第210章 联合登月前（求月票！） (第1/3页)
“在这方面我已经和华为高层沟通过一轮了，他们每年给的40亿，我本来的意思是其中的20亿用他们的计算卡来抵账。
现在既然华国投资那边会到账500个亿，那华为每年的40亿全部都用计算卡来抵账。”
这么说吧，阿波罗科技面临的是比华为还要更加严重的ZC。
在阿波罗科技打广告的哔哩哔哩都要被赶回香江上市，华为可不至于此。
加上阿波罗科技已经充分展现出了野心和能力。
空有野心很正常，谁都有野心，但你得有实力啊。
阿波罗科技就不一样了，能够把老马逼的提前两年跳反。
本来马斯克还能在驴党的旗帜下苟到2024年年中，再切换阵营。
可见阿波罗科技给马亲王都打出真实伤害了。
对白宫的冷战活化石来说，他宁可放华为去找先进制程代工，都不可能让阿波罗科技能买到英伟达的AI计算卡。
不过还好有华为，华为在2019年的时候就推出了自己的计算卡。
现在是2022年，ChatGPT还没有问世，各家大厂也能买到阉割版的英伟达AI计算卡，华为的昇腾属于一个接近于无人问津的状态。
林燃愿意一半的广告费用昇腾抵账，这也是华为答应200亿价格的重要原因之一。
国内顶级的科技公司愿意用他们的昇腾计算卡，这对他们的计算卡生态完善也有好处。
至于为什么不和其他厂商合作，背靠华为的昇腾生态尚且是一片空白，其他厂商可想而知。
“其实华为的计算卡和英伟达比起来差距还是挺大的，唉，不过确实没办法，我们现在的情况就是买不到英伟达的计算卡，哪怕阉割版都买不到。”
Pony苦笑，他联想起他办公电脑用的还是Linux操作系统，整个阿波罗科技有专门的桌面支持团队，确保大家能够用Linux用的舒心，他就知道当前面临的是怎样的窘境。
华为方面一直在给阿波罗科技推鸿蒙，说你们用鸿蒙肯定比Linux好用，至于火箭设计仿真软件、流体力学计算软件等等工业软件在鸿蒙系统上用不了，我们会给你解决。
不过华为在推动这件事，只是他们说解决，暂时都还没看到解决了。
林燃也苦笑：“是的，问题在于，就算英伟达会卖给我们，我也不敢用啊，谁知道会发生什么。”
林燃随后又振奋道：“不过还好，我和华为那边沟通过，对我们而言，他们的芯片已经够用了。
因为根据元素特性推导材料性质，这类模型的数据量很稀疏，数据、算力和算法三要素里，对数据和算法的依赖远高于算力。”
Pony对人工智能也颇为了解，腾讯每年从ai领域挖来的大牛不计其数，哪怕此时ChatGPT还没有横空出世，他希望从林燃这了解更多信息，好为后续开展工作提供方向：“林生，你仔细说说。”
林燃进一步解释道：“这是因为材料科学领域的数据非常非常有限，数据共享也好获取也好都面临着空前的障碍。
不同实验室产出的实验数据除非刊登到论文里，不然各家的数据是不会进同一个池子，当然他们想要进同一个池子，也会有各种各样的担心。
因为你很难保证，所有研究机构提供的数据不会污染数据库。
有人数据造假，就会污染整个数据源。
目前就我了解到的情况，类似研究数据非常稀缺，最多的数据也要少于4000个样本。
特征工程是AI模型成功的关键，但其设计在材料属性预测中尤为复杂。
物理元素性质，像原子量、电负性这些和材料结构，像晶格类型、键长这些，都要转化为数值特征，提供给模型学习。
其中特征选择直接影响模型准确性，错误选择可能导致性能下降。
目前整个过程仍然需要依赖研究人员去手动处理特征值，去做筛查。
非常依赖研究者经验和直觉，极可能遗漏重要信息。
nature去年的子刊他们整出了一个MODNet的学习框架，就是一个材料属性预测的机器学习框架。
（《通过特征选择和MODNet的联合学习实现有限数据集的材料属性预测》于2021年6月3日刊登在Nature子刊NPJ上）
他们发现要预测材料的振动熵时，反向键长和p价电子是关键特征，但手动识别这些特征需深厚领域知识。
这些数据的提取需要有足够丰富经验的科研民工来做，同时还要确保数据的精确，降低误差，整个过程非常繁琐。
因为我们要做的东西远比他们更复杂，我们要做的是一个更大的，更复杂的模型，特征数据的归纳总结和收集，速度肯定很慢。
毕竟这件事无法像网络空间的数据那样，可以通过特征值剔除，各种办法来确保数据的准确，它的数据用计算机术语来说，从外表看上去是结构化数据，但内核却非常的不结构化。
因此按照我的估计，至少前五年，前五年华为的计算卡都够用。
至于五年之后，华为的计算卡也会与时俱进，加上我们本身也会和华为合作来推进他们计算卡的进度。”
Pony听完后大致能够理清思
（本章未完，请点击下一页继续阅读）