第392章 液冷技术（2/2）

林渊听完，摇了摇头问：“传统的 cpu 算力上限太低了。既然咱们要搞最前沿的底层算法，为什么不直接搭建 gpu 显卡算力集群？”

王主任嘆了口气，解释道：“林总，你可能对目前的硬体市场不太了解。我们不是没想过用 gpu，但是英伟达（nvidia）今年刚推出的新一代架构，存在很严重的质量问题。”

“是的。”周志华接话道，“他们这一代核心的漏电率和发热量大得离谱，简直就是个火炉。如果我们在实验室里满载高並发跑上几天，不仅散热是个大麻烦，甚至有直接烧毁主板的风险，这採购成本谁吃得消？所以大家现在都不建议搞英伟达，还是买曙光稳妥。”

林渊若有所思地点了点头：“原来是这样。发热和次品率確实是个大问题。但除了硬体本身，英伟达的 cuda 並行计算架构生態，目前在市面上是不是没有任何替代品？”

周志华有些惊讶於林渊对专业名词的敏感度，点头確认：“確实，单论並行计算框架，cuda 確实是目前最好的选择。但硬体缺陷摆在那，没办法硬上。”

林渊笑了笑：“如果只是发热问题，我们可以在机房基建的时候，直接拋弃传统的风冷，引入定製的液冷机柜系统。同时，我这边可以带人写一套底层的功耗墙限制脚本，通过软体层面在它临界过热前自动降频调度。这样就能完美规避烧毁风险。”

这下轮到对面三个人震撼了。

李院长瞪大了眼睛：“林同学……你连机柜液冷散热和显卡底层驱动调度都懂？这种技术性的难题，你真的可以解决吗？”

林渊笑著说，“其实我也不知道，反正试试看吧，正好我马上要去美国签一下合同。这批设备我打算直接去硅谷，找英伟达原厂採购，专门定製一批企业级的 tesla 加速卡，绝对比市面上的民用显卡靠谱得多。”

周志华若有所思地看了一眼林渊：“不要太为难自己。如果你真的能把这个问题解决，那么小林同学，你可是牛大发了，你可比我们这几个人加起来都要厉害。”

隨后，双方又在底层架构以及技术难题各方面探討了一会，尤其是液態製冷这个超越时代的概念著重了解了一下。

因为在 2010 年，液冷技术还是比较超前的构想。並不像后世已经非常成熟，在林渊那个年代。属於是家用都可以用液冷的方式解决主机过热的问题。

哪怕强如阿里，此时用的还是风冷。

一场交流下来，双方都极度满意。

几位教授此时的心情简直可以用澎湃来形容。他们做梦都没想到，林渊搞的那个数据中心，居然是衝著最前沿的高並发算力和 gpu 集群去的。

这相当於直接把南京大学计算机学院的后花园给建到了世界顶配级別！

要知道，南京本地一直没有这种大规模的商业算力中心，更没有哪家企业愿意不计成本地给高校做这种硬核支撑。

林渊是破天荒的第一个。

教授们此时越发觉得林渊这个年轻人不仅有钱，而且懂行、有远见，合作的诚意简直拉满了。

临走的时候，周志华把林渊送到楼下，十分郑重地拍了拍他的肩膀。

“小林，你这次去美国签合同，如果行程安排得过来，我强烈建议你去一趟史丹福大学。”周志华顿了顿，回忆著说道，“斯坦福计算机系有一位非常牛的华裔教授，叫吴恩达。他在深度学习和人工智慧领域的研究绝对是世界顶尖的。”

林渊心里猛地一震。

吴恩达！他当然听过这个名字。后世谷歌大脑（google brain）的缔造者，百度 ai 崛起的首席科学家，人工智慧领域绝对的神级大佬！

周志华继续说道：“我跟他有过几封邮件的学术交流。你这次去，我给你写封推荐信引荐一下。以你对底层算法和算力中心的这种战略眼光，如果你能和他当面交流交流，看看能不能学到点东西，对咱们实验室未来的发展绝对大有裨益。”

林渊深吸了一口气，郑重地点了点头：“周教授您放心，这封推荐信我一定带到。如果有机会，我一定跟这位前辈好好学习一下。”

【再次感谢沉醉大佬的礼物，这章將近 3000 字，是孝敬给您的。给你擦皮鞋，其他人给我擦皮鞋。】