再加上机器这种东西，天生比人类更加不容易犯错，也不受情绪和压力影响，更没有吃喝拉撒睡，生病发烧等这类困扰，而且速度极快！

综合起来，那比中级工程师强多了！

“网络上是没有公开的高级别芯片设计方案，这些东西都是商业机密。”

于东顿了顿，悠悠说道：“但网络是一个巨大的图书馆，原理和理论都存在，各类研究、论文成果也是公开的。

“类思维AI，可不仅仅是通过数据训练的，甚至都不需要大量的数据，少量的数据也只是辅助。要不，怎么解释，卷耳会智能科技想要训练一个AI那么容易？”

“你是说，卷耳智能科技的AI训练是知识驱动？”2012实验室的一位负责人戚斌说道：“而非数据驱动？”

“大概率，知识为主，数据仅仅只是起到示例和示范的作用！”于东点了点头。纪弘并没有跟他说过这个，这是他自己的猜的。

而且，不止于东一个人有这种猜测——卷耳智能科技AI训练的速度太快了。

结合纪弘在各个场合对类思维的介绍——那些原理肯定是在忽悠人——但少量数据就能训练，这肯定是真的。

证据也很好找——能够查到的资料，卷耳智能科技购置的算力显卡并不多，明面上也没有大的基地型算力中心。

就算有隐藏，也不会太多！

从时间和成本的角度去推算——那就不可能是海量数据训练AI的方式——卷耳智能科技就没多少算力！

既然是少量数据就能训练，那就一定是知识在驱动——换句话说，这是真正的机器学习。

现在所谓的机器学习，都是利用大量数据通过概率统计、逼近函数等方式，寻找最优解的程序算法，而不是真正的学习。

戚斌沉默了：华为和业内顶尖企业其实一直在致力于研究知识和数据双轮驱动的人工智能——他们称之为第三代人工智能。

但现在，依然是以海量数据为主，知识更多的是应用在鞭策算法中，很难直接融合进学习算法。

而类思维……

是了，类思维，从这名字就该猜出来，它的学习算法是更趋向于人的——直接学习知识。

就像人学习造句，先学习字，再学习词，然后学习词的意思。

最后给一个例子，伱就去仿写吧。

字、词、意思就是知识，例子就相当于是数据。

类思维AI大概率也是这样的，所以根本不需要多少数据量——毕竟示例一下能用多少呢？

但知识驱动的人工智能……

现场沉默了一会儿，不再纠结这个问题，关于类思维、关于学习算法的讨论也没有再继续深入进行。

事实上，这也不是他们第一次想要探索类思维AI训练算法了，但是从来没有过任何进展，也就不再大动干戈去纠结这个了。

现在的关键是灵韵工具里的IP核心这个库平台。

现在库里还只有一些AI生成的简单模块儿，对高端的设计和生产还构不成很大的影响。

但如果类思维AI通过不断的训练越来越强，库里不断的出现高级别的芯片模块和核心的话就完全不一样了。

AI不是万能的，只能超过八九成的人，卷耳智能科技甚至考虑到了这一点——平台库允许高级别工程师对AI设计的核心进行优化和修改，而一旦被采纳，会有丰厚的报酬。

甚至，这个库还是一个开放平台，它允许个人和企业开发者上传自己的IP核心，授权给其它芯片设计生产企业或者个人使用，并收取授权费！

这一套组合拳下来，真要搞成了——

高级的IP核心随意取用组装，再有灵韵这样的描述需求就能设计出方案甚至版图的工具……

再加上流片式的超强仿真——

这意味着什么？

意味着芯片设计会像软件开发一样毫无门槛！

随便搞几台电脑就能做芯片设计——甚至会像软件开发一样，遍地出现芯片设计类的培训班！

还是那句话，设计的基数大了，总会有一些好的想法和方案被超强仿真给筛出来，成为IP核心库里的优质资源，并进卷耳智能科技的主线库。

开发者也可以通过授权获取收益。

这整个行业的业态都会被改变，被颠覆——芯片设计将会彻底脱离生产的束缚！

嘿，我没事儿就设计一个玩玩，反正不通过或者不强大也没什么损失，一旦有一个想法一个方案被采纳了，甚至入了核心分支——那就是能吃一辈子的。

会场所有人都在面面相觑——刚刚于东转述纪弘想法的时候，他们还不理解卷耳智能科技对整合EDA和芯片制造行业那么热衷，有什么根本目的。

现在终于知道了——就是为了这个平台！

这平台现在还是220nm~65nm级别的，真要做到全产业通用，还得EDA整个行业进行支持，更需要所有晶圆厂的协同配合。

平台这个东西——那是越集中、越系统越强大！