人工智能研發這一塊，無論是今世還是前世，無論是硬件還是軟件條件，目前國內都是遠遠落後於國外的。

    當下國內人工智能水平，尤其是遊戲AI的智能水平，還停留在“監督學習”階段。

    所謂“監督學習”，即是指人類出題，告訴AI正確的答桉，並賦予相應的對策的學習方式，類似於中小學填鴨式教育。

    反映到遊戲應用場景，就是那種識別看到人類玩家後，人機會主動進行攻擊，最多再加一些設定，比如HP小於30%時，會自己找掩體躲避，當敵人躲在某處時間過長時，會扔一顆手雷過去。

    但這些都是很死板的程序判斷，嚴格來說還不具備人工智能的特點，並不是真正意義上的人工智能。

    而國際上，早在97年的時候，IBM用專門設計的計算機，就下贏了國際象棋冠軍。

    當然了，那會兒所謂的計算機也不能稱之為AI，之所以能下贏國際象棋冠軍，采用的是暴力破解方法，也就是窮舉法，把所有可能的下法全部計算一遍，然後對比人類的棋譜，選擇最優解。

    也就是所謂的“大力出奇跡”。

    但是到了圍棋這，沒法再這樣窮舉了。

    力量再大，終有極限，圍棋的可能性走法，遠超宇宙中全部原子之和，即使用目前最牛逼的超算，也要算幾萬年，在量子計算機成熟之前，電子計算機幾無可能勝任這樣的任務。

    於是，程序員給阿爾法狗多加了一層算法：先計算哪需要計算，哪需要忽略，然後再有針對性地計算。

    通俗點說，就是計算機具有了學習能力，能夠感知、判斷並完成決策，這便具備了AI的基本特征。

    不過，機器的學習方式，和人類有著質的不同，人通過觀察少數特征，就能推及多數未知，也就是具有“舉一反三”的能力。

    但機器不行，它必須不斷地試錯排除，不斷地識別計算，才能得出結果。

    而且在這個學習過程中，需要三個基本條件：算法、算力、數據。

    算法就是計算方法，也可以稱之為計算模型，比如識別一隻狗和識別一段人類語音，其算法是不同的，應用場景不同算法就不同，這需要程序員進行相應的設計和優化。

    但有了算法，沒有算力和數據，AI也無法進行學習。

    就如同“巧婦難為無米之炊”，算法是食譜，算力就是烹飪工具，數據則是食材，光懂得烹飪方法，沒有烹飪工具和食材，一樣無法烹飪出美味的佳肴。

    所以要想在人工智能方麵有所建樹，最根本的就是要解決算法、算力和數據這三個基本條件。

    目前國際上人工智能技術研發進展緩慢，主要就是受製於算力和數據，不過這方麵恰好是沸騰的優勢。

    經過多年布局，目前這三個基本條件及其外延條件，盡管與國外還無法相提並論，但在國內已經基本具備，所以人工智能技術研發上，方傑認為是時候發一下力了。

    首先算法方麵，說白了就是兩個分支條件：程序開發人才和算法訓練平台。

    人才這一塊國內目前並不缺，沸騰研究院、中科院自動化研究所、華為、騰訊等，在相關領域本來就有大量的科研人才。

    而這次發力，方傑還直接拿錢把在海外工作的不少華裔專家砸回到了國內來。

    至於算法平台，那可是老本行，不就是遊戲，這方麵沸騰集團擁有天然優勢。

    AI的學習，就是通過遊戲進行學習的。

    當然，AI遊戲與人類遊戲，稍稍有點區別，即針對性更強，目的不是為了讓AI從遊戲獲得成就感，而是為了使其學習進步，並幫助人類完成各種工作任務。

    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製一個具有彈力的短板，接球並反彈小球，消除遊戲界麵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訓練平台，通過特定的算法和強化學習，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複反彈，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，可能隻有高玩才能想到和做到，到了這一步，AI在打方塊這款遊戲的技術水平，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，或者說不同算法模型不斷地的學習總結，那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。

    那反過來說，通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。

    算法問題解決了，接下來就要滿足算力和數據的條件。

    數據不必多說，遊戲訓練平台本身就是在不斷地收集數據，隨著AI智能不斷提升，數據收集的速度和質量也在不斷提升，而在實際運用場景中，遍布全網的大數據了解一下？

    比如未來的人工智能無人駕駛技術，現在沸騰汽車、沸騰出行就已經在收集相關數據了。

    為什數據很重要，就重要在這，誰擁有大數據，誰才能做AI，否則連人工智能的門檻都邁不進去。

    而顯然，沸騰集團和方洲國際在數據收集方麵，絕對是全球領先的，軟硬件基礎比其他國際互聯網大鱷打得都要好。

    而收集、統計、處理這些數據，又需要海量的算力支持，這就涉及到超算中心項目了。

    經過兩年的布局和發展，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。

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

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

    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、硬件和電力上。

    人力方麵還好說，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。

    而硬件方麵，根據摩爾定律，計算機硬件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件設備，成本太高，根本耗不起，但如果不更新升級硬件設備，能耗大不說，工作效率也低，並非長久之計。

    而且還要考慮硬件折舊問題，許多硬件電子設備長期滿負荷運轉，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，後麵又一邊在更換老舊損壞設備，運營成本居高不下。

    至於電力，現在整個光伏產業都是巨虧，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心承擔了，科研機構當然是趨之若鶩，使勁地薅沸騰超算中心的羊毛。

    也正是因為如此，盡管生意火爆，但運營了兩年的沸騰超算中心別說賺錢了，保本都做不到，依然是虧本狀態，甚至可以說是血虧，每年都要倒虧幾十億。

    這也使得銀行沒有再批複給沸騰超算繼續貸款，參與投資的幾家股東也不太願意繼續融資投入，沸騰超算中心建立了一百多座機房後，開始後繼乏力。

    做實業就是這難，不是講一些故事和概念，就能忽悠住投資者的，那是必須拿出實實在在的業績，才具有說服力。

    而超算中心不給力的話，各家的人工智能研發工作就隻能斷斷續續，一般就是利用深夜算力穀期時，租賃相對便宜的算力對AI進行訓練，但算力成本依然高昂，燒錢燒的很快。

    所以要在人工智能研發上發力，對方傑而言，最終真正要解決的問題，其實是算力的問題，或者說超算中心的運營成本問題。

    而要降低超算中心的運營成本，最直接的方式就是提高算力基礎價格，但這做的話，又與搞超算中心的目的背道而馳。

    如果提高算力價格，那科研成本也就水漲船高，自然就會嚴重打擊大家的科研熱情和科研進度，一些前景不明的科研方向，尤其是中短期幾乎看不到盈利可能性的基礎科學方麵的研究項目，很可能會就此下馬。

    而方傑搞科研中心的目的，是為了加速科技進步和創新，所以不能為了超算中心持續健康發展，而去阻礙科研速度，這樣就是本末倒置，丟了西瓜撿了芝麻。

    所以在2012年年中，方傑召集沸騰超算中心、沸騰研究院、沸騰科技、沸騰能源，以及關聯公司股東高層、技術研究人員，召開了一場大型研討會。

    會議的目的，就是為了集思廣益，討論如何在不提高算力價格的基礎上，給超算中心創收，使其能夠扭虧為盈，至少保證能夠在保本的情況下持續擴大規模並不斷發展。

    這場研討會足足開了一周時間，與會人數超過1000人，各方高層和技術人員紛紛發表了自己的想法，提了不少好點子，其中有一些方桉當場就被方傑立項了，對未來產生了深遠影響。

    第一個被立項的，是沸騰科技提出來的方桉項目，名曰：沸騰雲電腦。

    何為“沸騰雲電腦”？

    直白點說，就是這個電腦，在聯網後，具有雲計算的功能。

    用戶在正常使用沸騰雲電腦時，跟普通電腦沒有任何區別，但當電腦處於閑置或待機狀態時，該台電腦將會加入超算中心網絡，成為其一部分，承擔一定量的超算中心分配的計算任務。

    類比一下，這些沸騰雲電腦表麵上其實跟黑客世界的肉機沒區別，無非是黑客將其當做非法用途，而沸騰雲電腦則用在了正道。

    也就是說，沸騰雲電腦這個項目的思路就是，既然超算中心運營成本太高，入不敷出，建設速度又滿足不了用戶對算力的巨大需求，那就發動人海戰術，將每台個人用戶電腦在閑置時提供的算力集中起來使用。

    或許一台沸騰雲電腦所能提供的算力微不足道，隻能進行一些不太複雜、持續時間不長的計算，如果一百萬、一千萬甚至幾億台電腦的算力集合起來呢？

    說白了，沸騰雲電腦其實就是超算中心的一台算力服務器，當成千上萬以個人用戶為單位的沸騰雲電腦被集結起來的時候，其提供的算力，遠超上百個超算中心的機房，從而一定程度解決目前超算中心所麵臨的困境。

    而且這功能並不影響個人用戶正常使用沸騰雲電腦，當雲電腦在被用戶操作使用的時候，雲超算係統是不會占用內存和係統資源的，用戶也可以自行設定資源分配比例。

    比如用戶在看網絡的時候，計算機大部分係統資源其實是被浪費掉的，這個時候用戶可以按一定的比例分配資源給雲超算中心提供算力支持。