s Thinking Computing Architecture，英文缩写：CTCA。】
“类思维架构？CTCA？”张明振点了点头：“你们对性能有预期吗？”
“智算中心采用的是摩尔科技的AI卡S4000，仅从规模上看，AI性能大约有4090的30%左右。
“但毕竟S4000是专业的AI卡，直接搞了48G的超大显存和768GB/s的显存带宽，如果用CUDA架构，能发挥出4090显卡20%的水平就算高了。
“我们的最低目标是，单卡性能超过4090的35%，片上互联之后，以千卡规模计，达到同等数量4090集群算力水平的一半左右。”
张明振教授并没有很惊讶，以30%的硬件规模发挥出35%的性能水平，以卷耳智能科技的水平，他甚至觉得纪弘说的有点儿保守。
至于千卡集群的整体算力，那会更加依赖于片间互联的综合调度了，这就更是智能调度的强势领域了。
GPU智算中心张明振目前没有相关的行业数据。
但从CPU超算的经验来看，两片CPU联合能发挥出2*70%的性能就算高的了，如果是一万片CPU联合，每片能发挥出的水平甚至不足30%。
所以，超算的算力是有瓶颈的，会存在一个数字，达到这个数字之后，无论再怎么增加芯片，超算的整体性能都不会再提升，甚至还会有所下降。
GPU智算中心应该也有类似的问题，能做到什么程度，调度算法在一定程度上甚至比硬件豆更加重要。
“性能是可以的。”张明振教授一看纪弘这轻松的模样，就知道他肯定是按保守预计的，真实的性能还得落地了再看，也是接着问道：
“我上次跟你说的那个关于教育行业人才培养类的模型……”
“是这样的，等智算中心投入使用了，我们招募一批学生志愿者，然后利用……”
纪弘把昨天跟赵东赫说的那些东西又跟张明振教授说了一遍，并说了赵东赫加入志愿者的事儿。
“嗯，你的想法很好，现在确实很多学生压根不知道自己有什么特长，也不知道对自己的以后有什么规划，甚至上大学的时候为什么选现在的专业都说不清楚。
“也不知道他们到底知道点儿啥，这样的教育培养模式肯定是有问题的。
“结合AI模型，对他们进行综合测试并进行长期跟踪，根据每一个人的特
本章未完，请点击下一页继续阅读！