第(3/3)页

    某种程度而言，计算量的负荷和电网的负荷很类似，最大的负荷便决定了整体的高峰所在（计算难度），也决定了接下来他完成“ai芯片”后所能够到达的高峰。

    而供与求有需要平衡，不然的话，第一道崩溃的便是自身。

    只是他很快又重新被tpu的构架所吸引而痴迷起来。

    只有深入一个项目，才能彻底体会他的乐趣。

    因此懂是第一步环节。

    这也是棋类活动里，容易入门的象棋比起围棋受众要光，而五子棋又比起象棋还有光。

    林奇越看，越发忍不住啧啧称奇。

    这tpu的架构居然采用了量子技术，在预设的最大值和最小值与八位整数之间的任意值的近似过程里，tpu居然包含了足足六万五千五百三十六个八位整数乘法器，直接将32位或者16位的计算压缩成为8位。

    实现了曲线的离散化。

    完美地减少了神经网络预测的成本。

    第二点，也是更关键的。

    正如林奇最初所推崇的硬件。

    tpu芯片直接封装了种种神经网络计算工具。

    诸如矩阵乘法单元，统一缓冲区，激活单元等，它们以后十数个高级指令组成，集中完成神经网络推理所需要的数学计算。

    同时它又采用了典型的risc处理器为简单计算提供指令。


    第(3/3)页