王至刚思考了一会。
“那这样，”
“第一步，解决验证问题。”王至刚说道，“我会和无锡方面打招呼。超级计算机，哪怕停掉所有的气象仿真任务，也要把全部节点腾出来。这方面我会去协调。”
他看向何亭波：“海丝不需要等流片。你们派最好的软件团队过去，利用神威的众核架构，写一个‘软件仿真器’。把slr算法放进去跑，用软件仿真硬件行为，用电费和算力换时间。”
何亭波的瞳孔微微收缩。”。
用庞大的算力去填补硬件开发的空窗期，确实能把漫长的迭代压缩到极限。
“如果有神威兜底，通过软件仿真硬件行为，仿真数据准确度能做到95以上。这个方案在物理上是可行的。”
“第二步，解决定制单元与eda问题。”王至刚继续说道，“我原则上同意你的要求。华大九天的刘总已经在路上了。科技部会设专项资金，让他们的一百人内核算法团队，尽快飞往深圳。”
他顿了顿，补充道：“你提到的‘算子硬化’和‘定制单元库’，是这场仗的关键。这种级别的联合开发，我来做担保。合作中如果有什么商业壁垒或知识产权的问题，直接找我来协调。特事特办，一切为了lpu。”
……
解决了硬件和工具，王至刚的目光转向了长桌的另一侧。
“第三步，生态。我们需要为lpu打造一套属于中国的‘cuda’。”
提到cuda，在座的几位软件负责人神色都有些凝重。
“老陈，你搞架构出身，你说说看，cuda为什么能拢断？”王至刚点名寒武纪的陈天石。
陈天石推了推眼镜，一针见血地说道：“cuda的成功，不是因为它的硬件最快，而是因为它把门坎降到了最低。”
“二十年前，想调用显卡计算，需要懂图形学，那是极少数人的特权。英伟达做了一件事：它把复杂的图形硬件，封装成了简单的c语言接口。它让一个不懂硬件的物理学家、生物学家，也能用显卡去跑仿真。这种通用性，才是护城河。”
陈天石看向王至刚：“所以，lpu要想活下来，我们必须开发一套‘中间层’，把slr复杂的逻辑推演，封装成简单易用的工具。”
“谁来做这件事？”王至刚问，“对标英伟达的，应该是摩尔线程？”
“摩尔线程不行。”陈天石摇头，“他们在全力做gpu兼容，那是存量市场的命根子，人手抽不出来。而且lpu的逻辑范式和gpu完全不同，需要全新的编译器技术。”
王至刚的目光在几位巨头之间巡梭，最后定格在何亭波和陈天石身上。
“那就搞‘混合编队’。”
王至刚拍板道：“寒武纪出一支懂理论的队伍，负责定义‘指令集架构（isa）’，你们要把数学公式翻译成机器码；海丝出一支懂工程的队伍，负责做‘编译器’和‘驱动层’，你们要把机器码封装成好用的api。”
“那应用层的深度学习框架呢？”有人追问，“是不是要指定一家牵头？”
“不。”
王至刚摇了摇头，嘴角露出一丝从容的笑意：“这一块，反而要‘放’。”
“我们只需要死死守住底层的指令集和编译器，这就是‘书同文，车同轨’。至于上层是用什么框架来写文章，随他们去。”
他站起身，走到窗前：“阿狸、腾讯、字节，他们手里有场景，有开发者，更有危机感。一旦lpu展现出算力优势，他们会比我们更急着把自家的框架适配上来。”
“谁适配得好，开发者就用谁。这种‘百团大战’，恰恰是我们生态最需要的养料。只要根扎在我们手里，上面开什么花，都属于中国。”
……
任务分配完毕。没有掌声，没有激昂的口号。
几位半导体巨头默默收拾起面前那三页薄薄的纸。
纸虽轻如鸿毛，事却重若千钧。
王至刚看着他们起身的背影，突然觉得这群人很象是一支敢死队。
窗外，西山暮色苍茫，雾气深锁。
他们推门而出，一头扎进这无边的暗夜。
去造那一束光。
……
数天后，无锡，国家超级计算中心。
凌晨三点，机房内依然灯火通明。
巨大的led屏幕上，实时显示着“神威·太湖之光”的负载状态。往日里那些蓝色的气象仿真任务块全部消失了，取而代之的是一片刺眼的红色——那是最高优先级的“lpu架构仿真”任务。
海丝首席架构师李工，正带着团队在进行lpu架构的全系统仿真。
他们面临着一个内核决择：数据精度与带宽的平衡。
在芯片设计中，这就象是在走钢丝。精度高了，数据量就大，传输信道（带宽）就会堵死；精度低了，计算结果就不准，模型就会变傻。
“李工，全精度浮点数fp32方案的仿真结果出来了。”
一位负责微架构的博士指着屏幕上的数据，面色凝重，“虽然计算准确率完美，但片上缓存（sra）的命中率只有40。大量的数据堵在路上，计算单元有一半时间在空转。”
片上缓存就象是芯片内部的“临时仓库”，离计算内核最近，速度最快。如果仓库太小，或者数据太大塞不进去，计算内核就得停下来等数据从外面运进来，效率会大打折扣。
李工看着数据，眉头紧锁。slr模型中，每一个逻辑概念都是一个高维空间中的“盒子”。推理过程，就是成千上万个盒子在空间中不断求交集、求并集。这些“盒子”的数据量太大了。
“我们必须压缩数据。”李工沉声道，“但在哪里压？怎么压？”
会议室里，几位内核骨干围坐在白板前，展开了激烈的讨论。
“试试量化？转成8位整数t8？”有人提议。
“不行。”另一位算法专家立刻反驳，“slr的内核是计算盒子的体积，这代表概率。体积计算需要连乘，连乘对精度非常敏感。t8的精度不够，连乘几次误差就飞了。”
讨论陷入了短暂的僵局。
这时，一直盯着徐辰论文推导过程的一位资深工程师，在白板上写下了一个公式：vo = exp(∑ log(l?))。
“大家看，”他指着公式说道，“徐辰在论文里提到，为了数值稳定性，概率计算最好在对数域进行。”
“对数域……”李工若有所思，“在对数域里，乘法会变成加法，除法会变成减法。”
“没错！”那位工程师接着推演，“如果我们让lpu内部的所有数据，从输入那一刻起，就全部转换为对数形式存储和传输呢？”
众人的眼睛逐渐亮了起来。这不是灵光一闪，而是顺着数学逻辑推导出的必然方向。
“在对数域下，数据的动态范围会极大压缩。”李工迅速在脑海中构建架构图，“原本需要32位浮点数才能表示的概率值，在对数域下，可能只需要16位甚至更少的定点数就能表示，而且精度损失极小。”
“不仅如此，”另一位硬件专家补充道，“加法器的电路面积和功耗，远小于乘法器。如果我们把内核计算全变成了加减法，那就能省下大量的晶体管，用来堆更多的内核！”
“唯一的难点是gubel-softps算子，它需要非线性变换。”
“查表法。”李工当机立断，“神威的异构核正好擅长做这个。全对数域数据流+查表法’的精度损失。”
十分钟后，结果出炉。
“误差小于1e-5！完全在slr的鲁棒性范围内！”
“好！”李工猛地一拍桌子，“就定这个架构！全对数域数据流。掉一半，功耗降低60！这才是lpu该有的样子！”
“准备打包rtl代码。”李工下达了指令，“通知深圳那边，前端设计已经封版，可以开始物理综合了。”
……