第164章 最后一块短板(第 3/3 页)

    还有隔壁的海康威视，早几年也是这个情况——一套监控卖那么贵，之所以卖不出去，不是因为它比竞争对手大华家卖得贵，而是因为多装这几套监控的成本，比多雇佣一个保安都贵了，才卖不出去。这两年成本下来了，那些精明的企业主才开始多装监控少雇保安。”

    马风的见识还是很广博的，他做电商起家，各行各业都了解一点。听了丁三石举的例子，他马上就想通了。

    人工智能的普及，说到底是跟人力成本在PK价钱，不是跟同行PK价钱。比人便宜才有资本家用。

    于是他诚恳地追问顾诚：“那小顾你觉得，有什么快速降低人工智能运算成本的办法呢？总不能让我们去投资英特尔，指望硬件厂商把单位计算效能的CPU价钱加速猛降下来吧？”

    “当然不是。”顾诚端起茶杯，作势喝了一口，表情很淡定，“首先，CPU的架构模式，处理深度学习算法需要的并行数据处理时，效率还是太低了。就算要在硬件上下手，也不该找英特尔。”

    应该找英伟达，但是这句话顾诚就敝帚自珍了，没必要告诉马风和丁三石。

    他从02年就收购了AGIEA公司，在人工智能用GPU领域的布局，已经占到了先机。未来不管是挖英伟达的技术团队、积累技术储备，还是直接想办法到英伟达投资，都很灵活。

    这事儿，他自己就能做，不需要马风和丁三石的配合。

    他今天需要说出来的，都是些他不愿意啃的硬骨头。

    “其次，即使不在硬件的物理指标上争取跨越式发展，我们还可以在资源配置效率上做文章——这个解决方案，就叫做云计算。利用未来网络的进一步便利，把各大互联网公司的数据中心整合起来。

    或者让专门的服务器/数据托管公司形成虚拟服务器/虚拟数据中心的架构，实时优化调度计算资源，把闲置的计算力量以一个相对较低的价格临时、分时租赁给出现处理需求的人工智能公司——用这些招数，可以轻松做到在硬件物理性能没有飞跃的情况下，靠优化配置节约数倍的计算资源成本。”

    “你说的这招，目前技术上实现得了？”马风和丁三石异口同声地狐疑道。

    顾诚淡定地耸耸肩：“比较难，但是已经有机会——年初的时候，英特尔公司就开始力推双核CPU处理器了，对多线程计算的分配效率和架构也做出了很大优化。我们公司，目前就基于此基础，尝试了内部代码编译服务器的‘分布式编译’架构。你们不信的话可以去参观一下。”