这几个字，像一块巨石，压在了每个人的心头。在场的都是公司高层，他们很清楚，一旦星火科技被列入实体清单，所有与美国技术相关的供应链，都可能在一夜之间断裂。
“28纳米，是目前国内产业链，最有希望实现‘去美化’的成熟工艺节点。选择它，就是为我们的GPU项目，上一道保险。我们追求的，首先是‘有’，其次才是‘好’。在一个随时可能被断供的沙滩上，建起一座再华丽的城堡，也是没有意义的。”
林星石的话，掷地有声。这番深思熟虑的战略考量，打消了众人最后的疑虑。
“我同意林总的判断。”周振第一个表态，“从技术角度看，28纳米虽然在功耗和性能密度上不如先进工艺，但它足够成熟，设计难度和流片成本也更低。对于我们的第一代GPU来说，这不失为一个稳妥的选择。我们可以利用相对成熟的工艺，先把架构做扎实，实现‘先可控、后扩展’。”
周振接着阐述了他的技术路径：“我们可以复用一部分在CPU项目上积累的EDA流程和基础IP，但GPU的并行计算架构是全新的挑战。我的想法是，初期我们不追求大而全，而是先针对视频编解码、浮点运算等核心单元进行重点突破，确保在特定场景下的能效比，能做到业界主流水平。”
如果说周振是从硬件设计上求稳，那么陈默则从软件生态上，提出了更高的要求。
“GPU的战争，硬件只占一半，另一半是软件生态。”陈默接过了话头，“英伟达之所以能有今天的地位，靠的就是CUDA。我们必须建立自己的软件栈，而且要让开发者用得舒服。”
“我的建议是，从项目启动的第一天起，软件团队就必须深度介入。我们要打造统一的驱动程序、编译器和计算库，目标是让已经熟悉CUDA编程的开发者，只需要修改极少的代码，甚至无需修改代码，就能将他们的应用，平滑迁移到我们的星耀GPU平台上。”
这个目标的难度，不亚于再造一个CUDA，但陈默的语气却充满了不容置疑的决心。星火科技最强的就是软件，这是他们的立身之本。
当技术路线逐渐清晰，硬件工程负责人陈远，则将话题拉回了更现实的层面。
“我补充一点，关于工程落地的问题。”陈远的发言向来务实，“GPU是耗电和散热大户。我们在设计芯片的时候，必须同步考虑它的封装、散热方案，以及在机架上的可维护性。”
他调出了一张数据中心内部的实景图。
“一块计算卡，从上架、通电、满负荷运行到最终故障下线，它的一生，都是在数据中心里度过的。我们的设计，不能只停留在实验室里。一线运维工程师，能不能在三分钟内，完成一块故障卡的更换？在高密度部署时，整个机柜的散热风道会不会出现问题？这些看似琐碎的细节，直接决定了我们产品的最终使用成本和口碑。”
陈远的话，让在场的芯片设计师们，都陷入了沉思。他们习惯了从性能和功耗的角度思考问题，却往往忽略了“工程可落地性”这个同样重要的维度。
会议的最后，进入了需求方表态环节。
AI实验室的负责人率先发言：“我们早就盼着公司能有自己的计算卡了！我们现在有大量的模型训练任务，都因为算力成本太高而排队。如果我们能有自主可控的GPU，我们的算法迭代速度，至少能提升三倍！”
紧接着，A站的视频技术总监也激动地表示：“视频转码是我们的核心成本之一。如果星耀GPU能针对主流的视频编码格式进行硬件加速，每年至少能为公司节省上亿的带宽和服务器成本！”
随后，游戏部门、滴滴的技术负责人，也纷纷表达了强烈的试点意向。从云游戏的光线追踪渲染，到滴滴出行的实时路线规划，几乎所有需要大规模并行计算的场景，都将是星耀GPU的潜在用户。
一场内部的立项会，开成了一场需求誓师大会。
从市场定位，到制程选择，再到软硬件技术路径，最后回归到工程实现与内部需求，一个“从需求中来，到产品中去”的完整闭环，悄然形成。
看着眼前这群斗志昂扬的猛将，林星石的眼中，露出了满意的微笑。
“好。”他站起身，做出了最后的总结，“星耀GPU项目，现在正式启动。陈默负责带队和软件生态，由周振负责硬件设计，陈远负责工程与制造。目标只有一个，在两年之内，让我们自己的数据中心，用上我们自己研发的GPU。”