第(2/3)页

    现在他拿着救命的现金流跑去建连个盈利模式都看不见的数据中心，还要砸钱搞校企合作，简直就是疯子的行径。

    但是，别人看不懂，林渊自己却再清楚不过。因为他是一个从未来回来的人，他比这个时代的所有人都清楚，未来的世界，绝对是人工智能（AI）与深度算法模型的天下。

    谁掌握了算力，谁就掌握了下一个十年的入场券。

    林渊今天来，就是为了搞清楚一件事。

    “三位教授。”林渊目光诚恳地看向他们，“我虽然也懂点底层代码，但在大型实验室的顶尖硬件设备采购上，我那点常识肯定不如各位专家。咱们这个实验室如果想出世界级的成果，到底需要配备什么级别的设备？”

    李院长沉吟了一下，率先开口：“如果要搭建稳定的底层运算环境，我们院里之前的设想是，主要采购惠普或者 IBM 的塔式企业级服务器，求个安稳。”

    周志华教授跟着补充道：“小林，既然你有自己的数据中心，我们的建议是上国产的‘曙光’系列刀片服务器集群。做咱们这种机器学习的算法模型，传统的 CPU 阵列在并行处理上是业内最成熟的方案。”

    林渊听完，摇了摇头问：“传统的 CPU 算力上限太低了。既然咱们要搞最前沿的底层算法，为什么不直接搭建 GPU 显卡算力集群？”

    王主任叹了口气，解释道：“林总，你可能对目前的硬件市场不太了解。我们不是没想过用 GPU，但是英伟达（Nvidia）今年刚推出的新一代架构，存在很严重的质量问题。”

    “是的。”周志华接话道，“他们这一代核心的漏电率和发热量大得离谱，简直就是个火炉。如果我们在实验室里满载高并发跑上几天，不仅散热是个大麻烦，甚至有直接烧毁主板的风险，这采购成本谁吃得消？所以大家现在都不建议搞英伟达，还是买曙光稳妥。”

    林渊若有所思地点了点头：“原来是这样。发热和次品率确实是个大问题。但除了硬件本身，英伟达的 CUDA 并行计算架构生态，目前在市面上是不是没有任何替代品？”

    周志华有些惊讶于林渊对专业名词的敏感度，点头确认：“确实，单论并行计算框架，CUDA 确实是目前最好的选择。但硬件缺陷摆在那，没办法硬上。”

    林渊笑了笑：“如果只是发热问题，我们可以在机房基建的时候，直接抛弃传统的风冷，引入定制的液冷机柜系统。同时，我这边可以带人写一套底层的功耗墙限制脚本，通过软件层面在它临界过热前自动降频调度。这样就能完美规避烧毁风险。”

    这下轮到对面三个人震撼了。

    李院长瞪大了眼睛：“林同学……你连机柜液冷散热和显卡底层驱动调度都懂？这种技术性的难题，你真的可以解决吗？”

    林渊笑着说，“其实我也不知道，反正试试看吧，正好我马上要去美国签一下合同。这批设备我打算直接去硅谷，找英伟达原厂采购，专门定制一批企业级的 TeSla 加速卡，绝对比市面上的民用显卡靠谱得多。”

    周志华若有所思地看了一眼林渊：“不要太为难自己。如果你真的能把这个问题解决，那么小林同学，你可是牛大发了，你可比我们这几个人加起来都要厉害。”

    随后，双方又在底层架构以及技术难题各方面探讨了一会，尤其是液态制冷这个超越时代的概念着重了解了一下。
    第(2/3)页