第1109章 AI仿生（第4 / 5页）

但是，他做紫微星这么久，也有了一定程度的技术认知，再结合先知先觉，就可以有敏锐的判断了。

未来的技术大方向，是中心化的云计算。然后，是去中心化的边缘计算。

大概逻辑就是现在科技不发达，本地端的芯片处理能力不够，遇到处理不了的问题怎么办？上传到云端，去使用云计算。然后通过云端反馈结果。

等以后科技发达了，本地的芯片处理能力就够了，一些复杂的处理就不需要上传到云端了，可以在本地端或者靠近本地端的边缘地带进行计算了。

这个AI芯片的理念，符合去中心化的潮流！

“哦，这样啊！”

“其实主要就是神经网络引擎。嗯……我简单说一下，就是06年的时候美国的一个科学家，也是我的一位好友，他提出受限玻尔兹曼机模型与深度信念网络，成功地训练多层神经网络，解决了反向传播算法局部最佳解问题，也就是咱们的人工智能实验室在做的深度学习。有了深度学习，就有了大规模深度神经网络学习的可能性。第一家跟进的公司是英伟达，开发出了世界首款AI芯片……”

“等等！”周不器头很大，打断了他，“AI芯片到底是什么？咱们要做的4g芯片是通用芯片吧？有什么区别？”

沈向阳道：“处理能力更强，算力更强大！通用芯片，就是可以通用。AI芯片的应用范围很小，主要就是人工智能。比如黄图鉴别，这就是人工智能，看似简单，却需要超级强大的算力才行。通用芯片就做不到了，需要AI芯片来处理。”

“呃……”

去中心化有一个好处——安全。

把信息传到云端处理，就相当于把自家的内容交给了云计算平台，搞不好会泄密。直接在本地端处理，就更安全了。

再加上未来iPhone的仿生芯片的大杀四方，可见仿生芯片的用武之地。

“嗯，这个方向可以有！”

周不器很快就有了自己的判断。

“这么说吧，你知道Photoshop为什么没有手机版吗？”

“因为手机端的算力不够？”

“差不多就这意思。”沈向阳点了点头，“在电脑上打开一款大型游戏，如果处理器性能不行，就会很卡。手机上也是。一般性的游戏、视频，通用芯片就够了。可是遇到超大计算量，这就很难了，比如视频的渲染，通用芯片不可能完成。嗯，其实我们也有解决办法，就是云计算平台。手机用户如果要深度渲染视频，可以把视频上传到云端，然后让云端的处理器来进行计算、处理。可这就慢了，需要上传、下载，过程很麻烦。如果有性能强大的AI仿生芯片，可以处理超大计算，就可以直接在手机端进行深度的视频渲染了。又比如你此前说过的手机端人脸识别，这就需要强大的人工智能计算能力，通用芯片会很吃力，最多做一些简单的人脸识别。AI芯片却可以识别得更全面，更准确。”

周不器轻轻颔首，基本理解了。

他不了解AI芯片是什么鬼东西。