大家开始热烈地討论起来。会议室里的气氛瞬间被点燃。

    有人討论分成比例，有人討论內容审核机制，有人討论怎么防范洗稿和抄袭。

    夏冬看著这一切，心里十分满意。

    这就是他想要的团队，一群聪明人在一起碰撞，不需要他事事亲力亲为。

    “快看號的提议，全票通过。”

    夏冬压了压手，示意大家安静，“晚晴，散会后你负责拉一个项目组，和一鸣对接具体的运营和推广方案。”

    苏晚晴认真地点头记录在笔记本上。

    “接下来，还有谁有议题？”夏冬靠在椅子上，目光扫过眾人。

    陈默举起了手。

    “夏冬，接下来这个议题，本来我打算私下找你说的。”

    “但既然今天是务虚会，我觉得有必要摆到桌面上，让大家都听听。”陈默推开面前的茶杯。

    大家都安静下来，能让技术大拿陈默如此严肃的事情，绝对不是小事。

    “我们的伺服器，快扛不住了。”陈默说出了第一句话。

    吴泽明愣了一下：“扛不住？上个月不是刚批了五千万的预算採购新伺服器吗？”

    陈默苦笑了一声，伸手扒拉了一下本来就乱的头髮：“五千万？五千万现在连打水漂都听不到响。”

    “核心问题不在资料库读写的高並发，而在算法计算。”

    他站起身，走到刚才一鸣用过的白板前，擦掉上面的字，画了一个简单的架构图。

    “大家只看到了快看网在国內的八千万日活。”陈默用记號笔重重地点在白板上，“但你们別忘了，盛夏科技的底层推荐算法api，还同时提供给大洋彼岸的两家公司。”

    “一家是我们自己的马甲『字节跳跳』，另一家，是facebook。”陈默转过头看著大家。

    会议室里的空气似乎凝滯了一下。

    会议室里的大家，都知道这个商业机密。

    “字节跳跳在北美的日活已经突破1.9亿。而facebook，他们把我们的算法接入了他们的核心动態消息流，他们现在的全球月活已经逼近1.4亿。”

    “这意味著什么？意味著每天有海量的数据，源源不断地匯入我们的伺服器。”

    “每一条用户点讚、每一个停留时长、每一次页面刷新，都需要输入到我们的神经网络模型里进行运算，然后再把推荐结果实时返回去。”

    陈默看著夏冬，眼神里透著一丝无奈：“夏冬，我们的算法確实牛逼，参数量大，精准度高。但越牛逼的算法，需要的算力就越恐怖。”

    吴泽明作为后台专家，立刻明白了陈默的意思：“你是说，我们的cpu算力见顶了？”

    “不是见顶，是被榨乾了。”陈默嘆了口气，“现在的算力根本跟不上数据膨胀的速度。”

    一鸣停下了吃零食的动作，皱眉问道：“如果加机器呢？”

    “加机器？”陈默摇了摇头，“字节跳跳、facebook的体量还在狂飆。”

    “如果要靠堆传统cpu伺服器来满足他们未来的算力需求，我们就算把整个中关村大厦18层到1层全租下来改成机房都不够用。”

    “更別提每个月的天价电费和空调散热费了。”

    吴泽明补充道：“而且机房的物理空间和电力负载是有极限的。光靠横向扩展，不是长久之计。”

    会议室陷入了死一般的沉寂。

    这是一个纯粹的物理定律和硬体架构带来的瓶颈。

    软体算法再精妙，也无法违背硬体的物理极限。

    所有人都看向夏冬。

    在这个公司里，每当遇到技术方面无解的死局，夏冬总是能拿出打破常规的方案。

    其实夏冬早就预料到了这一天，伺服器算力见顶是迟早的事。

    他老早就找豆包，恶补了人工智慧的发展史。

    深度学习和神经网络之所以在2010年之后才开始大爆发，並不是因为算法突然取得了什么逆天的理论突破。

    纯粹是因为算力终於跟上了。

    在豆包提供的未来时间线里，拯救人工智慧算力危机的，是英伟达的gpu。也就是大家俗称的显卡。

    gpu这玩意儿，天生就是用来做大规模並行计算的。

    再后来，谷歌为了搞定自家的算法和推荐系统，乾脆自己下场研发了tpu，一种专门为ai定製的专用晶片。

    夏冬的手指在桌面上轻轻敲击著，发出有节奏的噠噠声。

    “陈默，泽明，你们有没有想过，”夏冬终於开口了，目光扫过两位技术大拿，“为什么我们堆了那么多顶配的cpu，算力依然捉襟见肘？我们的算法，到底在让这些cpu干什么活？”

    陈默皱著眉头想了想：“主要就是神经网络的层