在这种 “以量补质” 的策略运用方面，科技企业不断探索创新。谷歌的 TPU 集群就是一个典型案例。谷歌的 TPU v4 芯片单片性能虽略逊于英伟达 A100，但谷歌凭借 Cloud TPU 集群的强大合力，成功训练出 5400 亿参数的 PaLM 模型。这充分证明，在人工智能等擅长并行处理的任务领域，集群计算的规模效应能够有效弥补单芯片性能上的差距。

华为在算法优化方面同样表现出色。任正非提出的 “用数学补物理” 理念，具体体现在华为采用稀疏计算、模型量化和剪枝等前沿技术手段，降低硬件性能的依赖程度。华为的 MindSpore 框架通过动态图优化和低精度计算，使 AI 训练的计算需求降低了 30% 以上。无独有偶，DeepSeek 模型正是借助高效的模型压缩技术，实现了在普通服务器上的良好运行，对传统高性能硬件的优势地位发起挑战。这种软件与硬件协同优化的模式，助力华为在制程相对较低的情况下，依然能达成高效的计算效果。

2021 年天津港的无人化码头运营情况，便是对这一优势的生动诠释。数百块昇腾芯片组成的计算集群，在天津港无人化码头中发挥着 “超级大脑” 的关键作用。其实时处理海量传感器数据，精准指挥无人驾驶集卡和智能吊机。AI 集群的出现，不仅提升效率，降低能耗，也让码头工人不用顶着风吹日晒进行手动调度，从高强度的体力劳动中解放出来。”