“.……想!”
陈榕犹豫不过两秒钟,十分期待地样子。
林斌眼神再次询问。
陈学兵笑着起身:“没关系,讲讲吧。”
这件事情,技术构想是一码事,更关键的是技术落地与逐渐深化的过程。全国没有任何其他技术团队能办到,因为没有这么多钱去投入,就算是全世界,恐怕也缺乏具体想象。
只聊聊技术也无所谓,对梦想者有梦想者的谈法。
:
林斌拿出了笔记本,调出了一份架构草图。
“我们把内核最核心的调度、通信、内存管理做三层抽象,第一层是硬件无关层HL,把AM和86的P指令、内存地址映射、中断控制器这些差异,全部封装成统一接口,第二层是内核抽象层,基于统一接口实现调度算法、P通信协议,不管底层是AM还是86,内核逻辑完全一致;第三层是驱动适配层AL,为AM和86分别开发架构专属驱动模块,比如AM的P驱动、86的P驱动,通过AL接入内核抽象层.……”
“你们的A构件如果能实现目标代码级重用,也许可以改成系统的跨架构模块容器,应用模块不用管底层是AM还是86,只需要按容器标准开发,运行时由容器自动调用对应架构的驱动和内核接口……”
陈榕听逐渐入迷。
陈学兵则走到门口静静等待。
这套东西,大家也快琢磨了一个周了,开了十几场大大小小的会,把展讯和中芯的人都叫过来商讨过。
他这个不懂技术的人也差不多听明白。
在他看来,这套系统规划无论生态弹性怎么样,安全纵深够不够,技术前瞻性上都缺了一个关键的智能调度中枢。
A。
这个调度中枢,当下只能以“规则引擎数据反馈场景适配”的方式去想象,而非自主思考。
他不会过早提出来,也无法提出来。
因为深度神经网络如何发展为A大模型,他自己也不了解。
深度神经网络是核心,林斌已有所猜测,可以说离他的想法很近了,但林斌其实没多大信心,更多还是寄望在算力发展和规则引擎上。
陈学兵也没有表现信心,只是表示可以一步步去摸索。
做出一套规则,能感知场景、分析数据、自动调整资源,便已经能体现出大数据中心的威力了。
这个过程中要解决的困难已经够团队研究好几年的,而且需要一个超级庞大的团队。
:
正如卢韦冰所说,要再造一个点。
更复杂的点。
单纯的招人已经不够,内部抽调不能影响原有部门规划,新人培养也需要太多时间。
所以他们现在要招团队,或者直接收购一切能力匹配的成熟团队。
陈榕的技术团队有一百多号人,便是他们的收购目标之一。