第154章 AGI

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154章 agi

大赛结束之后，周的除了每周固定前往aetos的联合实验室，其他时间都泡在自己的实验室里。

在这期间，他们实验室又多了一位学生，主要的研究方向也相当的硬核，搞的是晶片研究，说实话，周昀也很好奇，为什么这样的人才会在一个双非，倒是又给他捡到漏了。

不过搞晶片也是需要硬体的，就算周昀现在有能力买，他也没那个时间，乾脆把新来的学生扔到aetos联合实验室里去了，反正那里设备非常充足。

至於为什么周昀没时间，是因为他最近在搞一个非常nb的东西，这个东西要是搞出来，改天换地都是轻的了。

没错，就是周昀一直梦想实现的agi。

之所以费这么大的力气搞aetos，就是觉得凭藉现有的模型架构和软硬体系统，很有可能永远都无法承载真正的agi。

而aetos，就是他为新一代agi量身打造的新载体，gpu架构本质上是为大规模、规则、高度並行的数值计算优化的，计算核心虽然数量庞大，但结构相对单一，控制逻辑简单，面对agi所需要的复杂且混合了多种模態的计算任务时，gpu的固定流水线和內存hierarchy会带来巨大的效率损耗和编程复杂性，这就非常依赖於模型的架构，模型架构优秀，性能就好，架构不优秀，性能就差。

而aetos的统一內存架构和极细粒度任务调度，正是为了应对这种“计算混沌”而生的，agi的“思维”过程，可能间在感知、记忆提取、逻辑推理、情感模擬等不同模式间切换，需要硬体资源能够像水一样灵活地流动和重组，aetos允许將不同类型的计算单元无缝地整合在同一个內存空间下，由运行时系统根据任务特性动態分配资源，实现“需要什么，就分配什么；哪里需要，就分配到哪里”的理想状態，这对於降低agi训练和推理的能耗、提升其应对复杂场景的敏捷性至关重要。

不过这都是周昀的假设，但他有一种预感，肯定能成功。

隨著aetos的不断叠代更新，功能也越来越完善，虽然依旧受制於硬体，但是因为其独特的优势，光从软体层面已经非常好用了，像是amd，英特尔这些厂商还会专门在开源本版上做优化，就像是游戏厂商对游戏引擎进行个性化的改造一样。

而有了如此承受的工具，周的的研究也快要有结果了。

比赛结束后的第三个月，实验室里，周的看著控制栏里输出的结果，嘴角久违的扬起了笑容。

神经擬態网络，这就是他这几个月的研究成果，简称ndn。

这个架构的灵感，直接源於他对人类大脑神经网络的理解，与当前主流transformer模型那种依赖固定前向和反向传播路径的结构截然不同。

【记住全网最快小説站 101 看书网伴你閒，101??????.?????超贴心 】

它的基本单元被称为“动態神经元”，与人工神经网络中简单的加权求和再激活的函数单元不同，每一个“动態神经元”都是一个具备一定自主性的计算代理，它內部封装了多种计算模式，並能根据输入信號的模式、强度和上下文，动態选择最合適的处理方式，甚至微调自身的激活閾值和输出函数，这模仿了生物神经元在神经调质影响下改变自身兴奋性的能力。

简单来说就是把生物里面神经元那一套搬到了电脑上，当然，可能不是照搬。

不过单个“动態神经元”的能力確实有限，甚至可以说“愚钝”，但ndn的特殊在於它们之间的连接与组织方式。

他拋弃了传统的层状结构，取而代之的是一种受大脑皮层功能柱和全局工作空间理论启发的“动態功能集群”机制，无数个“动態神经元”通过aetos硬体提供的极致通信带宽，形成一个巨大的、扁平的连接池，当处理特定任务时—一比如识別一个图像中的猫，或者理解一句话中的反讽相关的神经元不会按照预设的层级被激活，而是通过一种自发组织的方式，临时聚合成一个高效的、专用於该任务的”

微电路”或“功能集群”，这个聚合过程，极度依赖於aetos的极细粒度任务调度能力，想要用cuda实现，麻烦不说，而且还未必能达到一样的效果。

而且按照实验结果来看，当“动態神经元”的数量增加时，其性能不是传统深度学习中观察到的指数律提升，而是出现了一种几何倍增式的跳跃。

而当数量达到一定程度的时候，整个模型则会开始出现一种抽象推理和知识迁移的能力，不过这种能力还很弱，还需要时间优化修改，但是也足以看出，其巨大的潜力！

於此同时，沉寂了几个月的英伟达也有动作了，毕竟再不搞点动静出来，股价都得跌到底了。

老黄，作为技术高超的刀法大师，因为aetos的出现，也不得不稍稍调整一下自己的刀法了。

大洋彼岸，硅谷的心臟地带，英伟达的年度大会gtc正在举行，本来不应该是在这个时间点的，但是碍於aetos给的压力实在太大，只好提前了。

会场內，聚光灯下，身著標誌性皮衣的黄仁勛登台。

隨著大会的进行，老黄宣布了第一款產品——dgxspark，这台被誉为“世界上最小的ai超级计算机”，性能却高达1petaflop，並能在一台桌面设备上本地微调高达700亿参数的模型。

但是想都不用想，这种东西肯定对华国有限制。

紧接著，老黄將话题引向了当下最炙手可热的领域——ai推理。

“我们的对手给了我们不小的压力，但也在关键技术上为我们给了我们不少提示。”他坦言，这里的“对手”显而易见。

他宣布推出专为ai推理打造的blackweliuitragpu。与主要用於模型预训练的前辈a10o、h100不同，blackwellultra明確定位为“ai模型推理打造”，同时兼顾训练和多场景ai应用的高效性。

“然而，强大的晶片需要同样强大的神经系统”。”老黄话锋一转，介绍了新型ai推理服务软体dynamo，他解释道，dynamo能够协调和加速数千个gpu之间的推理通信，並使用分解服务將大型语言模型的处理和生成阶段分离在不同gpu上，確保最大程度地利用gpu