老王对这些准备卖给第三方的处理器兴趣不大，只是随口问了句：“28纳米？”

        28纳米制程固然落伍，但技术相对简单成本更低，可代工的晶圆厂遍布国内外，是多数中低端芯片的必然选择。

        看到马竞点头，他又拾起刚才的话题，“真没有636？骁龙820/821已经上市，苹果a10也快了，我都替你们着急呢。”

        “急也没办法，自主架构的研发本来就要慢一些，636就算有，也是明年的事了。而且我们对536的性能表现感到满意，不认为需要加核心提频率那一套。”

        “总不能让它包打一年吧？”

        “所以我们为它准备了帮手，这两款手机上都搭载了我们自研的ai芯片brain1m，可以为用户带来全面的体验增强。”

        “相当于多少岁的智力？”老王好奇道。

        马竞苦笑摇头，“相当于100万神经元，大概是蜂脑的水平。”

        “这样啊，”王山顿时泄了气，cpu用几十亿晶体管，人脑有近千亿神经元，百万模拟神经元完全不够看呀。

        对面自然注意到了他的表情，并没有多做解释，坦然地笑了笑，“不是越复杂就越好的，采用什么模式才是最重要的。以现在的技术水平，说有几岁智力只是打比喻，根本不回事。4岁小孩可以经过训练升级成5岁小孩，ai可以么？”

        “蜜蜂研究了这么多年，也只能做出接近虫脑水平的芯片，在云端平台的支持下可以实现各种应用，或者把它当成本地加速器会比较好。”

        人工智能技术在上个世纪就曾经火热过一阵，语音识别、语音合成、笔迹识别等应用当时都已经出现，1997年ibm深蓝超算打败国际象棋大师卡斯帕罗夫，更是让人们乐观地相信未来不远。然而等到相关产品真个上市，用户发现使用效果简直差的离谱大感失望，相关企业看到风头不好就都放弃了研究，倒是大学里还在坚持着。

        而随着计算机性能的提高，语音、指纹、虹膜等生物信息的识别终于变得可用起来，再加上智能手机对生物识别的强劲需求，使得公众和业界对ai重燃热情。google旗下深度学习实验室打造的超算打败围棋冠军，一下子让深度神经网络dnn、卷积神经网络cnn成了网络热词，从中既可以看出公众对ai技术的强烈兴趣，也能看到ai的光明前途。连号称无法攻破的围棋都搞定了，其他还不是洒洒水？

        内容未完，下一页继续阅读