老房子早就拆了,原本计划购买几家其他人家的地基扩大一下新房子,但这里濒临拆迁,宅基地已经被冻结,就很多人都不愿意了。
老爹后来托人找了好大的关系,跟几家签了协议,答应对方如果拆迁,拆迁费用老爹只拿建筑物赔偿后,才高价拿下了附近两家的房子。
这样一来,新房子占地面积也就刚刚一亩地不到,六百平米的样子。
李毅第二天一早,就去了新房子这边,这段期间他也就来过一次,没想到已经主体完工了。
从三月份天气暖了以后,这里就开始施工了,修建的是一座北方常见的四合院院落。
正面空了一个大约200平米的前院,还有后院修了一个小花园,整体采用的是晋省这边老派的传统风格,除了主楼那里修了一个二层的机构,其他地方就都是平房了?
“大概多久装修完成?”李毅过来的任务,就是盯着把这个事情赶紧结束,就连各个公司的事情,老爹都让他放下,可见两方家长对于这个事情的重视。
负责这边工程的包工头自然见过李毅,殷勤的上去递了颗烟,“李总放心,保质保量,半个月完成,到时候我让人从闽省拉几车柚子,过来扒了皮放进去,保证这房里一点有害物质都没有!”
李毅并没有接烟,倒不是他看不起包工头,是这两天咳嗽厉害,暂时就断了,本身他自己烟瘾也不大。
但他这人也算是八面玲珑,怕包工头误会,就让何林回去车上取了两条烟过来递给了包工头。
这人也是个灵活的,笑着从何林手里接过烟,不住的说着谢谢,转头就招呼在场的工人,“大家辛苦了,李总过来看看大家,买了点烟,过来,一人一包!”
一众工人自然是手忙脚乱过来领了,不住地跟着李毅说谢谢。
李毅看着这个家伙,笑着说道:“李均,有你的,我看着包工队,你绝对能做大!”
“李总抬举了!”
李毅笑了一下,李均姓李,但不是李家庄的,而是隔壁村的,很早以前就专做古建维修翻新,手底下的人,一个个都不简单,省里不少古建维修,即便他不是工程承包商,但很多最后也会落到他这里。
李毅家的这栋房子,基本传承的是古建一类的风格,李均有这个本事,这才找的李均。
“行,那既然这样,午饭我请客,去村里三晋饭店摆两桌,但说好啊,不能喝酒,要不然喝了酒下午就别开工!”
李均谢了一声,把这个事情跟师傅们一说,拉着李毅进了已经初步装修好的一间房子。
“这套房子,你爸当时找的设计师设计的,烦你也知道,我们华夏古代建筑形式与高容积率的钢混大楼很难结合,如果纯粹修成古建,那么房间会很逼仄,所以现在采用的风格是“新中式°”。
外立面摒弃了古代建筑形式,很多表现也在色彩、线条和空调格栅上突出中式元素,再盖上大挑檐的坡屋顶,就是现在这样。”
“至于里面吗,还是现代化的装修,只是在家具配置上,会更多采用红木等元素,所以内部色彩上对这方面也做了搭配。”
“这是几室几厅啊?”
李毅看了一下,他不太懂这些建筑,但整体好不好他还是能看出来的,所以为了理解,只能根据最简单的问题去判断,将来要不要结婚了住在这里。
李均被李毅一句几室几厅搞的都不知道怎么说了,这么大一套房子,是能用这么简单的量词形容吗?
但李毅是甲方,想了一下后就说道:“主人房两间,位于左右两厢的二楼,其中主人房里又分成书房,卫生间,卧室,还有一个客厅,两室一厅一卫,差不多是一百多平米,两套主人房都这样。”
“然后主人房的一楼是联通,做成了一间大客厅会客室,然后还有茶室,厨房,餐厅以及两间保姆房。”
“院子里左厢房是一套两室两厅的客房,右厢房是三套单间卧室,每个都有卫生间,然后右厢房旁边是另外两间保姆房,也是按照客房标准打造。”
“南房四间,全部是两室一厅的格局,可以用来居住其他人员……”
李毅听的头疼,摆摆手让李均停了下来,总之他知道很大就对了。
然后突然想起来,“停车场呢?”
李均瞅了李毅一眼,刚介绍打断,这不还得问?
“门口修了一个升降台,车进院子后,自动下沉,会停到地下车库,里面可以同时放二十辆车,另外,地下室还修建了酒窖,影音房,台球厅等娱乐设施。”
李毅一边听一边还专门去看了下,虽然是地下室,但李均他们也通过各种玻璃或者结构的设计,让人并不容易感觉到这是地下室。
“李总,我呢,这几天就待在这里,你们尽快吧施工速度加快一点,我爸去掐日子了,准备让我在这新房里订婚,你懂咱们这边习惯的!”
李均点点头,沉思了一会儿,“这样,我从豫省那边工程上再抽点人,尽快吧,但施工完了的空气过滤这一步不能省!”
李毅对于这种劝告是能听得进去的,点点头,“没事,我让人多买几台空气进化器!”
这就是有钱的魔力。
于是接下来几天,李毅基本都待在了工地上,除了偶尔打打电话,倒像是放假一样轻松。
而且正直炎夏,谢烨琳似乎也不想跑了,在李毅到了工地的第二天,就从南京飞了回来,两个人到是舒舒服服待了几天。
这期间,段勇跟赣锋锂业的股权转让合同也正式签订,然后就是赣锋锂业股价大涨,如果单从股价这一块来说,李毅购买赣锋锂业11.2%的股票,溢价就不算太多了。
另一方面,FF未来汽车的软件系统总裁汤凌云也办成了一件大事,那就是去贵省修建数据库的事情,确定了下来。
随着FF未来汽车智能驾驶系统的研发,数据库的建设已经刻不容缓。
毕竟在智能驾驶领域,一直都有说自动驾驶汽车需要大数据才能看到周围世界的说法。
自动驾驶汽车需要大数据的最简单原因是,没有数据它们什么也看不见,尤其是端到端的方式里,数据的重要性更是增加了很多。
尽管自动驾驶汽车配有摄像头和传感器,使它们能够查看周围环境并与之互动,但如果不能获得可靠的数据流,以及了解周围的情况和未来的预判,它们就完全不起作用。
一些自动驾驶汽车消耗数据的速度已经超过了汽油。
李毅在博世做研究的时候就知道一件事,就像汽油车需要消耗化石燃料,电动汽车需要消耗电力那样,智能驾驶的汽车也需要消耗东西,这是除了化石燃料和电力之外的第三种能量,那就是数据。
当时英特尔的首席执行官Brian Krzanich都说过,智能驾驶汽车每行驶8小时,将产生并消耗约40TB的数据,这意味着自动驾驶汽车将至少像依赖化石燃料或电力一样依赖数据。
因为自动驾驶汽车想要安全运行,就需要他们能够获得大量数据,然后再通过智能驾驶系统,利用这些数据做出明智决策,而且随着时间推移,为它们提供支持的技术变得更加复杂,它们将需要更多的数据。
这就需要建设庞大的数据库。
一般来说,数据中心似乎应该建在靠近互联网发展活跃的地方,也就是华夏东部地区,最起码也应该是中部,而不是贵省那样的犄角旮旯去。
毕竟,数据中心是互联网的特殊设备,是实现基于网络实现传递、加速、展示、计算和存储数据的功能。
如果建的远了,数据传输很容易遇到问题,延迟卡顿都很正常。
但很多时候,很多事情往往都是屁股决定脑袋。
数据中心是全年无休在工作的,何况数据中心和普通的电脑不同,发热量十分巨大,为了保证数据中心稳定运行,数据中心就需要配置强大的散热系统,而散热系统又需要耗费大量的电力。
因为散热不好,机器就会出故障,就会导致整个系统瘫痪,因此散热问题是极其必要的。
从公开数据里能够得出,一个运营不错的数据中心,大约60%的成本是用于电费,而电费里面大约40%就是花在冷却设备上。
看到这里,再考虑到大数据时代数据中心的高负荷运转,你说数据中心该建在哪里呢?
答案很明了:哪凉快哪待着去!
要凉快,那肯定是水里凉快嘛~
但还别说,还真有数据中心是建在水里的!
微软就这么做了,他们在水下部署数据中心,既因为海岸线离用户更近,可以降低延迟。
同时,常年低温的海水,相当于给数据中心加上了天然冷却装置,极大简化了数据中心的散热设计,而海水温度波动又很小,每年也就5摄氏度左右的变化,这也对数据中心稳定有很大意义。
李毅重生之前,已经有很多城市在规划建设水下数据中心,出发点也不外乎上述优势。
而除了水里,散热好、电价低、温度相对恒定也就成为数据中心选址的“黄金标准”。
再考虑到我国东西部地价差异较大,在西部建设数据中心的优势就很明显了。
进入2010年以后,南方数据中心的核心区所在地,贵省贵安的优势就日渐突出。
这里海拔高、气温低,而且气候温和,年平均最高气温都不超过20摄氏度,就算是夏季平均气温也仅21.7℃,可谓“清凉”,这就能够满足数据中心的散热需求。
同时水资源充沛,蒸发冷却式冷水机组能够代替空调系统,帮助降低电能消耗,让数据中心的耗电成本更低。
再加上当地地势总体也较为平缓,地质结构稳定,发生地震等重大自然灾害的风险都比较低,而且周围也没有什么辐射源,可以很好的满足数据中心安全和灾备的要求。
后来包括苹果在内的许多服务商,也都将数据中心选址于此地,就是因为这里得天独厚的优势。
当然,李毅在建设数据中心选址的时候,也看过其他地方,包括汤凌云的团队,除了贵省贵安,还有乌兰察布、中卫、克拉玛依等西部城市。
这些地方的共同优势,那就是温度低,更有利于降低数据中心的散热能耗。
至于最近的地方,那就是并市隔壁的阳泉了。
这里的优势和克拉玛依有点像,煤炭等物质资源丰富,火电成本更低,百度后来就在这里修建了自己的数据中心,虽然不排除百度老板李艳红是阳泉人的原因,但这里电价低也是真实的。
至于很多人说,这么大企业,数据中心建的起,难道会用不起?
那可能就是太小看数据中心的耗电量了。
腾训当下的服务器大约有五十万个,每天产生的电费都超过三百万,这还是在贵省这种水电资源大省。
如果换到东部去,价格起码上涨两倍都不止,这也是国家后来为什么提出“东数西算”工程的目的。
所以才屁股决定脑袋,把数据中心建设到贵省去。
至于什么所谓的延迟,网络卡顿等,根本不是问题,用户用的用的就习惯了,万一卡顿了,他也绝对不会怀疑是数据输出方的问题,而是自己家网络的问题,骂骂通联、信电等运营商罢了。
至于李毅的自动驾驶,那就更不是问题了。
毕竟他做的又不是模块化智能驾驶,而是端到端的方案,是依靠贵省的大数据,把自动驾驶的神经元网络系统优化后,安装到车机平台,再通过摄像头等把实时大数据吸收到车内,进行二次计算的结果。
总之一句话,端到端自动驾驶的执行,并不需要通过跟外界网络连接才能起作用,所以可以直接无视这些东西。
现在汤凌云把数据库这个事情谈妥,就算是自动驾驶的建筑材料已经备齐了。
接下来自然就是地基的搭建了。
端到端的自动驾驶,可以说就是一种纯视觉驾驶,但需要建立对计算机视觉深度训练之上。
而计算机视觉是一种研究机器如何“看”的科学。
当我们人类看到一张图片时,能清晰辨析图片里的事物,比如美丽的风景照、一张小狗的照片等等。
然而计算机看到这些东西,识别出的却是像素。
这些像素是由图像的小方格组成,这些小方块都有一个明确的位置和相对应的色彩数值,计算机“记住”的就是这堆数字字符,而不是具体的事物。
如果想让计算机能像人类一样快速准确识别出图片里的事物,就得让机器有“人工大脑”那样的能力,来模拟人脑处理加工图像信息的过程。
这个过程里面又分为输入层、隐藏层、输出层等等,里面包含有许多的人工神经元。
如果做一个比较,马斯克的那套形象比喻就很有意思,比如可以把这个视作是人脑吸收到的初级视觉皮层中的单个细胞还有中间的神经元。
这样一整个训练过程,也可以当成是我们教小孩看图识物。
正式通过一次次的输入、对比、纠正,才能够完成机器图像的认知。
这种训练,通常在训练初期,人工神经网络识别结果的准确度是非常低,输出结果和实际值相似度可能只有10%,甚至更少。
所以为了为了提高准确度,就需要我们再将两者的误差从输出层反向传播至输入层,并在反向传播中,修正神经网络隐藏层的参数值,就比如把图片或者视频做一个标识,比如同样三条狗,我们可以标识上单身狗,单身狗,还是单身狗这样具体的标识。
正是经过这样上百万次的训练,就能将误差逐渐收敛,甚至输入和输出端匹配度达到99%,甚至100%。
这就是马斯克提出的神经元网络算法,也是端到端核心的优势。
这样的自动驾驶,最好的学习材料自然就是行车数据,大量多样化的数据,来自真实世界的驾驶训练数据,也是自动驾驶AI能应对各种路况、交通问题的最好辅助。
李毅为什么要依靠给各厂家提供配套的车辆方案,甚至不惜赔本也要把车辆感应设备给安装上去,就是想要在FF未来汽车将来一开始上市,就有海量的数据,海量的行车数据,作为自身的养分,提升FF未来汽车自身智能驾驶的能力,在市场上直接形成优势。
等到FF未来汽车能瞬间完成道路上各种动静目标、道路标识、交通符号的语义识别,反应速度甚至比人脑条件反射更快的时候,李毅心目中的自动驾驶也就完成了。
所以这个纯视觉的训练方案,就是FF未来汽车自动驾驶的地基。
有了地基,有了材料,还有汤凌云他们这样杰出的工程师,FF未来汽车想要的这种自动驾驶,李毅觉得,从实现时间还有效果上,超过特斯拉还是没有问题的。