第342章 GPU之年（2/2）
通信通用技术，无非就是三个方面，信号放大，信号过滤，信号转换。
30%有效数据通过率，那在国际通信界都是重大突破了。
不过深度网络神经，海量样本自训练，这两个词组，让他不可避免地想到一个东西。
ai。
陈学兵不动声色地点点头，似若无意地提醒道：“这个模式听起来不错，用gpu来训练效果会更好吧？”
卢韦冰一愣：“gpu不是显卡吗？固定功能的纹理单元和光栅化模块，这些专用硬件，没法执行通用计算指令吧？”
他虽然不是搞ic设计的，但现在好歹是公司的执掌者，理论基础他也学了不少。
范仁勇却啪地一拍巴掌，激动地站了起来：
“陈总，你可太神了啊！他们现在正在讨论这个问题呢！美国的nvidia公司今年提出了一项cuda技术，就是可以让gpu执行并行计算任务！华为也是查了大量资料才提出来的，你从哪里知道的？”
办公室骤然安静。
“这个问题，一定要有了技术基础，才能想吗？”陈学兵丝毫不慌，靠下身子反问道：
“为什么电脑要单独设置一张显卡？cpu不能计算图形单元吗？”
他也没等俩人回答，继续道：
“就是因为cpu核心数量少啊，两个核，四个核，设计得再复杂，面对一堆一加一等于几的简单问题，计算能力再强，也得一个个计算。
“像图形单元这样的问题，就是若干个简单问题，每个像素需要的计算量不大，数量却很大，gpu集成数千个简化核心，采用单指令多线程模式，可以同步处理海量的相似计算。”
“这样的处理方式不是跟范总说的信号处理很像吗？”
陈学兵说着，淡淡笑道：“更何况nvidia上个月发布的消息在美国沸沸扬扬，他们推出的cuda技术解决了c语言扩展接口的问题，允许直接编写gpu计算内核，并且已经编程了一款tesla架构，可以支持动态分配计算资源了。”
gpu的诞生，是英伟达公司在1999年正式提出的。
前几年，gpu仅能执行预设的图形操作，就像一台只能画直线的打印机，没办法要求它解方程。
但就在上个月，英伟达推出的接口和自研架构，让理论变得可行了。
他知道这个消息，关注的当然不是广泛的技术，而是英伟达。
不过并不妨碍他趁机寓教于行。
“我早就说过要关注科技发展，卢总，你一个科技公司的老总，要把天线架起来，多接受外界的信息！”
卢韦冰有点头大。
妈的，今天撞到老大训人的枪口上了。
不过这个问题确实是他职责之内，之前董事长谈及手机的未来发展，还提过设计gpu，这么重要的事他没关注到，是甩不了锅的。
“是我的问题，我抽空好好关注一下。”
卢韦冰说完又略有疑色地道：“董事长，你是不是对gpu有什么想法？”
董事长这个人，爱学习，但绝不会去学一些无关的东西，他能讲得头头是道，那绝对是对这东西动了心的。
这个猜测没有任何理论支撑，因为gpu他们的ic部试过学习设计，但根本上不了手。
连ic部张洪斌这么钢的人，尝试学习了一段时间以后都说弄不了，而后悄然放弃了gpu设计的计划。
他这么想，其实就是个直觉。
陈学兵却笑了起来。
敏锐，真他妈敏锐。
老卢这个人，也是培养出来了。
他沉思一会，缓缓说道：“目前我们对gpu的设计能力还是真空，顶点处理、光栅化、纹理映射等模块，我们根本没有设计经验，而且高端gpu采用的是90nm工艺，设计难度比较大，但是难，不代表不解决。”
gpu，可是创造了全球市值第一的公司。
从区块链概念就开始富有，挖矿小富，ai暴富。
ai的未来究竟如何他不知道，但是提供ai训练工具是一定有未来的。
dbn和cuda的消息结合在一起，他感觉时间已经到了。
正好这个dbn概念也是上个月提出的。
要是这个概念直指ai，那2006年的11月真的算是ai的转折月了。
有了这些理论基础，有些动作也可以布局了。
“nvidia现在已经告诉了我们一个答案，gpu的使用，不仅局限于显像，还可以应用于多线程计算，我们做大数据中心，以后一定用得上，所以gpu设计的问题，要马上提到日程上来，我们要利用好接下来在美国开设的研究中心，高价招募美国的相关人才，并且要派人去学习，把一些设计经验带回国内来。”
理由有了，方法也有了。
就是实践起来不知难度几何。
事情，又多了一件。
卢韦冰听到董事长连计划都拟好了，心知这件事恐怕躲不过去，只好表态道：
“没问题，林总已经到硅谷考察，埃摩森的人也带过去了，不过建立研究中心还需要cfius（美国外资投资委员会）的审核许可，林总说如果顺利的话，明年三月份之内应该能批下来，人员招募的事，我一会就给林总打电话，让他留意，但是作为在美的外资研究公司，招人真的要慎重，一不小心，整个公司都要被遣返国内，甚至可能走不了。”
陈学兵知道他压力也大，点点头说道：“之前我让你们自力更生，但美国的事情例外，钱的问题，还有合规的问题，我尽量给你解决。”
说罢，他终于看向了一直一言未发的武捷思。
“武总，我们集团目前的情况你也都了解了吧？要不，你来给我提点意见？”
(本章完)