第113章_算力方案

“边缘计算。“方泽说，“与其在卫星上跑完整的ai模型，不如把一部分计算任务搬到地面站或者中继卫星上。“

“你的意思是？“沈一鸣问。

“云边协同。“方泽在白板上画了一个简单的架构图，“卫星只负责简单的感知和决策，复杂的推理放到地面站或者中继卫星上完成。“

“但这样会增加通信延迟。“沈一鸣提出问题，“对於实时性要求高的场景，延迟可能是致命的。“

“所以要用预测性调度。“左城突然开口。

两人一愣。

“我们的目標不是让卫星实时思考，而是让它提前预判。“左城在白板上画了一条时间线，“比如，星间链路的状態变化是可以预测的。如果卫星能提前几秒钟预判到链路拥塞，就可以提前调整路由，避免问题发生。“

“预测性调度……“沈一鸣喃喃自语，“这需要对卫星网络的动態特性有深入理解。“

“我们不是有联邦学习吗？“左城说，“用联邦学习的方式，让所有卫星共享网络状態信息，然后用ai预测链路变化。“

“城哥，你是说，用联邦学习训练一个预测模型？“

“对。“左城点头，“这个模型不需要在卫星上运行，只需要在地面站训练好后，下发预测参数给各卫星。卫星根据参数做简单计算就行了。“

沈一鸣眼睛一亮。

“这样既保证了预测的准確性，又降低了卫星的算力需求。“方泽兴奋地补充。

“能压缩到多少？“左城问。

沈一鸣估算了一下：“原来需要压缩到三十分之一，现在可能只需要十分之一就够了。准確率可以从70%提升到85%左右。“

85%。

距离90%的目標更近了一步。

“但还不够。“左城摇头，“必须做到95%以上。“

沈一鸣有些为难：“95%的话，单纯的压缩很难做到。除非……“

“除非有新的算法突破。“沈一鸣说，“比如，超参数自动优化。“

超参数自动优化。

这正是他需要的。

“能提升多少？“左城问。

“理论上能提升5到10个百分点。“沈一鸣说。

5到10个百分点。

85%加上10%，就是95%。

左城闭上眼睛，深吸一口气。

他需要这项技术。

科技雷达的冷却还有多久？

他打开系统面板看了一眼：剩余8小时。

8小时后，他就可以扫描沈一鸣，获取超参数自动优化的技术。

“好。“左城睁开眼睛，“就这么定了。“

“定了？“沈一鸣有些意外。

“第一，用联邦学习训练预测模型。第二，把模型压缩到十分之一。第三，用超参数自动优化提升准確率。“

左城在白板上写下三个关键词。

“两周內完成。“

沈一鸣和方泽对视一眼，都看到了彼此眼中的决心。

“没问题。“沈一鸣说，“我这就开始写技术方案。“

“晶片的事交给我。“方泽说，“我去联繫寒武纪，看他们能不能提供一些技术支持。“

三人分头行动，会议室里重新忙碌起来。

左城最后一个离开。他看了一眼系统面板上的倒计时。

8小时。

只需要再等8小时。