第761章 CUDA决赛（2/2）

“其次是共享内存缓存高频访问的行情数据，单线程块分配32KB，总占用不超过2GB”

“最后是全局内存仅存储核心计算结果与待处理行情，通过异步清理机制释放无效数据，显存占用稳定控制在3.2GB以内”

“嗯，明白了，我没有问题了”

张明听完了他的作答，点了点头。

其实关于CUDA平台的技术要点也就这么多，无非就是看你会不会运用，能运用到什么程度。

随着技术问答结束，关于商业落地性的提问又开始了。

“如果验证通过，请问你们跟国际量化机构的核心差距在哪？”

杨静轻咳一声，问道。

“主要是硬件跟数据”

“分别陈述一下吧”

“硬件这块，机构采用FPGA+GPU集群，延迟达微秒级，而我们的GPU方案延迟为毫秒级，无法覆盖超高频场景”

“数据方面，机构可获取付费Level-3行情，而我们目前用的是免费的Level-2行情，数据颗粒度略粗”

崔天意答道。

“你的意思是只要硬件跟上，再加上数据升级，你的这套系统就可以落地商业化？”

杨静沉吟片刻问道。

“不止”

“还需要券商合作以及完成合规备案”

“我们需要获取机构级交易通道，降低交易成本，同时也需要在金融监管那边对接风控接口”

“OK”

随着提问的结束，所有人的目光都聚焦在工作人员的测试屏幕上，等待最终验证结果，确认系统是否真能稳定触及45万笔 / 秒的行情处理能力。

崔天意看着指导老师以及金融专业的队友们，递过去一个放心的眼神。

虽然今天已经有两组选择了量化交易，但从交易行情处理上看，无疑是他们浙大这组的优势更明显。

另外两组的处理能力只能说是高校水准，而他们已经达到了中小私募的水平，距离顶级机构还有差距，但这个差距并非单纯的技术原因。

而是现实条件的制约。

除了之前提到的硬件与数据的两个原因外，最大的制约条件就是他们是学生团队，无法像专业机构那样做到7*24小时的工程化迭代。

王卓是在晚上收到了相关邮件。

对于此次没能亲自到场参加，说真的，还是挺遗憾的。

翻看着关于此次的获奖名单，他不由得将目光移到了交大获奖团队身上。

影视渲染与游戏引擎优化系统！！！

这特么是个现金奶牛啊！

投资做影视或许赚钱，但不稳定。

可帮这些影视公司做特效，那是稳赚不赔。

另外游戏引擎的优化也是一块不小的市场，特别是手游马上就要迎来爆发，到时候肯定会诞生无数小游戏厂商，可这些小公司是无法单独开发游戏引擎的。

一旦将这个团队收编，依托课程表的资金和客户资源，深耕影视渲染与手游引擎优化，届时每年最少也能贡献数亿利润，妥妥的现金奶牛！

这场决赛还真有惊喜啊！