第61章 绿卡，专利，开源（2/2）

高德伟站在白板前面，笑著说：“这还没上全benchark，adaptec1只是最小的一个。如果能在大案例上復现这个差距的话。”

陈一然把高德伟推走，自己站在白板前面，让茉莉把表格上的数据全部扫了一遍。

【没有任何异常。曲线收敛，loss分布，reward函数的权重分配，全是合理的。数据是乾净的，强化学习策略没有过擬合，模型泛化能力还需要更多benchark验证，但至少在小规模上，方向没错。】

陈一然和茉莉討论了几句，在白板上画了几条线。

“现在分三个方向。第一个，把八个ispd2006benchark全部跑通，adaptec系列四个，bigbe系列四个。张明辉你之前的流式解析在adaptec1上验证过了，適配bigbe系列的百万级也该没问题的。阿密特，继续做约束翻译全部八个benchark。”

阿密特点头，在自己的小本本上又记了点什么。

“第二个方向，训练加速。拉杰，c2050跑起来之后你有两件事：一是把deepflow的前向和反向传播在feri架构上做kernel级调优，二是在pt的强化学习训练里实现多gpu並行探索。几十个agent同时在同一个环境里搜索不同策略，经验共享。你在nvidia做的负载跟这个属於同源，这块是你主场。”

“那我们需要多一些硬体了，现在的硬体几十个agent会排队，效率会有点问题。”

陈一然说：“要多少块你直接发邮件给凯萨琳。”

“第三个方向，现在只是hl线长优化，pceessibility。全都得转化成可微分的损失项，然后在deepflow里落地。”

高德伟在座位上拧开水杯喝了一口：“时序数据需要標准单元库的liberty格式。我们有adaptec的lef但没有liberty，得自己建模或者找人要。”

“先用简化模型跑通流程，精確时序后面再补。ispd的benchark本身也没给完整时序库，学术界做到ion就是上限了。我们先把流程验证了，精確的工艺数据可以事后跟晶片厂谈合作时拿。”

高德伟想了一下之后，点点头表示没问题。

“行，今天就到这。我明天在家，有问题sn。”

回家的路上，陈一然一边开车一边和茉莉开始討论专利的事。

要不要像上次一样开源，毕竟上次的编译器他一直就是准备卖出的，这次可不一样。

陈一然有点拿不住，乾脆选择遇事不决，问问茉莉。

【我认为现在是开源最好的时机。】

“为什么”

【你上辈子看过一个视频，b站漫士沉思录的，90分钟！清华博士带你一口气搞懂人工智慧和神经网络。由於太枯燥太长，打开之后没多久，你就去看电视了，f1比赛，勒克莱尔拿了第四。

但是视频一直在放，我在你的记忆中查到过声音，提取出了信息，包括之后有自动播放了一些相关的视频。虽然不是很细致，但是也是我之前学习的灵感之一。只是因为你没看到画面有一些我无法很好的定义。

2010年到2013年，三年时间，整个深度学习社区只有theano和torch两个选择。torch用a写的，python开发者不爱用。theano编译一次计算图要等很久。deepflow的增量计算引擎如果放出去，跟theano比，不是快几倍的问题，是根本不在一个赛道上。

而从商业的角度来说，我们更需要开源，it协议是最优解。我们的框架是无比先进的，其他公司不得不使用我们的框架，他们没办法躲避我们的框架。我们可以让deepflow框架成为行业標准，就好比谷歌那样收取各种其他费用。】

“好吧，那就开源deepflow框架。”

【对，专利保护的是发明的思路，不管代码开不开源，只要你的算法思路锁住了，別人就绕不过去。it协议开源框架代码反而加速传播，用到的人越多，发现pt引擎闭源的人越多，上来敲门的人就越多。

我们只是开源deepflow框架，而且还是it协议，floweda工具链又不开源。

pt优化模型，routg优化模型，时序分析模型，增量计算框架eda定製版，eda格式解析器，工艺参数库，模型权重，synopsys/ce数据桥接这些通通可以收钱。】

“茉莉你好黑心啊。”

【我是基於你的大脑模型工作的agent，我具有和你一样的人类特性。】

“行行行，知道了，我心黑行了吧。”

吵不过茉莉的陈一然到了家，就给ted打了电话，又得给人家贡献工时了。