为什么这么说呢？
2014年，巴拉巴拉等人在LSTM基础上，提出了“注意力机制”，解决了传统“序列到序列模型”的瓶颈问题。
这一创新，为2017年出现的Transformer架构，埋下伏笔。
而Transformer架构，正是后世大模型的核心架构！
同时，LSTM在语音识别、机器翻译等领域的成功应用，推动了深度学习框架的优化，以及GPU加速技术的成熟，为大模型时代奠定了工程基础！
提前布局LSTM，不仅可帮助极光，在当前建立技术壁垒，更能通过持续迭代演进，为后续切入AI大模型领域，积累宝贵的算法工程经验和数据资产！
而算法和AI，前世今生都是洛川最感兴趣的领域！
同时，如果能提前掌握SLTM和Transformer架构，还可推动国内GPU厂商的研发进度。
比如，入股一家或几家国产GPU厂商，向他们开放模型底层优化需求，推动专用定制芯片的合作研发，从而实现硬件-算法协同优化。
同时联合中芯国际等厂商，推动国产65nm/45nm工艺与GPU架构同步开发。
此时的中芯国际，已经具备生产65nm工艺的能力了。
45nm产品刚刚通过良率测试，还需要一段时间才能进入量产阶段。
这也是当前全球GPU厂商，普遍采用的工艺。
比如英伟达的8200和9800系列，采用的就是65nm工艺。
之后，通过在悠米社区、悠米视频、微博、云计算平台等高频场景，部署基于国产GPU的LSTM/Transformer模型，验证性能指标，数据持续反哺硬件研发。
其二，基于极光云计算平台，开发类似于英伟达CUDA的国产并行计算架构。
向开发者开放支持国产GPU的通用计算API，同时提供免费的开发工具链、教程等，建立开发者社区，构建生态系统。
跟悠米社区的开放平台战略十分类似。
CUDA是英伟达于06年推出的，并行计算平台与编程模型。
最初是给游戏开发者用的，但却意外打破了GPU的专用性。
使得GPU从单纯的图形渲染工具，转变为通用计算设备。
如AI训练、科学模拟等。
后世，大模型风潮爆发之后，CUDA意外成为了AI领域的“操作系统”。
全球90%的AI模拟训练，都是基于CUDA。
不过在此时，CUDA生态还很稚嫩，英伟达也还没意识到其中的潜力，还是很有机会追赶的。
这就是挂壁的优势~
同时，洛川还可通过开发重度3D游戏，强制要求游戏引擎深度适配国产GPU的方式，联合国内的GPU厂商，利用游戏场景的实时渲染需求，强行推动GPU厂商，优化显存带宽、光线追踪、动态频率调整等技术。
这几项游戏领域的技术，同样也都可应用在AI领域。
比如光线追踪技术，用在游戏里可提升画质，之后却被优化为AI模型的“稀疏计算”，可有效提升AI计算芯片的效率。
动态频率调整技术，用在游戏显卡里，是为了平衡性能与功耗；被移植到数据中心GPU上，却可降低AI训练成本。
而当GPU厂商技术达标之后，还可顺势推出“国产GPU游戏特供版”，通过游戏热度带动销量，反哺硬件研发。
英伟达的GPU，性能领先全球，有很大一部分原因是，初期做游戏显卡，为他们积累了大量的用户和市场份额。
这意味着，英伟达有更多的资金投入研发，更大的用户技术来测试和反馈，从而推动技术更快进步，与竞品拉开差距。
也因此，抢占消费级市场，还是很有必要的。
即便初期国产GPU的性能，大概率还是会落后于英伟达。
但某种程度上说，极光开发的这款游戏，就是为国产GPU量身定做的，想要实现局部超越，那还不是轻轻松松。
至于开发哪款游戏，洛川也已经想好了~