如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。
第129章 aetos
“启智』的试验还在继续，期间也不用周昀每天盯著，不过他也不会閒著。
虽然只有他和陈默两个人，但也还是在九月底的时候完成了第一个版本的aetos，aetos就是周昀计划替代cuda的生態。
当然，现在还远远做不到cuda那样强大。
在陈默完成了矩阵运算的tiie分割的攻克之后，vo.1版本的aetos就有了最为趁手的解决工具。
而在进行了一系列的算子重写之后，aetos可以实现让一些非英伟达的显卡做到与之相同的矩阵运算速度。
但毕竟只是两个人做的，功能非常少，现如今能做到的只有一些核心基础算子，比如relu、sigmoid、tanh等激活函数，以及加法、乘法.
还有求和、求最大值，矩阵转置，不过最为核心的还是gemm，也就是通用矩阵乘法，而gemm是深度学习、科学计算等领域的绝对计算核心。
掌握了它就代表他们完成了从零到一的突破。
为此他们还专门写了一个专用的编译器，能將某种形式的计算描述转换成高度优化的gpu的机器代码，而这个机器代码可以適配不同的gpu核心，比如amd，英特尔，还有国產的。
简单来说，通过aetos，可以实现在amd平台上训练出一个简单的深度学习模型，例如轻量级的cnn、lstm、dnn等等。
这在以前是很难想像的，最重要的就是其运算速度可以接近甚至持平在同级別n卡上用cuda跑的效果，这都是tie分割所带来的效果，让其足以弥补硬体上的差距。
除了这些优点，缺点自然也是有的，比如他现在还无法直接运行为cuda编写的现有代码，还无法兼容pytorch、tensorfiow等主流框架，同时也缺少cuda提供的成千上万个高度优化的库，如cudnn，cublas，cufft，缺乏nvidiansight那样强大的性能分析、调试工具，而且现在的aetos优化主要集中在ai和线性代数计算上，对图形、物理模擬等其他通用计算任务的支持非常有限或尚未开发。
而且哪怕是坐到了这种程度，就算工程师们知道你的东西是自己，勉强能用，但也不会捨弃已经非常成熟的cuda，除非是玄武』这种国家级別的项目，为了做到完全自研，才会去做这种费力不討好的事情。
这也能看的出来，想要构建一个完整的生態是多么的困难。
而此时，正是aetos在大眾面前的第一次亮相。
因为之前参加了玄武』项目，周昀在接下来的几年之內都不能出国，neurips之类的会议他自然是没法去了，国外的主会场去不了，国內的neurips线下论文分享会却是邀请了周昀。
周昀作为一个年轻学者，在neurips连续发表六篇论文，並且每一篇质量都极高，自然会引起学术圈的注意。
他也答应了，他正愁著该怎么宣传aetos，一个良好的技术生態或者是平台，开源永远都是叠代最快的方式。
而所谓neurips线下论文分享会，主要是为了国內人工智慧领域的学者、研究人员、
本章未完，点击下一页继续阅读。