老婆，你先睡，我还需要整理一点儿技术思路，这会儿有点儿灵感。”吃过晚饭，又折腾了许久，纪弘拍了拍程荟，轻声道。

“老公，现在我们的生活已经很好了，不要再像以前那么拼了，身体更重要！”程荟眼中闪过一丝心疼。

“就一小会儿，我整理个思路，不会很晚的，你先睡吧，乖~mu~a！”

程荟也知道，灵感这东西不立刻整理出来，明天可能就没了，会导致以后老公更辛苦，也就没有再多劝：“那你一定要早点睡！亲亲~”

“嗯~”

……

ai趋势预测类模型，这是前两天纪弘获得相关设计和训练灵感的时候记录下来的。

“这东西还真复杂，不控制变量的情况下，哪怕也力有未逮。”纪弘闭上眼睛，默默盘算着：

【都有这种超级强大的ai了，会对经济没有任何影响？不可能的！它本身就是生产工具的一部分，是能产生经济价值，甚至如果指导政策制定和落实，甚至会改变大局。

纪弘又想起的基础。

“整体与局部的关系，个体与簇的关系，曲线模型……”

“如果将时间与影响的局部综合模型简化为作为自身对预测事物的计入预测模型呢？”

“不同的……权重……”

纪弘的脑子在飞速的转着，又结合到了今天所获的技术能力——gpu算力调度方向技术能力——这是不是也是另一种调度呢？

这些天，纪弘的脑子越来越灵光，举一反三的能力也越来越强了——这种的综合模型是否计入预测模型的变量，计入的权重与时机，本身跟就有异曲同工之处，只是确实更为复杂了。

但如果快刀斩乱麻，化繁为简，以做为基础变量单元的话——

每时每刻都会产生变量，将一段时间产生变量总和作为……

这样的话，时间跨度越短，越精细，变量参数就越多，相应的预测精准度就越高，预测模型也就越强大，当然，算力消耗也更大。

时间跨度越长，越粗糙，变量参数越少，算力消耗就小，相应的，预测模型也就越弱，精准度就会差点儿。

“思路还是可以的，回头测试一下，看看效果。”

纪弘脑筋飞速的旋转着，双手噼里啪啦的敲着键盘，迅速的记录着自己的思路和方案，慢慢的形成了一整套的理论和技术方案。

“变量越少越精准，预测股票和经济估计会差点儿意思，顶多差强人意，但如果用在工业上呢？比如芯片流片成功率与性能预测？”

纪弘感觉很有搞头，而且这东西是真的有巨大的市场需求的！

芯片的设计与制造，流片费用是一个无论如何也避不过去的成本，而且，越先进的制程，流片成本越高。

14纳米芯片进行一次流片就需要3000万人民币以上，7nm则至少需要两亿多。