人類國際象棋選手，不論世界排名多少，都已經不可能戰勝大迭代後的“悟空”了。
沒錯，是大迭代。
曲卓上次來時，對“悟空”的演算法和知識庫進行了全面最佳化，隨後艾茲格等人用曲卓提供的電子束光刻機和耗材，批次製造出了初始設計的，採用1.5微米制程，主頻達到20RISC79晶片和附屬協處理器單元。
並根據工程機積累的經驗，完成了一個標準八單元聯機算力叢集。並正式名為“奧丁 RISC79”。
測試結果是，運算速率高達1024LOPS。
直觀一點，10.24億次浮點運算每秒。
不夠直觀？
97年由IB出，擊敗了當時國際象棋世界冠軍卡斯帕羅夫的超級計算機深藍（Deep Blue）算力為11.38億次。
深藍
單看運算速率，“深藍”要高一些。但“深藍”使用的是基於人工打分表和預設規則的α-β 剪枝演算法。
“悟空”摒棄了人工打分表，透過自學習神經網路，基於知識庫的輔助，在不斷的自我對弈積中，累積達成贏棋目標條件的“經驗”。
太抽象了？
拋開所有的如複雜，舉個最直觀的例子，人類經典的“棄車砍象”，就是所謂的棄子攻殺。
α-β演算法會因“丟車失去5分，吃象得到3分，判定這一操作淨虧2分，從而放棄這個棋路。
這一問題是普遍存在的，早期但凡涉及到與“電腦”對局的遊戲，都會出現只要威脅到“電腦”的重要單位，哪怕它距離勝利已經十分近了，也會立即進入防守狀態。
雖然遊戲各有不同，但基礎邏輯都是一樣的。
但悟空在同一棋局下，透過“學習”積累的經驗知道，棄車後能開啟對手王翼，後續只要三步就能殺王。
也就是說，悟空能從全域性和動態的角度，評估棄子的價值。
它能“看到”，棄車後贏棋機率從百分之三十提升到百分之九十九。因此，會主動選擇棄子棋路，從根本上解決了傳統演算法不會棄子和怕丟子的“短視”問題。
“深藍”是依靠算力碾壓，戰勝了卡斯帕羅夫。“悟空”在擁有強大算力的基礎上，還擁有全域性性的動態決策能力。
可以說，基於奧丁·RISC79執行的“悟空”，雖然算力略低於“深藍”，但“棋力”已經把“深藍”甩的沒影了。
所以，曲卓才說：只要是人，就不可能贏。
當然啦，效能歸效能，時代差距下“奧丁”和“深藍”壓根就不是一個量級的東西。
“奧丁”是算力叢集，是由八個單體擁有32顆1.5微米制程晶片組成的算力單元，構建成的龐然大物。
“深藍”是將採用600奈米的30顆通用處理器加480顆“小小的”專用象棋晶片，總計510顆運算晶片整合在一個機櫃中的算力單元。
二者不論是製程、體積，還是功耗，都完全不是一個量級的。
時代的鴻溝有多大呢？
採用1.5微米制程的“奧丁”，在97年誕生，採用600納米制程的“深藍”面前，是龐然大物。
。”藍深“碾面全的念懸無毫能就，機算計用家級面桌的價廉最臺一攢便隨，心核為035-3I UPC級門的技頻睿有沒，zHG0.3頻主，緒行執四核雙，程制米納23用採，的出推年01顆一以
