在技术选型上，他也很快就有了明確的思路。
他计划，底层的逻辑，採用运行效率最高的c++语言，来开发，以保障语音识別、信號处理等核心功能的运行性能。
同时，考虑到要涉及到，复杂的自然语言处理，他还需融入，相关的深度学习算法模块。
可就在他绘製流程图的过程中，他突然发现了一个，他之前从未考虑过的、
关键性的难题——
语言逻辑的理解问题。
无论是用c++，还是java，或者是python，这些现有的、主流的计算机编译器，来开发程序，计算机语言的逻辑理解能力，都与人类的、那种自然的语言逻辑，存在著巨大的、鸿沟般的差异。
其最核心的原因，就在於现有计算机体系下的，算子融合优化，严重不足。
这类基於传统的计算机语言，所开发的ai系统，需要强大的gpu与cpu，进行协同的调度，才能勉强地，支撑起最基本的运行。
处理一些简单的、指令性的语言逻辑，尚可应对。
但是，一旦要实现，那种复杂的、带有情感和语境的、深层次的语言逻辑理解，就必须从最底层的编译器层面，实现模型、硬体、任务的协动化处理，彻底地，重构底层的代码，与语言的表达方式。
而这，用现有的这些编译器，是根本，就不可能办到的！
周铂看著自己辛辛苦苦绘製了几个小时的，那张复杂无比的流程图，无奈地，嘆了一口气。
他自嘲地，笑了笑：“我不过就是想找个，能帮我管理一下软体后台的、简单的ai小助手而已。
“
“怎么一不小心，就一头，撞到人工智慧领域的、最深层的、那个终极难题上去了？”
