第471章 沸騰雲電腦(第2/7 頁)

任務。

比如紅白機時機就有一款非常簡單的遊戲：打方塊。

其遊戲玩法是玩家左右滑動控制一個具有彈力的短板，接球並反彈小球，消除遊戲介面上方一排排的小方塊，消掉所有方塊就能通關遊戲，並以此獲得成就感。

如果將這款遊戲用作ai訓練平臺，透過特定的演算法和強化學習，ai就會從一開始完全接不住球，到後來不光能接住球，還能準確計算出小球的反彈角度，消掉上方所有方塊。

甚至經過一段時間的訓練和學習，ai還能找到最優的通關方式。

比如先精準消掉左上角的幾個方塊，打通所有方塊的上方路徑，然後再把小球打進去，讓小球在方塊陣的上方，在牆壁與方塊陣之間來回反覆反彈，每趟能連擊消除幾十個方塊，大大提高了通關速度，並且獲得更多的連擊分數加成。

這樣的遊戲思路和技術，可能只有高玩才能想到和做到，到了這一步，ai在打方塊這款遊戲裡的技術水平，顯然已經超過了普通玩家，其學習方式，就不是“監督學習”了，而是“強化學習”，ai擁有了自主學習的能力。

同樣的方式，如果將ai放入其他遊戲，或者說不同演算法模型裡不斷地的學習總結，那麼一樣也能訓練培養出能力極強的ai出來。

從本質上看，培養教導ai，其實與教育小孩沒有太大區別。

那麼反過來說，透過遊戲進行寓教於樂學習，才是人類小時候最佳的教育學習方式，將遊戲視為洪水猛獸，是不可取的，在教育方法上，自我強化學習也要比填鴨式“監督學習”效果更好。

演算法問題解決了，接下來就要滿足算力和資料的條件。

資料不必多說，遊戲訓練平臺本身就是在不斷地收集資料，隨著ai智慧不斷提升，資料收集的速度和質量也在不斷提升，而在實際運用場景中，遍佈全網的大資料瞭解一下？

比如未來的人工智慧無人駕駛技術，現在沸騰汽車、沸騰出行就已經在收集相關資料了。

為什麼資料很重要，就重要在這裡，誰擁有大資料，誰才能做ai，否則連人工智慧的門檻都邁不進去。

而顯然，沸騰集團和方洲國際在資料收集方面，絕對是全球領先的，軟硬體基礎比其他國際網際網路大鱷打得都要好。

而收集、統計、處理這些資料，又需要海量的算力支援，這就涉及到超算中心專案了。

經過兩年的佈局和發展，目前沸騰超算中心已經建立了超過100座超算機房，投資額超過300億，但算力依然供不應求。

其中科研雲端計算、雲網咖是目前超算中心最大的兩個業務板塊，其中又以科研雲端計算的需求為最。

原因很簡單，國內提供能這麼強大算力，並且服務費用這麼低廉的超算中心，只有沸騰超算中心了。

眾所周知，搞科研很燒錢，而計算機科研燒錢主要就是燒在了人力、硬體和電力上。

人力方面還好說，畢竟是高科技人才，值那個價，要做相關科研，這是必須的投入。

而硬體方面，根據摩爾定律，計算機硬體更新換代的速度很快，如果讓科研機構自己時不時地升級硬體裝置，成本太高，根本耗不起，但如果不更新升級硬體裝置，能耗大不說，工作效率也低，並非長久之計。

而且還要考慮硬體折舊問題，許多硬體電子裝置長期滿負荷運轉，使用壽命比家庭電腦低得多，沸騰超算中心前頭一邊在新建機房，後面又一邊在更換老舊損壞裝置，運營成本居高不下。

至於電力，現在整個光伏產業都是鉅虧，如果不靠國家補貼，根本活不下去，更別說使用高昂成本的太陽能電力的超算中心了。

而這些成本，如今都被沸騰超算中