第8章 谐音送去死亡信息(1/2)
科晨远达A座十二层，灯火通明，两千平米的空间完全打通，各种机柜和服务器正在源源不断运送进来，大量身着白大褂的工程师正在紧张地安装调试服务器。
在其中一个角落里有一间十多平米的玻璃房间，平凡庸碌的大学讲师商落鸿，展现出一种雍容且高贵的态度。
他坐在沙发上，阴沉着脸，往日的笑容一丝也看不见，如同一位帝王，蔑视地盯着面前的手机，双手十指交叉，声音却从双手下传出来。
“使人不至走漏风声，你听成了死人不至走漏风声？”
视频电话里的人吓得连连求饶：“商先生！请再给我一次机会，请再给我一次机会！”
商落鸿豁然起身，对着电话怒斥：“饭桶啊！维克多都死了！我给你什么机会？”
他想了想，有几分无奈地说：“客观来讲我是有点口音，不能完全归罪到你身上，你回来看紧陈洋，只有他会人工智能这个技术，再失手就不用我说了吧！”
陈洋在十一层的办公室，刚打算出门就被堵回来，已经检验过逻辑图的克里斯丹尼尔还有阿舒雷格走进陈洋的办公室，遗憾地通知陈洋他们：AI图形芯片设计引擎画出的逻辑图完全不能用，错误太多。
具体来说，流水线架构有问题，寄存器比例也不对，貌似陈洋设计的图形芯片设计引擎AI又菜还又爱画，生成的超大规模流处理器如同贴纸生硬得拟合在一起。
阿舒雷格这种顶级的图形芯片架构师解释了几句：“速度的提升与流处理器数量不是简单的线性关系。反复去找那个流处理器数量上的甜蜜点，还不如把精神放在优化电路设计、减少访存次数、增加数据通路带宽这种事半功倍的工作上。”
克里斯丹尼尔接着话题继续下去：“流处理器越多，热量越大，反而影响性能和寿命，功耗也是个大问题，3个8pin的供电可不是每个人都接受得了，另外，16G的显存意义不大……”
综合评价，两人认为这款AI图形芯片设计引擎像那么回事，但是完全不是那么回事。这下把陈洋搞郁闷了。
正好商落鸿进门，听到了这个消息，他一脸同情的笑容，拍了拍陈洋的肩膀，温和地宽慰着：“师弟，继续研究吧，科研哪里有那么容易，罗马也不是一日建成的。”
“我觉得是数据精度不够，可能是陈在标注图纸的时候，没有实现清晰和准确标注，因此模型的可靠性和精度没有达到预期。”
“我觉得是数据样本不够，我们看能否提供给你更多的显示芯片的设计图。”
两个看似内行的外行提出了各自的想法，尤其是高级架构师阿舒雷格热情地提供了自GT8800以后的二十余款显示核心的设计图。
陈洋不得已把心中那张流程图的勾再去掉，重新陷入到绝望的标注数据的工作中.
AI学习和人类学习在本质上并无不同，都是通过经验和信息来提高自身的能力，只不过人类通过感知、思考、行动和反馈等方式从环境中获取经验， AI模型通过处理数据和反馈信号来获得经验.
陈洋得告诉这个笨蛋模型若干次：大的、植物果实、不太圆、肯定不是完美圆的红色、淡粉红色的这个东西，是苹果！
感谢过两位高手之后，陈洋做出了自己的判断，他认为两位高手的说法各有可取之处，数量，决定模型的广度，质量，决定模型的精度。
除了数据数量和质量之外，数据的分布也非常重要。在训练神经网络时，需要将数据分为训练集、验证集和测试集。这些数据集应该包含具有不同特征的数据样本，以避免出现过拟合或欠拟合等问题。
陈洋反反复复在办公室里踱步，虽然产生了问题很恼火，但是所有的研发都这样，怎么可能一次成功，都是反复不断的试错，最终都不一定取得成果，唯有坚持下去。
陈洋抱着脑袋想了一天，终于想明白为什么不建议他去找流处理器数量上的甜蜜点。
因为芯片会在生产时进行分级筛选，屏蔽掉生产时出现问题的流处理器，然后把整块芯片降级使用。
比如Vega核心完整流处理器数量是4096个，屏蔽一部分可以变成3584个，商业上的销售名称就从Vega64变成了Vega56。
这种知识和经验，如果不是曾经拉通过整条产品线的人根本想不明白，代工厂生产和商业选择的结果，反过来对芯片设计工程师设计初期造成影响，给新手理解完全就是匪夷所思的事情。
如同早晨吃过一堆东西，晚上发现身体不适，这时候自己知道食物过敏了，而准备早点的阿姨却对此一无所知，假如不通知她，明早还会是这个结果。
其实克里斯丹尼尔还打算调来辉达图形的算力服务器，结果一看陈洋他们用得是超威半导体的服务器，顿时表情怪异起来：“陈，你要知道，论起CUDA，我们的算力
本章未完，请点击下一页继续阅读