sp; 至于算法平台，那可是老本行，不就是游戏么，这方面沸腾集团拥有天然优势。
ai的学习，就是通过游戏进行学习的。
当然，ai游戏与人类游戏，稍稍有点区别，即针对性更强，目的不是为了让ai从游戏里获得成就感，而是为了使其学习进步，并帮助人类完成各种工作任务。
比如红白机时机就有一款非常简单的游戏：打方块。
其游戏玩法是玩家左右滑动控制一个具有弹力的短板，接球并反弹小球，消除游戏界面上方一排排的小方块，消掉所有方块就能通关游戏，并以此获得成就感。
如果将这款游戏用作ai训练平台，通过特定的算法和强化学习，ai就会从一开始完全接不住球，到后来不光能接住球，还能准确计算出小球的反弹角度，消掉上方所有方块。
甚至经过一段时间的训练和学习，ai还能找到最优的通关方式。
比如先精准消掉左上角的几个方块，打通所有方块的上方路径，然后再把小球打进去，让小球在方块阵的上方，在墙壁与方块阵之间来回反复反弹，每趟能连击消除几十个方块，大大提高了通关速度，并且获得更多的连击分数加成。
这样的游戏思路和技术，可能只有高玩才能想到和做到，到了这一步，ai在打方块这款游戏里的技术水平，显然已经超过了普通玩家，其学习方式，就不是“监督学习”了，而是“强化学习”，ai拥有了自主学习的能力。
同样的方式，如果将ai放入其他游戏，或者说不同算法模型里不断地的学习总结，那么一样也能训练培养出能力极强的ai出来。
从本质上看，培养教导ai，其实与教育小孩没有太大区别。
那么反过来说，通过游戏进行寓教于乐学习，才是人类小时候最佳的教育学习方式，将游戏视为洪水猛兽，是不可取的，在教育方法上，自我强化学习也要比填鸭式“监督学习”效果更好。
算法问题解决了，接下来就要满足算力和数据的条件。
数据不必多说，游戏训练平台本身就是在不断地收集数据，随着ai智能不断提升，数据收集的速度和质量也在不断提升，而在实际运用场景中，遍布全网的大数据了解一下？
比如未来的人工智能无人驾驶技术，现在沸腾汽车、沸腾出行就已经在收集相关数据了。
为什么数据很重要，就重要在这里，谁拥有大数据，谁才能做ai，否则连人工智能的门槛都迈不进去。
而显然，沸腾集团和方洲国际在数据收集方面，绝对是全球领先的，软硬件基础比其他国际互联网大鳄打得都要好。
而收集、统计、处理这些数据，又需要海量的算力支持，这就涉及到超算中心项目了。
经过两年的布局和发展，目前沸腾超算中心已经建立了超过100座超算机房，投资额超过300亿，但算力依然供不应求。
其中科研云计算、云网吧是目前超算中心最大的两个业务板块，其中又以科研云计算的需求为最。
原因很简单，国内提供能这么强大算力，并且服务费用这么低廉的超算中心，只有沸腾超算中心了。
众所周知，搞科研很烧钱，而计算机科研烧钱主要就是烧在了人力、硬件和电力上。
人力方面还好说，毕竟是高科技人才，值那个价，要做相关科研，这是必须的投入。
而硬件方面
本章未完,点击下一页继续...