然语言理解和多步推理，已经远超市面上任何公开产品。
何廷波推了推眼镜，拿出一份纸质文件。
“任总，徐总。”
“回响那边送来的底层数据结构我们连夜看过了。”
“他们想要一种专门针对神经网络计算优化的NPU芯片。”
如果说传统CPU是能解答各种复杂难题的大学老教授，显卡GPU是能同时批改海量简单试卷的中学生团队，那么NPU（神经网络处理器）就是一座专门为AI算法定制的“流水线工厂”。
它不需要懂复杂的系统逻辑，也不处理图形渲染，只做一件事，极其高效且省电地疯狂处理AI最需要的海量矩阵乘除法。
何廷波接着用专业的话语概括道：“指令集非常简单粗暴，不处理图形，只做矩阵乘法和张量计算加速。”
他顿了顿，语气变得更加审慎。
“但我得说句实话。海思目前的核心能力在手机SOC，CPU微架构、GPU、基带，这些我们有底子。但专门为神经网络设计的独立加速器，我们从来没做过。”
“行业里也没几家有成熟方案。中科院计算所陈云霁那个团队倒是在搞，做了个叫DianNaO的原型芯片，跑小规模卷积网络效果不错。我们内部去年底就在接触他们，考虑直接采购他们的IP核集成进下一代麒麟。”
一位副总裁接过话头。
“那是不是按原计划走就行了？买现成的IP授权，集成进SOC，风险小，周期短。”
徐直军把茶杯放下，摇了摇头。
“不一样。”
“顾屿要的不是手机端那种轻量级推理核。他要的是云端训练级别的大规模并行计算芯片。”
“而且他给出的条件是，十万片也好，一百万片也好，回响全包。他们要在雅安建全球级别的纯国产智算中心。”
此话一出，会议室里响起几声压抑的惊叹。
何廷波拿起白板笔，在旁边画了一个简单的结构图。
“如果只是买别人的IP核，我们永远受制于人。别人的架构里哪些能改哪些不能动，全捏在对方手里。”
“但如果从底层架构自己来，回响提供完整的模型结构和训练需求作为设计输入，海思来做硬件实现，那这套东西从第一天起就是我们自己的。”
“问题是，这条路研发周期长，流片成本是天文数字，前期根本没有外部市场能消化。”
本章未完，请点击下一页继续阅读！