主義邏輯，不利于所有人發展生產力。

但你現在說的，是很靠后的愿景了。

是很靠后的愿景。我們是隨便談。我覺得這是未來左翼需要完成的生產力發展方向。右翼可能只會利用這個社區來完成他的目的（比如蘋果免費使用開源軟件，但curl等關鍵開源基礎設施的作者窮困潦倒）

你上次已經說了，嚴格來說蘋果、NVIDIA這些都是右翼公司。不是利用，這些東西本身就是他們的。

對。所以左翼需要把這個（開放、共享的生產體系）推向全社會、全世界。這可能是過程，也可能是結果，或者兩者都是，我現在不知道。

你沒辦法預料這個事情。

是的。

那你文章打算怎么寫呢？

可能需要講開源社區應該推向硬件/制造業，背后需要公共性質的產業資本。

我覺得你還應該寫最初的那個命題：左翼需要掌握先進生產力。你需要把NVIDIA的那幾點獨特性給證明了，后面才好寫。

你說得對。我說到最后有點偏題了。

你得把這個獨特性和（你認為的）先進性結合起來。

但很遺憾，我現在還不能證明。我可能需要找材料。

我感覺你今天聊完，反而把自己聊迷糊了？沒有上次那么堅定了？

對，聊迷糊了。上次是很確定想那么說。

我在想，我能從上個世紀的教育科研體系（比如前三十年）找靈感嗎？我覺得有點困難。

我現在不能證明NVIDIA有多厲害，它的成功關鍵是什么。我只能反面證明它的對手們有多草臺。

但你證明對手草臺，與你第一個命題（左翼要鉆研先進生產力）有點背道而馳。

是的。

我還在想，NVIDIA的研發體系到底怎么樣？我需要去了解。我懷疑它非常先進，左翼可能需要學這個。這是最好的情況。但它有哪些值得學的東西？有多少？我現在只能打個問號。這只是粗淺想法，可能后面會成形。

你怕的是，它（NVIDIA的成功）并沒有那么多主觀的英明判斷，純粹是市場經濟養蠱養出來的“蠱王”？

是有這個可能。我需要搞清楚，NVIDIA究竟是主觀上這么厲害，還是僅僅是遵循市場經濟邏輯的“賭”贏了。

注解:

這篇文章是作者ly(流云)和他人的談話記錄，該談話記錄同時面向一部分業內人士和行業外人士，如果存在錯誤，歡迎讀者指出。

錄音經過whisper轉文字并經過大語言模型縮減總結。最終結果經過人工審核，能夠確保內容符合原意。

文章內括號的部分由大語言模型插入插敘或補充上下文。

后續:

作者經過與業內人士(包括nvidia員工和其它GPGPU設計公司員工)交流后得出初步結論:NVIDIA內部并不存在一套很厲害的次時代的軟件棧，而是在使用本世代甚至上世代的軟件棧，這一點令作者失望。但這反而說明了NVIDIA在軟件水平上(至少在使用軟件勞動力的水平上)很厲害，因為即使這樣，NVIDIA的軟件水平還是硬件行業內頂尖的。

NVIDIA的商業決策非常厲害(或者說是壟斷巨頭應該有的水平)，它非常清楚只依靠大模型泡沫是很容易出事的，所以在商業決策上它退可守傳統HPC(高性能計算)的市場，例如它往新硬件中添加了FP64(科學計算所需)的Mattrix Multiple硬件。甚至游戲玩家市場(RTX50系大幅度優化了DLSS)。進可追世界模型、物理學大模型和智能機器人、智能汽車。

盡管它在一部分領域的探索并不成功:例如神經網絡物理仿真的精度并不比傳統方法令人滿意，以及讓ai學習多模態數據來總結物理定律的物理學大模型路線遭遇了挫折。但它依然將能發展的領域推到了極限，這一點做到了行業壟斷巨頭“應有的水平”。

稿件來源于lyzh、鏡知同志

編者按由NLR編輯部呈現

轉載、投稿請聯系郵箱newleftreviewaccept@gmail.com

哲學家只是用不同的方式解釋世界

而真正重要的是改變它