其实看一下微内核和宏内核最近30年的恩怨，用不了20个核心2个就够了。整个PC架构里只有网络和GUI需要高频context切换，别的都无所谓，但悲剧的是Linux诞生的年代还没有多核甚至多线程的x86，就连同年代的微内核NT都被迫把这些东西移入内核态了

其他的设备甚至连多线程也不一定需要，比如耳机buffer延迟个1毫秒没人在乎。键盘更是无论如何做不到一秒输入30次，task切换的代价可以忽略不记了

一般来说超算代表了未来的架构，现在看未来要不是走几个大核带一堆计算专用小核，要不就是几个大核带更多GPU核。

毕竟传统的CPU核上有大量的晶体管加速执行串行指令，这些都是浪费，就算笔记本有128个x86核，也打不过12万8千个CUDA核啊。

【 在 hgoldfish 的大作中提到: 】
: 我的看法，随着晶休管越来越便宜。以后会越来越追求实时，放弃高吞吐。就好像我所说的，等农企给你造出 128 核的四千元笔记本，你压根不会介意拿 20 个核心 100% load 专门处理蓝牙耳机和无线网卡。说不定还会专门有个键盘核，键盘中断都交给这个核心，切到用户空间直接发出射击的网络指令呢。
:
--
FROM 155.64.23.*

深度学习的价值在于时间差

虽然这东西从上世纪末年就有，但直到pytorch诞生为止，大部分的framework都非常折腾。能选对方向看懂论文再把东西落地就有钱拿。

VGG或者ResNet的点子今天看来是很朴素的，但如果看看前人用了什么简陋的lib做出了这些成果，就不得不佩服。

【 在 lvsoft 的大作中提到: 】
: 恰恰相反，对于ai我一直观望到今年才真正入坑。
: 入坑之后立即就有非常好的产出。
: ai有没有人的智能我不care，我现在只想说真香。
: ...................
--
FROM 155.64.23.*

你说的是c家的emulation罢 这东西一个人能整出来?

【 在 eematlab 的大作中提到: 】
: 你涉猎广， 做这个很适合
: 我来给你拉投资
--
FROM 176.93.39.*

小厂都是卖ip。tapeout也就是演示用。哪有连整机都做的？你估算的人力也过高了。我上家公司做GPU的小厂，硬件加上测试十几号人，firmware三四个人，compiler两个人(我是其中之一)。现在的公司做asic，硬件5个人，测试十几个，firmware接近10个，算法3个，compiler就我一个，我还兼做一点算法，因为要跟compiler配合优化。
两个公司都活得下去，因为都有稳定的大客户。一个产品从零开始到卖出去大概两到三年。每个团队都有一个主力，都是学界工业界双资深的巨牛，但手下没有一个是业界有名的。

【 在 eematlab 的大作中提到: 】
: 一个人短时间是整不出来
: 毕竟光是做个芯片，然后芯片再组成整机，正常就需要4，50高水平的人
: 再加上compiler， 估计也要4，50号高水平的人
: ...................
--
FROM 85.76.73.*

很多东西都是难者不会，会者不难。

看这个一人搞出的超算芯片(parallella)：
https://www.adapteva.com/andreas-blog/adapteva-status/

World's First:
1024 core 64-bit microprocessor
Billion transistor chip implemented by one engineer
Billion transistor chip taped out in 24-hrs
50 GFLOPS/Watt floating point processor
....


【 在 eematlab (一辰未冉) 的大作中提到: 】
: 像你这样2个人还是真厉害
: 不过EDA行业也有点特殊
: 开源里面的东西很少能用了，绝大部分要从零开始，所以需要的人力会高很多
: 同时它的工具链比较长，包括仿真器，前端编译器，综合器，后端编译器，调试器
: 2个人5年都完成不了，而且测试集不像GPU，CPU那样有些标准的可用
--
FROM 114.84.111.*