，那在国际通信界都是重大突破了。
不过深度网络神经，海量样本自训练，这两个词组，让他不可避免地想到一个东西。
AI。
陈学兵不动声色地点点头，似若无意地提醒道：“这个模式听起来不错，用GPU来训练效果会更好吧？”
卢韦冰一愣：“GPU不是显卡吗？固定功能的纹理单元和光栅化模块，这些专用硬件，没法执行通用计算指令吧？”
他虽然不是搞IC设计的，但现在好歹是公司的执掌者，理论基础他也学了不少。
范仁勇却啪地一拍巴掌，激动地站了起来：
“陈总，你可太神了啊！他们现在正在讨论这个问题呢！美国的NVIDIA公司今年提出了一项CUDA技术，就是可以让GPU执行并行计算任务！华为也是查了大量资料才提出来的，你从哪里知道的？”
办公室骤然安静。
“这个问题，一定要有了技术基础，才能想吗？”陈学兵丝毫不慌，靠下身子反问道：
“为什么电脑要单独设置一张显卡？CPU不能计算图形单元吗？”
他也没等俩人回答，继续道：
“就是因为CPU核心数量少啊，两个核，四个核，设计得再复杂，面对一堆一加一等于几的简单问题，计算能力再强，也得一个个计算。
“像图形单元这样的问题，就是若干个简单问题，每个像素需要的计算量不大，数量却很大，GPU集成数千个简化核心，采用单指令多线程模式，可以同步处理海量的相似计算。”
“这样的处理方式不是跟范总说的信号处理很像吗？”
陈学兵说着，淡淡笑道：“更何况NVIDIA上个月发布的消息在美国沸沸扬扬，他们推出的CUDA技术解决了C语言扩展接口的问题，允许直接编写GPU计算内核，并且已经编程了一款Tesla架构，可以支持动态分配计算资源了。”
GPU的诞生，是英伟达公司在1999年正式提出的。
前几年，GPU仅能执行预设的图形操作，就像一台只能画直线的打印机，没办法要求它解方程。
但就在上个月，英伟达推出的接口和自研架构，让理论变得可行了。
他知道这个消息，关注的当然不是广泛的技术，而是英伟达。
本章未完，请点击下一页继续阅读！