人工智能研发这一块，无论是今世还是前世，无论是硬件还是软件条件，目前国内都是远远落后于国外的。
当下国内人工智能水平，尤其是游戏ai的智能水平，还停留在“监督学习”阶段。
所谓“监督学习”，即是指人类出题，告诉ai正确的答桉，并赋予相应的对策的学习方式，类似于中小学填鸭式教育。
反映到游戏应用场景里，就是那种识别看到人类玩家后，人机会主动进行攻击，最多再加一些设定，比如hp小于30%时，会自己找掩体躲避，当敌人躲在某处时间过长时，会扔一颗手雷过去。
但这些都是很死板的程序判断，严格来说还不具备人工智能的特点，并不是真正意义上的人工智能。
而国际上，早在97年的时候，ibm用专门设计的计算机，就下赢了国际象棋冠军。
当然了，那会儿所谓的计算机也不能称之为ai，之所以能下赢国际象棋冠军，采用的是暴力破解方法，也就是穷举法，把所有可能的下法全部计算一遍，然后对比人类的棋谱，选择最优解。
也就是所谓的“大力出奇迹”。
但是到了围棋这里，没法再这样穷举了。
力量再大，终有极限，围棋的可能性走法，远超宇宙中全部原子之和，即使用目前最牛逼的超算，也要算几万年，在量子计算机成熟之前，电子计算机几无可能胜任这样的任务。
于是，程序员给阿尔法狗多加了一层算法：先计算哪里需要计算，哪里需要忽略，然后再有针对性地计算。
通俗点说，就是计算机具有了学习能力，能够感知、判断并完成决策，这便具备了ai的基本特征。
不过，机器的学习方式，和人类有着质的不同，人通过观察少数特征，就能推及多数未知，也就是具有“举一反三”的能力。
但机器不行，它必须不断地试错排除，不断地识别计算，才能得出结果。
而且在这个学习过程中，需要三个基本条件：算法、算力、数据。
算法就是计算方法，也可以称之为计算模型，比如识别一只狗和识别一段人类语音，其算法是不同的，应用场景不同算法就不同，这需要程序员进行相应的设计和优化。
但有了算法，没有算力和数据，ai也无法进行学习。
就如同“巧妇难为无米之炊”，算法是食谱，算力就是烹饪工具，数据则是食材，光懂得烹饪方法，没有烹饪工具和食材，一样无法烹饪出美味的佳肴。
所以要想在人工智能方面有所建树，最根本的就是要解决算法、算力和数据这三个基本条件。
目前国际上人工智能技术研发进展缓慢，主要就是受制于算力和数据，不过这方面恰好是沸腾的优势。
经过多年布局，目前这三个基本条件及其外延条件，尽管与国外还无法相提并论，但在国内已经基本具备，所以人工智能技术研发上，方杰认为是时候发一下力了。
首先算法方面，说白了就是两个分支条件：程序开发人才和算法训练平台。
人才这一块国内目前并不缺，沸腾研究院、中科院自动化研究所、华为、腾讯等，在相关领域本来就有大量的科研人才。
而这次发力，方杰还直接拿钱把在海外工作的不少华裔专家砸回到了国内来。
至于算法平台，那可是老本行，不就是游戏么，这方面沸腾集团拥有天然优势。
ai的学习，就是通过游戏进行学习的。
当然，ai游戏与人类游戏，稍稍有点区别，即针对性更强，目的不是为了让ai从游戏里获得成就感，而是为了使其学习进步，并帮助人类完成各种工作任务。
比如红白机时机就有一款非常简单的游戏：打方块。
其游戏玩法是玩家左右滑动控制一个具有弹力的短板，接球并反弹小球，消除游戏界面上方一排排的小方块，消掉所有方块就能通关游戏，并以此获得成就感。
如果将这款游戏用作ai训练平台，通过特定的算法和强化学习，ai就会从一开始完全接不住球，到后来不光能接住球，还能准确计算出小球的反弹角度，消掉上方所有方块。
甚至经过一段时间的训练和学习，ai还能找到最优的通关方式。
比如先精准消掉左上角的几个方块，打通所有方块的上方路径，然后再把小球打进去，让小球在方块阵的上方，在墙壁与方块阵之间来回反复反弹，每趟能连击消除几十个方块，大大提高了通关速度，并且获得更多的连击分数加成。
这样的游戏思路和技术，可能只有高玩才能想到和做到，到了这一步，ai在打方块这款游戏里的技术水平，显然已经超过了普通玩家，其学习方式，就不是“监督学习”了，而是“强化学习”，ai拥有了自主学习的能力。
同样的方式，如果将ai放入其他游戏，或者说不同算法模型里不断地的学习总结，那么一样也能训练培养出能力极强的ai出来。
从本质上看，培养教导ai，其实与教育小孩没有太大区别。
那么反过来说，通过游戏进行寓教于乐学习，才是人类小时候最佳的教育学习方式，将游戏视为洪水勐兽，是不可取的，在教育方法上，自我强化学习也要比填鸭式“监督学习”效果更好。
算法问题解决了，接下来就要满足算力和数据的条件。
数据不必多说，游戏训练平台本身就是在不断地收集数据，随着ai智能不断提升，数据收集的速度和质量也在不断提升，而在实际运用场景中，遍布全网的大数据了解一下？
比如未来的人工智能无人驾驶技术，现在沸腾汽车、沸腾出行就已经在收集相关数据了。
为什么数据很重要，就重要在这里，谁拥有大数据，谁才能做ai，否则连人工智能的门槛都迈不进去。
而显然，沸腾集团和方洲国际在数据收集方面，绝对是全球领先的，软硬件基础比其他国际互联网大鳄打得都要好。
而收集、统计、处理这些数据，又需要海量的算力支持，这就涉及到超算中心项目了。
经过两年的布局和发展，目前沸腾超算中心已经建立了超过100座超算机房，投资额超过300亿，但算力依然供不应求。
其中科研云计算、云网吧是目前超算中心最大的两个业务板块，其中又以科研云计算的需求为最。
原因很简单，国内提供能这么强大算力，并且服务费用这么低廉的超算中心，只有沸腾超算中心了。
众所周知，搞科研很烧钱，而计算机科研烧钱主要就是烧在了人力、硬件和电力上。
人力方面还好说，毕竟是高科技人才，值那个价，要做相关科研，这是必须的投入。
而硬件方面，根据摩尔定律，计算机硬件更新换代的速度很快，如果让科研机构自己时不时地升级硬件设备，成本太高，根本耗不起，但如果不更新升级硬件设备，能耗大不说，工作效率也低，并非长久之计。
而且还要考虑硬件折旧问题，许多硬件电子设备长期满负荷运转，使用寿命比家庭电脑低得多，沸腾超算中心前头一边在新建机房，后面又一边在更换老旧损坏设备，运营成本居高不下。
至于电力，现在整个光伏产业都是巨亏，如果不靠国家补贴，根本活不下去，更别说使用高昂成本的太阳能电力的超算中心了。
而这些成本，如今都被沸腾超算中心承担了，科研机构当然是趋之若鹜，使劲地薅沸腾超算中心的羊毛。
也正是因为如此，尽管生意火爆，但运营了两年的沸腾超算中心别说赚钱了，保本都做不到，依然是亏本状态，甚至可以说是血亏，每年都要倒亏几十亿。
这也使得银行没有再批复给沸腾超算继续贷款，参与投资的几家股东也不太愿意继续融资投入，沸腾超算中心建立了一百多座机房后，开始后继乏力。
做实业就是这么难，不是讲一些故事和概念，就能忽悠住投资者的，那是必须拿出实实在在的业绩，才具有说服力。
而超算中心不给力的话，各家的人工智能研发工作就只能断断续续，一般就是利用深夜算力谷期时，租赁相对便宜的算力对ai进行训练，但算力成本依然高昂，烧钱烧的很快。
所以要在人工智能研发上发力，对方杰而言，最终真正要解决的问题，其实是算力的问题，或者说超算中心的运营成本问题。
而要降低超算中心的运营成本，最直接的方式就是提高算力基础价格，但这么做的话，又与搞超算中心的目的背道而驰。
如果提高算力价格，那么科研成本也就水涨船高，自然就会严重打击大家的科研热情和科研进度，一些前景不明的科研方向，尤其是中短期几乎看不到盈利可能性的基础科学方面的研究项目，很可能会就此下马。
而方杰搞科研中心的目的，是为了加速科技进步和创新，所以不能为了超算中心持续健康发展，而去阻碍科研速度，这样就是本末倒置，丢了西瓜捡了芝麻。
所以在2012年年中，方杰召集沸腾超算中心、沸腾研究院、沸腾科技、沸腾能源，以及关联公司股东高层、技术研究人员，召开了一场大型研讨会。
会议的目的，就是为了集思广益，讨论如何在不提高算力价格的基础上，给超算中心创收，使其能够扭亏为盈，至少保证能够在保本的情况下持续扩大规模并不断发展。
这场研讨会足足开了一周时间，与会人数超过1000人，各方高层和技术人员纷纷发表了自己的想法，提了不少好点子，其中有一些方桉当场就被方杰立项了，对未来产生了深远影响。
第一个被立项的，是沸腾科技提出来的方桉项目，名曰：沸腾云电脑。
何为“沸腾云电脑”？
直白点说，就是这个电脑，在联网后，具有云计算的功能。
用户在正常使用沸腾云电脑时，跟普通电脑没有任何区别，但当电脑处于闲置或待机状态时，该台电脑将会加入超算中心网络，成为其一部分，承担一定量的超算中心分配的计算任务。
类比一下，这些沸腾云电脑表面上其实跟黑客世界里的肉机没区别，无非是黑客将其当做非法用途，而沸腾云电脑则用在了正道。
也就是说，沸腾云电脑这个项目的思路就是，既然超算中心运营成本太高，入不敷出，建设速度又满足不了用户对算力的巨大需求，那么就发动人海战术，将每台个人用户电脑在闲置时提供的算力集中起来使用。
或许一台沸腾云电脑所能提供的算力微不足道，只能进行一些不太复杂、持续时间不长的计算，如果一百万、一千万甚至几亿台电脑的算力集合起来呢？
说白了，沸腾云电脑其实就是超算中心的一台算力服务器，当成千上万以个人用户为单位的沸腾云电脑被集结起来的时候，其提供的算力，远超上百个超算中心的机房，从而一定程度解决目前超算中心所面临的困境。
而且这功能并不影响个人用户正常使用沸腾云电脑，当云电脑在被用户操作使用的时候，云超算系统是不会占用内存和系统资源的，用户也可以自行设定资源分配比例。
比如用户在看网络小说的时候，计算机大部分系统资源其实是被浪费掉的，这个时候用户可以按一定的比例分配资源给云超算中心提供算力支持。
而这种支持，也不是无偿的，根据其提供的算力和时间，超算中心会通过交易宝，给用户支付一定的算力费用。
第471章 沸腾云电脑(1/2),点击下一页继续阅读