点头，脸上没什么表情，但许琛注意到他握着筷子的手指松开了一点。
沈星苒继续汇报，从材料配比讲到测试数据，再到下一步的工艺优化方向。她说得条理分明，术语精准。沈毅听着，偶尔插一两个问题，都是直指核心的关键点。
许琛没有插话，只是安静地听着，偶尔看向沈星苒。她讲起专业领域时，整个人会焕发出一种不一样的光彩，那种光彩冷静、专注，像淬过火的钢。他目光在她微微发亮的侧脸上停留了几秒，才移开。
沈毅余光瞥见许琛的表情，心里那点因为女儿出色而泛起的欣慰，又被一股莫名的烦躁压了下去。这小子，装得倒挺像回事。
酒过三巡，菜上了几道。清蒸东星斑果然没用姜，只有细密的葱香；黑松露和牛炒得火候正好，嫩滑无渣；一道看似简单的上汤苋菜，汤底是浓郁的金华火腿吊出来的鲜。
沈毅吃得不多，但每道菜都会尝一点。他吃得仔细，像在评估一份实验报告。
席间，沈毅果然抛出了几个话题。他先问许琛对国内人工智能芯片设计生态的看法，又拐弯抹角问起“烛龙”引擎的底层算力分配逻辑，最后甚至聊到了材料表征技术中同步辐射光源的应用前景。每个问题都看似随意，实则暗藏机锋，涉及多个学科的交叉领域。
许琛一一作答。
他讲AI芯片生态时，没有泛泛而谈产业格局，而是结合“烛龙”引擎实际遇到的渲染瓶颈，分析现有通用GPU架构中哪些计算单元是冗余的，哪些指令集在图形渲染场景下毫无意义。“通用性是为了覆盖尽可能多的不确定性，但当你确定了一个极致的应用场景，通用就成了累赘。”他举例说，引擎里处理光照和物理模拟的并行计算单元，如果换成专用矩阵运算单元，效率能提升至少40%，功耗还能再降一成。
沈毅听着，眉头时而锁紧，时而舒展。
当许琛聊到同步辐射光源时，他甚至从口袋里摸出手机，调出几张图表——那是“烛龙”引擎进行高精度流体模拟时生成的粒子运动轨迹截图，旁边附着简短的注释。“沈教授您看，这种湍流模拟，传统CPU集群要跑七个小时，用我们优化过的GPU阵列缩短到四十五分钟。但
本章未完，请点击下一页继续阅读！