“Image比赛时间是什么时候？”

沈默伸手拿起一块披萨，吃了起来。

“5月开放注册，6月正式比赛。”

克里泽夫斯基说：“去年参赛的队伍有150多支，都是业界顶级研究团队，不过之前最好的成绩，也只是让Top-5错误率勉强降到26.2%”

沈默追问：“如果用上Dropout，你能降低多少？”

“我有信心，至少能降低10%！”克里泽夫斯基说。

“所以沈，关于Dropout的论文，必须要赶在5月之前发表。”

辛顿语气里带着几分急迫。

沈默问：“你觉得该投哪家期刊？”

辛顿想了想：“《自然》的子刊吧，像《机器智能》、《计算科学》、《电子》……”

“不如先在arXiv上发表。”

沈默摆摆手：“等Alex在Image比赛上出结果了，再决定投哪家也不迟。”

克里泽夫斯基说：“只要在Image比赛上大放异彩，我们的论文绝对能上《自然》主刊。”

沈默忽然把话题一转：“Alex模型，是基于CUDA吗？”

“对。”

“如果不用CUDA呢？”

“那用什么？OpenCL？”克里泽夫斯基反问道。

苏茨克维语气里带着不屑：“OpenCL太慢了，同样的矩阵乘法，OpenCL比CUDA慢三倍。”

“不，也不是OpenCL。”沈默说。

“不是CUDA，也不是OpenCL，那是什么？”

克里泽夫斯基、王欣等人面面相觑。

沈默说：“我想要另起炉灶，搞一个不依赖CUDA的框架，甚至是独立的GPU计算标准平台。”

“沈，你不是在开玩笑吧？”

克里泽夫斯基瞪大了眼睛。

“你知道这意味着什么吗？”

苏茨克维皱起了眉，“LLVM社区上哪怕有人再疯，也只是为NVIDIA的PTX开发一个独立的后端，也只是弄出个不完全依赖CUDA的工具链。”

众人深以为然，这个华夏人疯了，他竟然要搞个新和联胜，不，是新的“CUDA”！

“不能把地基建在别人的土地上。”

沈默说，“CUDA是英伟达的后花园，今天我们用它训练网络，明天它就能决定谁能用、怎么用、花多少钱用，我不能把深度学习的未来押在一家公司上。”

“你想要怎么做？”

辛顿深有同感，自己有过太多次技术被商业公司绑架的经历。

从玻尔兹曼机到受限玻尔兹曼机，每一次他提出新想法，都要面对“没有硬件支持”的现实。

沈默目光扫过在场的每一个人，“要真正地实现通用人工智能，要实现全场景AI，必须要有从芯片、编译器到应用框架的完整自主技术栈。”

前世，英伟达是整场AI浪潮里最大的“军火商”。

华夏被卡着算力脖子，哪怕是阉割版的英伟达GPU，也遭到华夏互联网公司的疯抢。

毕竟，国产的昇腾系列一直受限于光刻机和产能问题，满足自己的需求都不够，更别提其他人。

……………………

屋内，鸦雀无声。

辛顿提醒了一句，“可这个投入将会是一个无底洞，谁也无法估量要投入多少。”

“我从来不怕花钱。”

沈默说，“只在意这钱花得值不值，显然，投入到AI里，是非常非常非常值得的。”

“可万一失败了呢？”辛顿追问道。

沈默说：“基础研究要允许浪费，容忍失败，并不是能做出来卖出去就叫成功，在颠覆性创新中，不能以成功为导向，成功与不成功只是客观结果，失败也能挖掘人才！锻炼人才！培养人才！”

辛顿若有所思地点了点头，眼里闪着欣赏之色。

“可是如果我们不用CUDA，明年的Image比赛怎么办？”克里泽夫斯基问道。

“英伟达的GPU和CUDA，短期内我们照样用。”

沈默笑了笑：“独立自主是我们长期远大的目标，先把比赛打赢，打出名气，再修自己的路。”

“等明年的Image比赛结束后，我就会投入双倍资源，物色国内外顶尖的专家、教授和工程师，和你们团队组成联合攻坚小组，从编译器开始，一步一步来。”

“既然你有这样的决心，我们当然没问题！”辛顿激动不已。

沈默说：“以后我哈会创办一个AI竞赛，Image只聚焦图像分类，而我们的竞赛，可以覆盖自然语言处理、机器翻译、文本摘要、情感分析，甚至是端到端语音识别。”

“语音识别？！”辛顿等人面面相觑。

“不瞒你们说，凌云旗下有个项目叫WeChat，主打的就是语音对讲社交工具。”