“我就不信了，讓它裝Adob全家桶！”這一會兒張建還上了頭了。
也確實，行業軟件是Linux真正的軟肋，儘管Linux在軟件開發方麵有得天獨厚的優勢，但很多Windos上的行業軟件在Linux平台依然沒有很好的替代方案，用Win安裝Windos的軟件有時候無法很好的兼容。
這其中最為“老大難”的就包括Adob的全家桶，Photoshop、Aftrffcts、PrirPro、InDsign等等這些，每一個應用還都十分廣泛，行業軟件在某種程度上也是Windos係統的根基之一，另一個當然是WinTl聯盟了。
這種問題即使是最頂尖的工程師都是無法完美解決的，能用也隻是湊合。
紀弘的這個工具當然也不能——AI經過訓練能夠超越%的人，但這並不意味著它可以憑空創造出來原本沒有的東西。
“還不算離譜！”張建瞬間自顧自的歎了一聲，同時鬆了一口氣——不會憑空創造，至少還在他可以理解的範疇，沒有太過超出認知。
“張總，雖然兼容性問題無法完全解決，有一些小BUG，但是日常使用已經完全沒有任何問題了，我們其實做過一個評估，那就是它所處理的，大約是我們在公開渠道所能找到的最優的解決方案。”
李工愣了一會兒，但還是開口說道：“如果讓我們的工程師搞這個，沒有個三五天，絕對是做不到這種程度的。”
“那提升0%的硬件利用率呢？你們研究出什麼名堂沒有？”
“從數據監測看，還是細粒度資源管控以及顯存和算力隔離的方案，隻不過，這個係統對資源管控具有更細的粒度，極大的提高了GPU利用率。
“還有GPU共享組件……這個……”
……
就在張建與李工探討Linux係統級智能插件可能的方案以及原理的時候，紀弘也正在家裡絞儘腦汁的思考怎麼跟程薈解釋這其中的技術。
“所謂粒度資源管控，這麼說吧，就像是在紅綠燈路口，一般的智能紅綠燈就可以做到根據車流控製信號燈各個方向的綠燈時間。
“這個方向車多，那就綠燈時間給長一點，這個方向車少一些，那就多等一會兒紅燈，讓一讓，如此來最大限度的保證通過量。
“但在車流量都非常大的時候，這個控製時間其實並不好使，四個方向都堵車你怎麼辦？給誰分配綠燈的時間長才更合適？
“所以，現在我們的這AI的邏輯不一樣，它計算的不是一個路口，而是整個城市交通網絡，著眼的是全局，選擇的是對於全市道路都有利的一種分配方案。
“GPU的調度其實原理一樣，考慮全局比考慮局部從思路上就要更優，從而讓全網絡所有的運算鏈路最大化的暢通。”
“嗯嗯嗯嗯。”程薈一邊吃飯一邊不住的點頭，這種類比確實什麼專業術語，粒度資源管控之類的好理解的多了，她完全聽得明白，甚至聽得津津有味兒。
“另一個就是GPU共享組件，還拿堵車來說，這是用另一種方式來解決這個問題的。
“路口車很多，經常擁堵，但是我們綜合統計發現，不管是五座車還是七座車，幾乎都是隻坐了一個人或者兩個人。
“那麼我們就可以根據大數據，利用AI智能調度，智慧的將路徑相近、目的地相似的乘客組合到一個車裡，然後節省路麵空間，從而最大限度的減輕擁堵，提升效率。
“放到GPU共享組間裡，大約也是這個道理。多個任務通過路徑提前預判、算力綜合分配等方式進行智能組合，共享GPU算力單元，理論上做到極致甚至可以達到一絲算力都不浪費的程度。”
“而且跟人等車還不一樣，人這麼安排會很繁雜，接送、等待都有情緒消耗，容易產生矛盾，但GPU算力這樣分割隻需一個合適的算法以及一個超強的AI。”