91书院(91shuyuan.com)更新快，无弹窗！
第291章联合登月前（求月票！）
「在这方面我已经和华为高层沟通过一轮了，他们每年给的40亿，我本来的意思是其中的20亿用他们的计算卡来抵帐。
现在既然华国投资那边会到帐500个亿，那华为每年的40亿全部都用计算卡来抵帐。」
这麽说吧，阿波罗科技面临的是比华为还要更加严重的ZC。
在阿波罗科技打GG的哔哩哔哩都要被赶回香江上市，华为可不至于此。
加上阿波罗科技已经充分展现出了野心和能力。
空有野心很正常，谁都有野心，但你得有实力啊。
阿波罗科技就不一样了，能够把老马逼的提前两年跳反。
本来马斯克还能在驴党的旗帜下苟到2024年年中，再切换阵营。
可见阿波罗科技给马亲王都打出真实伤害了。
对白宫的冷战活化石来说，他宁可放华为去找先进位程代工，都不可能让阿波罗科技能买到英伟达的AI计算卡。
不过还好有华为，华为在2019年的时候就推出了自己的计算卡。
现在是2022年，ChatGPT还没有问世，各家大厂也能买到阉割版的英伟达AI计算卡，华为的升腾属于一个接近于无人问津的状态。
林燃愿意一半的GG费用升腾抵帐，这也是华为答应200亿价格的重要原因之一。
国内顶级的科技公司愿意用他们的升腾计算卡，这对他们的计算卡生态完善也有好处。
至于为什麽不和其他厂商合作，背靠华为的升腾生态尚且是一片空白，其他厂商可想而知。
「其实华为的计算卡和英伟达比起来差距还是挺大的，唉，不过确实没办法，我们现在的情况就是买不到英伟达的计算卡，哪怕阉割版都买不到。」
Pony苦笑，他联想起他办公电脑用的还是Linux作业系统，整个阿波罗科技有专门的桌面支持团队，确保大家能够用Linux用的舒心，他就知道当前面临的是怎样的窘境。
华为方面一直在给阿波罗科技推鸿蒙，说你们用鸿蒙肯定比Linux好用，至于火箭设计仿真软体丶流体力学计算软体等等工业软体在鸿蒙系统上用不了，我们会给你解决。
不过华为在推动这件事，只是他们说解决，暂时都还没看到解决了。
林燃也苦笑：「是的，问题在于，就算英伟达会卖给我们，我也不敢用啊，谁知道会发生什麽。」
林燃随后又振奋道：「不过还好，我和华为那边沟通过，对我们而言，他们的晶片已经够用了。
因为根据元素特性推导材料性质，这类模型的数据量很稀疏，数据丶算力和算法三要素里，对数据和算法的依赖远高于算力。」
Pony对人工智慧也颇为了解，腾讯每年从ai领域挖来的大牛不计其数，哪怕此时ChatGPT还没有横空出世，他希望从林燃这了解更多信息，好为后续开展工作提供方向：「林生，你仔细说说。」
林燃进一步解释道：「这是因为材料科学领域的数据非常非常有限，数据共享也好获取也好都面临着空前的障碍。
不同实验室产出的实验数据除非刊登到论文里，不然各家的数据是不会进同一个池子，当然他们想要进同一个池子，也会有各种各样的担心。
因为你很难保证，所有研究机构提供的数据不会污染资料库。
有人数据造假，就会污染整个数据源。
目前就我了解到的情况，类似研究数据非常稀缺，最多的数据也要少于4000个样本。
特徵工程是AI模型成功的关键，但其设计在材料属性预测中尤为复杂。
物理元素性质，像原子量丶电负性这些和材料结构，像晶格类型丶键长这些，都要转化为数值特徵，提供给模型学习。
其中特徵选择直接影响模型准确性，错误选择可能导致性能下降。
目前整个过程仍然需要依赖研究人员去手动处理特徵值，去做筛查。
非常依赖研究者经验和直觉，极可能遗漏重要信息。
nature去年的子刊他们整出了一个MODNet的学习框架，就是一个材料属性预测的机器学习框架。
（《通过特徵选择和MODNet的联合学习实现有限数据集的材料属性预测》于2021年6月3日刊登在Nature子刊NPJ上）
他们发现要预测材料的振动熵时，反向键长和p价电子是关键特徵，但手动识别这些特徵需深厚领域知识。
这些数据的提取需要有足够丰富经验的科研民工来做，同时还要确保数据的精确，降低误差，整个过程非常繁琐。
因为我们要做的东西远比他们更复杂，我们要做的是一个更大的，更复杂的模型，特徵数据的归纳总结和收集，速度肯定很慢。