出高度优化的高频变化决策，这是目前的人类飞行员所做不到的！”
“甚至理论上，我们的第一代ai已经具备上机实用的程度，我们的合作伙伴已经用该系统改装了部分飞机用于测试，效果极佳！”
“但是为了保守起见，我们以及合作方认为，还是继续进行训练，等待更加完善的第二代算法模型，乃至第三代算法模型出来后，再进行实用化！”
“而后续的算法模型的训练的进度，这取决于集团的ai训练阵列提供的算力。”
“同时这种算法的训练，理论上是不会停止的，我们会持续收集更多的训练数据，并持续改进完善算法框架，然后持续训练下去，以完成算法的持续迭代。”
“当然，这样做的训练成本会越来越高，具体要训练到什么程度，这个还要看合作方所提供的资金有多丰厚！”
训练ai很花钱的，尤其是这种大型，专业性极强的ai，可比什么主打人机交互民用ai的训练贵多了。
这个先进智能无人作战系统的ai背后，是一个位于西南地区的超大型秘密ai训练阵列……其他的不说，光是电费就不是个小数目，更别说成本高昂的ai系列芯片了。
一张基于十四纳米工艺的ai5500芯片，集团内部的供应价都得十三万，而一个阵列所需要的ai芯片是数万片起步，再加上其他方面的投入，总投资得数十亿……
更关键的是，这种投资几十亿的大型ai训练阵列，不用几年就落伍了……
因为工艺制程在持续发展，现在十四纳米工艺的ai芯片是属于顶级的，但是明年十纳米工艺就出来了，后年七纳米工艺又出来了！
而越先进工艺生产的ai芯片，性能也就越强大。
为了获得更多的算力，每年都要采购大量的新一代ai芯片组建更先进的ai训练阵列……这个过程里，耗资是非常庞大的。
因此当代的ai，其成本非常昂贵的……也就智云集团才有这个实力玩这种把钱烧着玩，几十亿砸下去都不见什么水花的行业。
而其他企业的话，也只有一些国内外顶级的高科技企业才会去搞，但是规模也不可能和智云集团搞那么大。
普通企业的话，暂时别指望搞ai了，还是等算力成本大幅度降低，并且等算法开源吧……
“此外除了算法需要继续用ai训练阵列进行持续的训练外，还需要更好的机载算力芯片。”
“毕竟我们的ai模型做的再好，也得有机载芯片提供的算力支撑。”
“现有我们用来测试的芯片，是基于十四纳米工艺的eyq3芯片，单枚算力80tops。”
“这种芯片用在民用领域还勉强凑合，但是用在我们这个项目里就不太够用了！”
“我们详细算过了，要想达到设计要求，等效十纳米工艺，单枚算力达到120tops的eyq4芯片是底线。”
“这个底线只是说勉强能用，必须严格控制一些大数据量，尤其是瞬时数据量的操作，不然的话，系统有可能出现小‘卡顿’。”
“主要是我们这个先进智能无人机作战系统，收集并需要瞬时处理的数据太多了……”
“毕竟我们搞的不是遥控飞机，而是具有自主执行任务能力的ai无人机，对算力的需求太大了！”
徐申学自然也知道这种无人机系统的难度之高。
哪怕有算法支撑，但是算力依旧是个巨大的挑战！
无人机如果要想发挥的好，收集的数据就必须足够多，数据一多，也就需要更好的算力芯片来处理数据。
比如无人机上的分布式光电系统所反馈的光电数据……人类飞行员只需要看一眼显示器上的光电系统反馈的图像资料，那么就能得出结果，然后迅速做出决策。
但是换成ai来处理，那么就需要超高性能的算力芯片来处理大量的数据，需要的算力非常高。
而分布式光电系统，这只是无人机本身的一个态势感知系统而已……只是其中之一，还有各种雷达，红外感应等等机载设备，此外还要联网获得大量其他设备的数据。
海量的数据不断的涌入，系统则是需要在极短的时间里进行数据处理。
总不能人家导弹都打过来了，系统还得处理好十几秒的数据吧？
黄花菜都凉透了！
所以，整个系统的数据处理速度必须足够快，甚至可以说越快越好。
而这也导致了对机载算力的超高需求。
所以项目组表示，还在设计中的eyq4芯片都够呛，最好来个等效七纳米工艺的芯片……当然了，如果还有个五纳米，甚至三纳米的ai算力芯片，那么就更香了……
反正算力越多越好，需求无上限。
算力越多，机载ai能处理的数据就更多，更快，然后做出来的各种选择也就更加优化。
对于这种ai无人机而言，算法水平同等的基础上，算力就是战斗力。
算力不行，搞个毛线的ai无人机……老老实实玩大延迟的遥控飞机去好了。
这也是为什么诸多ai项目都要求更先进的算力芯片的