第105章 全面布局(第4/5 页)

幸好顾诚钱多，做得起这种长线投资。

……

在多伦多盘桓了三四天，挖够了人之后，顾诚就准备驱车回波士顿，了结一下跟扎克伯格的赌约。

然而算算日子，跟扎克伯格的一周之约还没到期，顾诚只好先去纽约休假两三天。

以他这么忙的身份，就算在纽约也不会很闲，至少也要电话遥控一下生意。

这不，他人还在多伦多的时候，就把公司的准cfo柳倩从纽约发配去了旧金山，让她在硅谷投资一块办公楼地皮，在那儿注册一间yy子公司、同时留心一家成立还不到两年的初创公司，尝试一下收购。

被顾诚盯上的这家公司，便是后来在05年拿出了世界三大物理运算引擎physx的ageia公司。这家公司历史上应该于08年被英伟达（nvidia）收购，后来成就了英伟达的完全体gpu大业。

顾诚要搞深度学习型人工智能，要搞卷积神经网络，挖一家这样的公司就非常有必要。

就如前几天顾诚和史蒂芬.库克教授谈到的那样，任何“神经网络”和传统计算机网络最大的区别，是“没有中枢，每个神经元节点完全平等，彻底云分布”。

所以在执行“神经网络”相应的运算时，人类传统的电脑cpu效率其实并不是很高，无论英特尔还是amd。

因为稍微懂点计算机常识的人都知道，cpu是“时分占用”的计算硬件，通俗的说，一个4g主频的cpu，只是一秒钟能够运算40亿次，但每一瞬间依然只能计算一次，windows的“多任务处理系统”，本质上只是“把cpu的时间占用细分，每个后台程序在每一秒里占用那么几微妙”来实现的。

比如一个人打cs游戏的时候，后台开了个qq。运行qq需要占用“每秒1亿次运算”的cpu处理资源，那么实质就是“4g主频的cpu每秒分出25毫秒处理qq”，而不是物理意义上的“同时处理cs和qq”。

这种只能单核运算的模式，注定了不适合未来卷积神经网络越来越多的“并线操作”。所以06年当卷积神经网络的曙光出现之后，平行时空的英特尔公司也不是没有意识到这一点并且挣扎。只不过英特尔公司最初的挣扎方式是“开发多核cpu”。