他一个人走在街上，秋风有些凉。
5瓦。
这个数字在他脑海里反复回荡。卫星上的功耗预算只有5瓦，而他们要跑的是一套完整的AI调度系统。
晚上九点，左城推开402办公室的门。沉一鸣和方泽都在，他们面前摆着厚厚一叠技术文档。
”城哥，你来了。”沉一鸣抬起头，眼里带着一丝疲惫，”我和方泽已经开始拆解技术须求了。”
左城点点头，在他们对面坐下。
沉一鸣把一张手绘的架构图推过来：”天穹四期的内核须求是卫星间自主协同组网。每颗卫星都要具备边缘AI能力，能根据周围卫星的状态动态调整自身行为。”
”关键难点不是算法，是算力。”方泽接过话头，”卫星的功耗预算只有5瓦，而传统AI模型的最低功耗也要30瓦以上。”
30瓦。
超标六倍。
左城沉默了一会儿：”有没有可能用多卡协同？”
沉一鸣愣了一下：”多卡协同？”
”把一个复杂的AI任务拆分成多个简单的子任务，分布到不同卫星上。”左城说，”每颗卫星只负责一小部分，通过星间链路进行通信协调。”
沉一鸣的眼睛亮了起来。他快步走到白板前，开始画新的架构图。
”如果用多卡协同的话，单颗卫星的算力须求可以大幅降低。”他边画边说，”比如原来需要一个30瓦的GPU，现在可能只需要几个5瓦的低功耗芯片。”
方泽皱起眉头：”但这样对星间通信的带宽和延迟要求会很高。”
”没错。”沉一鸣点头，”所以我们需要一套高效的通信协议，确保分布式任务之间的同步和协调。”
左城看着白板上的新架构，心中已经有了思路。
”一鸣，你觉得这个方向可行吗？”
沉一鸣沉吟片刻：”理论上可行，而且……”他顿了顿，”我们之前在联邦学习上积累的技术，恰好可以用在这里。”
联邦学习。
那是他们刚刚在智慧城市项目上验证过的技术。通过分布式训练，在不暴露原始数据的情况下完成模型优化。
现在，同样的思路可以应用在卫星协同上。
”不过有个问题。”方泽开口，”即使把算力分散，每颗卫星还是要跑一个精简版的AI模型。这个模型的压缩比能做到多少？”
沉一鸣调出测试数据：”目前的压缩技术可以把模型体积压缩
”够。”左城摇头，”
会议室里安静了几秒。
沉一鸣揉了揉太阳穴：”我需要再想想办法。”
左城站起身，走到窗边。窗外是杭城的夜景，灯火辉煌。
他想起刚才在周鹤年办公室的场景。天穹四期的难度确实比三期高了不止一个量级。
但他有系统。
他有别人没有的优势。
关键是，如何在不暴露系统存在的情况下，把这个优势发挥出来。
”城哥。”沉一鸣的声音打断了他的思绪，”我有个想法。”
左城转过身。
”联邦学习不只是可以用于训练。”沉一鸣说，”
”协同推理？”
”每颗卫星不只运行自己的模型，还会把自己的推理结果分享给其他卫星。”沉一鸣解释道，”其他卫星接收到结果后，会结合自己的观测做出最终决策。
方泽眼睛一亮：”这不就是分布式计算吗？”
”比分布式计算更进一步。”沉一鸣说，”分布式计算是分摊任务，而协同推理是汇聚智慧。两者的效果完全不同。”
左城听明白了。
这就是联邦学习的升级版。不只是分布式训练，还包括分布式推理。
”如果用协同推理，准确率能提升多少？”他问。
沉一鸣在白板上快速计算着：”保守估计，可以提升15到20个百分点。。刚好达标。”
刚好达标。
左城没有说话。。那些传统派的专家会抓住每一个细节进行质疑。
”以上。”他说。
沉一鸣愣了一下：”
”评审会上有林建华。”左城的声音很平静，”他不会给我们任何容错空间。”
会议室再次陷入沉默。
方泽打破沉默：”其实还有一个方向可以尝试。”
左城和沉一鸣同时看向他。
”芯片。”方泽说，”如果芯片的能效比能提升，我们就不用在算法上做那么多妥协。”
”你是说定制芯