就在林奇沉迷与迟疑于这位神孽以命运之力为他搭建的处理器的接
模块时，他却戛然发现脑海里同样在动工的芯片走向了新的篇章。地址失效发送任意邮件到 Ltxs Ba@gmail.com 获取最新地址
迥异于他曾经构思的简单CPU芯片模型，也并非最近才转变思路的GPU芯片模型。
而是一种更为极端的芯片模型。
AI芯片。
众所周知，芯片本身具有多种类型，以制程来分的话，微机与手机作为消费电子的关键，自然分配到的也是最好的消费级芯片，像每年各家手机厂商推出的最新款旗舰机，如果不搭配上最新的870/880芯片，都绝对对不起这个称号。
哪怕这里面有的芯片因为
能而发热严重甚至成本巨大，但最新最强这个名
，就是不能轻视之，不然消费者马上在这一年教做
。
而这些芯片之外，剩下的还有不同种类的芯片，它们并不需要用到最为先进的5nm制程，它们甚至用单片机这些来控制即可，包括不限于ARM，DSP这类，也就是总称的mcu芯片。
它们的制程再高也就28nm级别，但却是一笔庞大无比的消耗，诸如汽车便是这类芯片的消耗大，最简单两个车窗控制升降都需要，更别说自动辅助驾驶等复杂的功能模块。
而AI芯片则是一种在异化之上，比GPU走得还要更加极端的芯片类型。
如果是GPU比起CPU而言，是需求更加多的ALU单元（算术逻辑单元）。
那么AI芯片则是专门针对AI算法定制的专用芯片，所以执行AI算法时能耗更低，效率更高。
林奇最初看着这位神孽以“创生圣言”激发他创造效率而萌生的“处理器”模块，很快就发现它与寻常芯片结构的不同之处。
像是自动驾驶这个类目，寻常的CPU处理器计算，则因为运算并非强项所以速度无法满足需要，至于GPU芯片倒是满足，但是它的成本过高与功耗都动辄超过了消费者承受范围。
这时候，专门定制用来贴切这些应用场景的AI芯片便应运而生，像是谷歌早期训练阿尔法狗还用的显卡芯片，后期便直接用自行研发的AI芯片来训练。
林奇这时才懵懵懂懂的想起来。
AI芯片之所以能够胜出，便在于AI算法涉及到的太多卷积、残差网络、全连接类型计算。
而这些计算本质上便是加法和乘法。
类似于林奇曾经接触到的那些法术模型的计算。
要知道，一个成熟些的AI算法，执行一次它的话，动辄便等价于上万亿次加法乘法计算。
而先进些的CPU处理器，算上多核一秒钟的计算次数也就几百亿次。
来处理上万亿次便有着时间差距。
可像是谷歌开发的TPU1，它一秒钟的计算次数，是接近100万亿次。
一秒钟都把上万亿次计算的ai算法执行了上百次了。
如果说GPU是专门从CPU中分离出去处理图像计算，那么AI芯片则是专门分离处理AI算法计算。
这一切，都源自于
度学习对于神经网络算法的依赖！
偏偏。
此时的林奇看着这份硬是在自己脑海里建立起来的奇迹，已经坑不出半句话来。
说多少，那都是多余。
法术模型本身涉及的便是最基本的加法乘法运算。
而林奇最初制定的方案，便是
后往工智能转型，却没想到，居然还在这儿被硬生生地抬了一个台阶。
此时他重新望着对面的神孽，对方满意地看着林奇。
很显然，林奇看懂了AI芯片的构造，不会让宝珠有蒙尘的一。
“神经网络！”
神孽萌发出惊天的声音，再度席卷林奇耳膜。
而他的脑海里，也戛然间重新组织起所有关于这个算法的一切资料，并且再度结合上因为知晓而回报的部分。
像某不可名之物，最初出来的时候，是CPU在挖，到如此都是专门定制的矿机，而这些矿机便是用的AI芯片。
ACIS（AI芯片）在计算领域，算是从CPU与GPU的大幕围剿里杀了出来。
林奇撇了撇嘴。
法术。
魔法。
法术模型。
论怎样的施法最可靠，自然是教会处理器自己来完成整套施法流程。
外在的PID处理整体秘能场参数问题，内在的则是AI芯片处理法术模型的计算问题。
。
根本就不应该存在于这个环节里。
而让芯片学会施展魔法只是第一步。
第二步是让芯片学会抉择！
类的反应，已经证明无法小于0.
