电脑
在选择笔记本
电脑用于人工智能开发或机器学习训练方面，普通配置的笔记本已经不能满足需求了。尽管
AI已经广泛应用于各个领域，但是在开发平台上仍有一些通用性要求。一种主流的人工智能开发环境是构建一个机器学习训练集，通过不断的学习过程来建立一个处理不同特点的
AI内核。但是如何处理这些内核基本上没有几个人能够清晰地说明。因此，机器学习过程被称为“炼丹”。当然，“炼丹”需要“丹炉”。这个“丹炉”就是
计算机系统。通常情况下，卷积神经网络模型的深度学习系统会将一个问题进行简化处理。这样到最后就会形成很多微小碎片化的模型数量很多但处理计算要求极低。因此，在家用
电脑上最多同时处理4个微小碎片时，CPU实际处理时间会很少。但是几千万甚至几百亿微小碎片在CPU中频繁加载就会占用大量时间。通常家里的
计算机配备4核CPU，因此最多同时只能处理4个微小碎片，处理效率很低。而机器学习框架大多支持Cuda（
NVIDIA的深度学习架构集），需要注意的是Cuda是
NVIDIA的产品。这些框架利用显卡的CPU计算单元进行处理，每个显卡中现在有上千个计算单元，因此深度学习的能力要远远超过CPU（高几百倍）。因此，在选择笔记本
电脑进行
AI开发工作时，最首要的特点是需要集成一个
NVIDIA的显卡，并且越多越好。当然，如果借助于AMAZON S3云计算或在线云计算工具如
百度云、
腾讯云等，则不必购买昂贵的笔记本
电脑。以AMAZON S3云机器学习为例，每小时计算仅需0.42美元，8小时计算费用也就几十元。这比购买更贵的笔记本
电脑更加划算。这个问题需要根据具体用户需求来确定答案更加精确。在以往大规模生产线上，通常使用汇编语言或者
C++语言等进行编程。而对于普通
计算机控制来说，286/386/486/586/886等处理器或者双/四处理器都可以满足需求。这取决于机构设计与
计算机控制之间的配合是否满足用户整体质量指标，如时间、机械精确度等。通常情况下，意大利整条控制系统成本应该比
中国整条控制系统成本高出2-3倍以上，并且维护成本也会增加1-2倍。然而，对于
中国科技
公司或工厂而言，在引进意大利系统后有针对性地对其进行适度改良后再使用，则是一种选择方式。意大利系统的痛点包括关键部位机械零部件的热处理欠佳和精度欠佳等问题，这些问题导致工厂在试运行期间需要频繁进行维护。
