提起芯片，大部分人第一个想到的就是CPU处理器，
作为CPU的兄弟——显卡GPU，则经常被人忽略。
估计是因为GPU干的活，CPU也能做，所以除了游戏玩家外，都不怎么看重GPU的性能。
尤其在看到显卡的价格比CPU还贵的时候，连独显都直接不装了。
可当你对图像处理器算力要求越来越高的时候，GPU的重要性就体现出来了，
除了游戏，GPU在影像专业、人工智能甚至航天等领域都有着举足轻重的地位。
从分工和组成结构上来说，CPU就像是一栋房子的设计师和监工，而GPU则是干苦力的工人，
设计师和苦工有个共性——他们都是人，都有手有脚有脑子，只是各自擅长的不一样而已。
因为GPU主要是由ALU晶体管单元组成，高度重复使得它无论是设计还是制造，难度都要低于CPU。
但现实却是显卡比CPU卖得还贵，
如今全球主要显卡制造商因伟达，市值高达八千亿美元，是因特尔的四倍……
这就很魔幻了。
主要是因伟达运气太好了，
在虚拟币以及人工智能这两个超级风口下，硬生生把因伟达捧上天了。
至于为啥那些能造CPU的大厂不去造GPU？
就像造燃油车的车企没法突然造新能源车一样，因特尔等CPU大厂也是需要时间反应的，但等他们反应过来，因伟达都已经坐稳半壁江山了。
因特尔尚且如此，国内的芯片制造就更别说了，目前搞显卡的基本是组装代工厂。
如今这两个风口依旧，于公于私，康驰也想在这块做出点成绩。
从更长远的角度来看，康驰肯定会进军相机、手机、电脑等制造领域，而这些都绕不开芯片制造，现在提前布局，到时候就没那么被动。
所以他现在的目标，就是先造出一张对他而言，最容易造出来的显卡，然后用通用经验对这张原型机进行升级，等级提升差不多了，再通过工艺解析，得到整个产业链的技术。
通过不断查阅国内外的资料和论文，康驰很快就找到了2D加速卡的相关资料，
这种过时的东西，设计图还不算复杂，他仔细琢磨了几个小时，就对其中的原理有了个一知半解。
不过驱动程序的算法这块，却让康驰很是头疼。
[要确定两个像素中哪一个更接近路径，需要测试这两个像素偏移的差：
Dlower-Dupper=2（Xk+1）-2Yk+2b-1
……]
看着天书一样的论文，康驰感觉自己就像个小学生，
这哪怕找到了能用的算法，估计他都不知道……
“算了，等显卡造出来了，再找个人写个驱动就行了。”
专业的事，还得交给专业的人。
接下来，就是考虑怎么真正造一张图形卡了。
康驰又查阅了一下资料，了解了芯片制造过程后，头更大了。
太难了……
从制造单晶硅片，到光刻、腐蚀、封装，中间没有一个环节是简单的！
要去哪找能造芯片的设备呢？
康驰苦思冥想，突然想起自己上辈子读大学的时候，曾经有个校企合作项目，那些合作企业都是可以借用学校实验室的。
于是抱着试一试的态度，康驰给离东阳比较近，在半导体这块又很专业的苏省大学微电子研究院发一份邮件，看看能不能得到一点帮助。
-----------------
第二天上午，康驰和方启明在进行简单的准备后，大秦光学的镜头生产线开始了试运行。
在经过康驰的培训，方启明很快就学会了控制这三台大机器，
他们两人的分工合作，方启明造零件和检测，康驰负责组装，效率杠杠的。
不过问题很快就出现了，
这三台机器的产能是每小时40个镜头，
但康驰组装的速度，只能勉强达到10个，完全跟不上机器的速度。
而只负责传料的方启明，则有很多时间都是空着的，见康驰忙个不停，忍不住提议：
“康哥，要不你教我组装？两个人一起组装，熟悉了之后说必定能跟上机器的速度。”
康驰停下了手里的活，琢磨了片刻。
他先是在心里默默算了一笔账，
以每天8小时的工作时间计算，这条生产线可以产出320个镜头，每个月开工22天就是7040个，
如果这些镜头都能卖掉，流水就有60万左右。
而成本方面，原材料、房租水电、快递费之类的杂项，大概占50%左右。
免费换新的店铺政策在前期可能没啥影响，但到了中后期，可能会是一个不小的负担。
回收的镜头在转完通用经验后，有些材料可以投入机器里重复利用，能节省一定的成本，但也有的材料属于无法回收的废品。
因此估计还要拿出10%的钱来补贴免费换新活动。
所以剩下的40%利润，大概2