第(3/3)页

    在多伦多盘桓了三四天，挖够了人之后，顾诚就准备驱车回波士顿，了结一下跟扎克伯格的赌约。

    然而算算日子，跟扎克伯格的一周之约还没到期，顾诚只好先去纽约休假两三天。

    以他这么忙的身份，就算在纽约也不会很闲，至少也要电话遥控一下生意。

    这不，他人还在多伦多的时候，就把公司的准cFo柳倩从纽约配去了旧金山，让她在硅谷投资一块办公楼地皮，在那儿注册一间yy子公司、同时留心一家成立还不到两年的初创公司，尝试一下收购。

    被顾诚盯上的这家公司，便是后来在o5年拿出了世界三大物理运算引擎physx的ageIa公司。这家公司历史上应该于o8年被英伟达（nVIdIa）收购，后来成就了英伟达的完全体gpu大业。

    顾诚要搞深度学习型人工智能，要搞卷积神经网络，挖一家这样的公司就非常有必要。

    就如前几天顾诚和史蒂芬.库克教授谈到的那样，任何“神经网络”和传统计算机网络最大的区别，是“没有中枢，每个神经元节点完全平等，彻底云分布”。

    所以在执行“神经网络”相应的运算时，人类传统的电脑cpu效率其实并不是很高，无论英特尔还是amd。

    因为稍微懂点计算机常识的人都知道，cpu是“时分占用”的计算硬件，通俗的说，一个4g主频的cpu，只是一秒钟能够运算4o亿次，但每一瞬间依然只能计算一次，Indos的“多任务处理系统”，本质上只是“把cpu的时间占用细分，每个后台程序在每一秒里占用那么几微妙”来实现的。

    比如一个人打cs游戏的时候，后台开了个QQ。运行QQ需要占用“每秒1亿次运算”的cpu处理资源，那么实质就是“4g主频的cpu每秒分出25毫秒处理QQ”，而不是物理意义上的“同时处理netbsp;      这种只能单核运算的模式，注定了不适合未来卷积神经网络越来越多的“并线操作”。所以o6年当卷积神经网络的曙光出现之后，平行时空的英特尔公司也不是没有意识到这一点并且挣扎。只不过英特尔公司最初的挣扎方式是“开多核netbsp;      这才有了后来人们熟知的“英特尔酷睿双核/四核”。

    可惜历史最终证明，cpu再多核，要满足浩如烟海的并线操作，也是杯水车薪。

    要彻底满足神经网络的并线胃口，还是得靠最初作为显卡物理运算用的gpu。

    这才有了后来人工智能在软件领域爆后，倒逼硬件计算企业市值剧烈波动。做显卡gpu出身的英伟达公司，一下子在两年里股价市值跃升了十几倍，俨然对英特尔都形成了竞争。

    用一句文科生都听得懂的话来解释这里面的区别：为什么所有的显卡都没有“双核/四核”概念？就是因为显卡gpu的每一个单元都是天然并行运算的。显卡处理电脑图像的时候，每一个像素都是单独同时处理的。没有了“时分占用”的瓶颈，导致gpu显然不像cpu那样需要多核。

    （注：gTx-Titan系的显卡有些被称作“双核”，其实是商家的错误宣传，那些显卡的本质是“两块显卡”而不是“双核”。）

    顾诚的打算，就是在英特尔还准备靠多核挣扎的时候，他直接一步到位看穿其中的大坑，直接跳到gpu一统天下的路数上去。

    如今的ageIa公司成立还不到两年，也没什么牛逼到爆的科技成果市场化。柳倩挥舞着顾诚的支票本出，断无不利之理。


    第(3/3)页