綜合起來，那比中級工程師強多了！
“網絡上是沒有公開的高級彆芯片設計方案，這些東西都是商業機密。”
於東頓了頓，悠悠說道：“但網絡是一個巨大的圖書館，原理和理論都存在，各類研究、論文成果也是公開的。
“類思維AI，可不僅僅是通過數據訓練的，甚至都不需要大量的數據，少量的數據也隻是輔助。要不，怎麼解釋，卷耳會智能科技想要訓練一個AI那麼容易？”
“你是說，卷耳智能科技的AI訓練是知識驅動？”0實驗室的一位負責人戚斌說道：“而非數據驅動？”
“大概率，知識為主，數據僅僅隻是起到示例和示範的作用！”於東點了點頭。紀弘並沒有跟他說過這個，這是他自己的猜的。
而且，不止於東一個人有這種猜測——卷耳智能科技AI訓練的速度太快了。
結合紀弘在各個場合對類思維的介紹——那些原理肯定是在忽悠人——但少量數據就能訓練，這肯定是真的。
證據也很好找——能夠查到的資料，卷耳智能科技購置的算力顯卡並不多，明麵上也沒有大的基地型算力中心。
就算有隱藏，也不會太多！
從時間和成本的角度去推算——那就不可能是海量數據訓練AI的方式——卷耳智能科技就沒多少算力！
既然是少量數據就能訓練，那就一定是知識在驅動——換句話說，這是真正的機器學習。
現在所謂的機器學習，都是利用大量數據通過概率統計、逼近函數等方式，尋找最優解的程序算法，而不是真正的學習。
戚斌沉默了：華為和業內頂尖企業其實一直在致力於研究知識和數據雙輪驅動的人工智能——他們稱之為第三代人工智能。
但現在，依然是以海量數據為主，知識更多的是應用在鞭策算法中，很難直接融合進學習算法。
而類思維……
是了，類思維，從這名字就該猜出來，它的學習算法是更趨向於人的——直接學習知識。
就像人學習造句，先學習字，再學習詞，然後學習詞的意思。
最後給一個例子，伱就去仿寫吧。
字、詞、意思就是知識，例子就相當於是數據。
類思維AI大概率也是這樣的，所以根本不需要多少數據量——畢竟示例一下能用多少呢？
但知識驅動的人工智能……
現場沉默了一會兒，不再糾結這個問題，關於類思維、關於學習算法的討論也沒有再繼續深入進行。
事實上，這也不是他們第一次想要探索類思維AI訓練算法了，但是從來沒有過任何進展，也就不再大動乾戈去糾結這個了。
現在的關鍵是靈韻工具裡的IP核心這個庫平台。
現在庫裡還隻有一些AI生成的簡單模塊兒，對高端的設計和生產還構不成很大的影響。
但如果類思維AI通過不斷的訓練越來越強，庫裡不斷的出現高級彆的芯片模塊和核心的話就完全不一樣了。
AI不是萬能的，隻能超過**成的人，卷耳智能科技甚至考慮到了這一點——平台庫允許高級彆工程師對AI設計的核心進行優化和修改，而一旦被采納，會有豐厚的報酬。
甚至，這個庫還是一個開放平台，它允許個人和企業開發者上傳自己的IP核心，授權給其它芯片設計生產企業或者個人使用，並收取授權費！
這一套組合拳下來，真要搞成了——
高級的IP核心隨意取用組裝，再有靈韻這樣的描述需求就能設計出方案甚至版圖的工具……
再加上流片式的超強仿真——
這意味著什麼？
意味著芯片設計會像軟件開發一樣毫無門檻！
隨便搞幾台電腦就能做芯片設計——甚至會像軟件開發一樣，遍地出現芯片設計類的培訓班！
還是那句話，設計的基數大了，總會有一些好的想法和方案被超強仿真給篩出來，成為IP核心庫裡的優質資源，並進卷耳智能科技的主線庫。
開發者也可以通過授權獲取收益。
這整個行業的業態都會被改變，被顛覆——芯片設計將會徹底脫離生產的束縛！
嘿，我沒事兒就設計一個玩玩，反正不通過或者不強大也沒什麼損失，一旦有一個想法一個方案被采納了，甚至入了核心分支——那就是能吃一輩子的。
會場所有人都在麵麵相覷——剛剛於東轉述紀弘想法的時候，他們還不理解卷耳智能科技對整合DA和芯片製造行業那麼熱衷，有什麼根本目的。
現在終於知道了——就是為了這個平台！
這平台現在還是0n~n級彆的，真要做到全產業通用，還得DA整個行業進行支持，更需要所有晶圓廠的協同配合。
平台這個東西——那是越集中、越係統越強大！
本章完
:..00
..。..（www.101novel.com）