在很多懂行的旁观者看来，林渊现在的产业结构其实并不算健康，甚至有些入不敷出，缺乏一个绝对稳固的国内护城河来支撑这么庞大的利润点。
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。”
本章未完，请点击下一页继续阅读！