第八章 回程的收获（1 / 1）

推理服务器！ai处理器！信息整合！

这就是秦枫此次参加交流会的三大收获。

推理服务器，支持多种开源框架，还能以流媒体的形式，做到模型集成，并且请求大小比传统服务器更小，服务吞吐比传统更大。

最重要的是，推理服务器可以部署各种自定义的ai模型，并且支持多个模型运行在显卡上。

ai处理器，也叫人工智能芯片，通常搭载了各种神经网络，来实现各个场景的ai赋能。具体的因为涉及各种过于先进的技术，秦枫也听的晕晕乎乎的，反正就是一个字，牛批。

处理器不管怎么说也是纳米级的高科技玩意，这东西秦枫目前还没办法碰瓷，不过倒是可以想办法薅一点处理器的架构来学习一下。

有了这两件法宝，就能做到第三件事：信息整合。

以往的处理器，即使再先进，性能再强悍，也不能实际意义上地“一心多用”。在同时处理各种任务时，它往往是以一个极快的频率在两个任务之间来回跳，1秒处理任务a，然后1秒处理任务b这样，因为强大的性能缩短了频率，所以看上去好像在同时处理一样。

所谓信息整合，其实是一种同时搜索的能力。

举个比较浅显的例子来说，现在有一堆文件夹，其中每个文件夹中的内容都有一些需要的内容，需要建立不同的搜索检引来提取这些内容，然后把这些内容复制到一个新的文件夹里。并且随时可能会出现的新的文件夹，也就是突发状况，要求是必须无条件优先处理突发状况，把新的文件夹里的有用文件搜索出来。

传统处理器只能一个文件夹一个文件夹地搜索，就跟我们平时用电脑一样。比如说我要把“视频”文件夹里混入的图片转到“图片”文件夹，把“图片”文件夹里混入的视频转到“视频”文件夹，这不管怎么说也是需要分步进行的。

并且，一旦有突发状况，就必须中断当前搜索去执行突发状况。哪怕你目前的搜索进度已经跑到了99%，等你处理完突发状况再回来搜索时仍需重新从%开始跑，浪费时间。

因此，传统处理器还对排序算法有硬性需求，它要分清楚先处理什么文件夹、后处理什么文件夹，并且能够允许插入。

但是信息整合下就不同了。不论多少文件夹，它总是能够同时处理，哪怕紧急插入了一个任务，也一样可以同时处理。就好像我们平时下载东西那样，可以同时下载好多东西，根据下载内容的大小不同，完成的时间也有先后。

效率的重大突破！

秦枫在回程的火车上心神久久不能平静，甚至有种立刻打电话回公司开始采购的欲望，不过考虑到今天已经是3号星期天，明天五一公司要去华山团建，还是决定将此事暂缓一周，自己也沉淀几天，先把各种需要的知识了解、学习一下。

鸟枪换炮，就在五月！

就在这时，脑海里乌梢的声音传来：“小友，这次大会我看你似乎有不少收获。不妨先休息几天再去华山，到时余可送小友一桩机缘。”

秦枫不解：“为啥啊？过几天去华山有什么原因吗？”

“也不怕小友提前知道，这个时间点去华山，刚好赶上一年两次的祭山灵，到时候山灵现身，对你我都有莫大好处，小友就放心吧。顺带，这几天余亦打算把那御气飞行的法门授予于小友，小友刚好可以趁几天熟悉熟悉。”

“那岂不是意味着我可以飞过去了？哇！”

乌梢笑了笑，没有说话。