可以说电就是人工智能领域的血液。
没有电力的话，机器连跑都跑不起来，还谈什么做AI训练呢？
而且更重要的是。
如果要搭建这样规模的高端GPU集群的话。
学校这种普通的电力线路是无法支持的。
他们甚至需要去专门找一个地方搭建一块能够承载这些GPU集群的区域。
并且和电力部门提前沟通好，打造安全可靠又稳定的电力输送线路。
不然要是那么简单的话。
盖个数据中心怎么那么麻烦呢？
岑言每提出一个问题，对于周志云来说都是不小的麻烦。
但是那样广阔的前景，人工智能的星辰大海，就摆在自己的面前。
拥有能够超越大洋彼岸的可能性。
哪怕只是一丝一点。
周志云也有着去尝试的渴望。
他一咬牙、一发狠、一点头。
“没问题，这些我都可以去办，我都可以想办法去办。”
“学校没有办法提供足够的支持的话，我也有企业的门路，可以去拉资金，拉团队、拉投入。”
“国资、外资，都没问题。”
岑言颔首。
这样才算是能看得到一点决心嘛。
“新的架构，确实前景广阔，单靠我们京海交大的资源是很难完成的，确实是必须去考虑资本对接的问题。”
岑言坦言道。
“如果是按照我的习惯，这种重大的研究方向应该是要寻找国资的，但其实从客观角度来看，我们只能找外资。”
他的表情有些淡漠，也有些果决。
“我甚至要说，我们不能找国资。”
“啊？”
周志云一愣。
这一点他倒是有些不理解岑言了。
他想做这个，就是为了让国内能够快速在AI领域拥有一个起步优势。
毕竟这方面，国内的影响力还是有限的。
这也是他当初回国的初心。
可岑言却说，不能找国资。
如果是别人的话，那周志云可要好好的怀疑怀疑对方是不是居心不测。
但是说这话的人是岑言。
“因为现在国资对于这方面的接受度不高。”
岑言也是有些无奈。
“国资意味着深程度的监管，但是我们现在的时间紧度已经完全没空应付监管。”
“而且国家也更偏向于能够落地的工业基础，而不是虚无缥缈的AI神话。”
“另一方面，国资方一般都会更看重于每个阶段的转化成果，很难去容忍我们拿着那么一大笔钱，跟无底洞一样去烧。”
“最重要的是，国资看成果，外资听故事，这一次我们要讲的是故事。”
周志云若有所思的点了点头。
岑言的考虑，其实不无道理。
而且两人都很有默契的没有提另一点。
国资往往也意味着政绩要求，而外资往往由企业主导，虽然更加残酷，但是他们会有一些听故事的耐心。
因为他们在追求更高的利润。
“不过其实也可以放轻松一点。”
岑言笑了笑说道。
“核心技术掌握在我们手里，设备也在我们手里，引入外资，一方面可以麻痹他们的神经，原本投入给一个团队的资源，分散到我们手上，那他们的进度也会慢。”
“而我们在做的，只不过是给个名头，借鸡生蛋而已。”
“当然了，关于技术和各方面，股份啊什么的，那些我不太懂，就都得交给你去处理了。”
岑言看着周志云。
笑嘻嘻地直接要当个甩手掌柜。
“要是到时候出了什么问题，可就都找你哦。”
“呲……”
周志云一秒破功，抬手指岑言。
“你小子……行，那后面还有几点呢？”
“你先把前面这几样能办妥了再说吧，不也得让我看看你有没有资格弄呗？”
岑言笑眯眯地说道。
“好啊你……”
周志云气极反笑。
“再说就再说！”
第294章 在小小的谷歌里挖呀挖呀挖
周志云甩下一句怂怂的狠话后就离开了晨星实验室。
他算是清楚岑言这小子的德性。
想要跟他空手套白狼，那是没门的，只有拿出真材实料的东西或者门路。
他才会愿意透底。
不过岑言的这种表现，也让周志云更加放心。
不管是岑言对于这方面所展示出来的了解和把握，还是他那种神秘兮兮的模样。
在简单交流后，周志云是大概了解岑言的意思，他也认可这个方向。
简单来说，周志云心里也有底了。
剩下的事就是去干。
岑言忙，那就他去干，走流程，跑手续，要经费，要投资，商业洽谈。
他老周又不是没有干过。
岑言一个人坐在休息室里没出来。
周志云走了，他自己也需要静静。
如果真的想要把Transformer在半年的时间内快速的做出来，那他们所要面临的挑战，绝对不会比他做魔角石墨烯轻松。
一整个完整的架构，绝对不是一个人的战斗。
人员结构标配要到位。
要有懂注意力、序列建模、数学推导的理论算法研究员，也要有精通Transformer、分布式训练、数据流水线的工程落地工程师，还得有懂分词BPE翻译任务特性的机器翻译领域专家。
前和后其实都好说。
毕竟有周志云的，有自己在，实在不行，自己直接开抄也行。
但是工程落地工程师就没那么容易。
这一类工程师是AI领域最稀缺、最珍贵的人才之一。他们的珍贵性体现在了不可替代性、复合技术壁垒和产品刚需三重属性。
要知道目前的AI发展还只是起步。
AI人才的分化非常严重。
懂得数学、懂得论文、懂得模型的算法研究员，不会工程化、不会分布式、不会大规模数据处理的不在少数。
甚至岑言自己就能算一个。
而那些传统的后端大数据工程师，他们会分布式、会数据，但不懂深度学习框架、不懂反向传播，更不懂模型训练逻辑。
可能连GPU优化都做不好。
而且成年所需要的拥有开创性能力的AI工程落地工程师必须同时打通三大壁。
算法、系统、大数据三重交叉人才。
在未来10年后的2026年，这样的人才获取会成为大厂的标配。
但放在2016。
此时根本没有任何现成的培养路径，全要靠自学和项目，再加上大厂内部历练。
但这样的人一旦进了大厂。
大厂几乎就不可能放他们走。
因为他们是论文到产品这一路线的唯一桥梁，决定了AI理论是否真正能落地。
2016年本身就是AI从实验室走向工业化的临界点。
谷歌、百度、Facebook等互联网大厂都在把深度学习塞进搜索、翻译、语音等核心产品之中。
可是90%的SOTA论文是没法落地的。
因为GPU优化不行，跑不动，或者是训练太慢，数据很脏，不够稳定。
只有岑言需要的这一类工程师能够解决问题。
他们能把论文模型缩放到小样本，能通过分布式把训练速度提升百倍，能保证7*24稳定训练，可复现，可监控，还能把模型部署到线上服务，实现低延迟、高吞吐。
而更重要的是。
TensorFlow在15年11月9号才刚刚开源。
今年的4月14日，TensorFlow 0.8才首次支持分布式。
而且这一版本非常粗糙，Bug很多，文档很少。