有做空的必然也有承接盤，特彆是像課程表這類大盤股，除了部分做空機構會做多對衝風險外，還有國家隊、大機構以及一些券商們，都在趁著做空機構釋出看空的時候，悄悄吸籌。
這也導致了課程表股價在200元左右反覆拉扯，一會跌破了200港元，一會又被做多的拉到了210。
總之這場突如其來的金融暗戰，課程表團隊淪為了看客，或者說並未主動參與其中。
3月14日-15日，人大選舉產生了新一屆的國家領導班子。
隨著新一屆領導班子的誕生，此屆人大會議也漸漸進入了尾聲。
與此同時，申城交大那邊的CUDA決賽個人賽也已經結束，隻剩下最後一組團隊賽還未進行評審。
“今天已經有了兩組選擇了量化交易，看來你們對這個領域是非常看好啊”
張明拿起話筒，笑嗬嗬說道。
從上午的個人賽到下午的團隊賽，整整一天，他也見識到了不少技術高手。
特彆是團隊賽這邊，除了之前的兩組選擇了量化交易係統外，還有團隊做出了跨境金融資料實時並行分析與風險預警係統。
這都還能理解，畢竟金融領域對於計算的需求一直都比較旺盛，而當看到計算機與醫學結合的CT影像係統時，還是超出了他的預期。
他根本就冇想到學生團隊能把GPUDirect技術與醫療重建演演算法融合得這麼成熟，這完全達到了商用級。
看來這次大賽還真是炸出了不少牛人了。
崔天意團隊將提交物上交，包含了係統完整可執行原型、技術白皮書、效能檢測報告以及1年曆史資料回測報告和商業白皮書。
隨著CUDA組委會的工作人員開始針對係統進行技術測試，重點檢查超高頻行情優化。
“你的技術白皮書上說可以支援45萬筆\\/秒的行情處理？”
“是的，老師”
“是最高承壓45萬？還是說穩定支援這個數？”
張明繼續問道。
“穩定執行40萬筆\\/秒，高併發處理可以達到45萬筆\\/秒”
崔天意回道。
“今天關於量化交易這塊，你們的資料是最高的，請問你們的係統如何基於CUDA5實現45萬筆\\/秒的高併發處理？相比CPU集群，GPU優化的核心突破點在哪裡？”
“核心通過三層CUDA優化實現高併發”
他沉思數秒，開始作答。
“一是利用動態並行技術，主核心根據行情型別自主啟動子核心，如套利策略子核心、資料清洗子核心，無需CPU排程，減少上下文切換耗時”
“二是針對Fermi架構優化執行緒佈局，執行緒塊設為256，適配32執行緒warp特性，共享記憶體按資料型別分割槽快取，避免bankconflict，記憶體頻寬利用率提升至78%”
“三是通過GPU流，實現資料預處理與策略計算非同步並行，隱藏資料傳輸延遲”
“突破點呢？”
張明記錄下選手的回答，接著問道。
這個問題比較簡單，崔天意隻是略做思考，便給出了答案。
“相比CPU集群，核心突破點在單節點效率”
“CPU集群依賴節點間通訊，延遲高且易出現負載不均，而我們的雙GPU協同方案，可以通過CUDAMemcpyPeer實現GPU間直接資料傳輸，單節點處理能力達CPU集群8節點水平，且硬體成本僅為其1\\/3”
“FermiM2090GPU視訊記憶體僅4GB，如何支撐45萬筆\\/秒行情的實時儲存與計算，又避免視訊記憶體溢位？”
“我們采用三級記憶體分層管理方案解決視訊記憶體瓶頸”
崔天意思路片刻，繼續答道。
“首先是常量記憶體儲存策略引數，如套利閾值、VAR係數，這些不會超過128MB”
“其次是共享記憶體快取高頻訪問的行情資料，單執行緒塊分配32KB，總占用不超過2GB”
“最後是全域性記憶體僅儲存核心計算結果與待處理行情，通過非同步清理機製釋放無效資料，視訊記憶體占用穩定控製在3.2GB以內”
“嗯，明白了，我冇有問題了”
張明聽完了他的作答，點了點頭。
其實關於CUDA平台的技術要點也就這麼多，無非就是看你會不會運用，能運用到什麼程度。
隨著技術問答結束，關於商業落地性的提問又開始了。
“如果驗證通過，請問你們跟國際量化機構的核心差距在哪？”
楊靜輕咳一聲，問道。
“主要是硬體跟資料”
“分彆陳述一下吧”
“硬體這塊，機構采用FPGA GPU集群，延遲達微秒級，而我們的GPU方案延遲為毫秒級，無法覆蓋超高頻場景”
“資料方麵，機構可獲取付費Level-3行情，而我們目前用的是免費的Level-2行情，資料顆粒度略粗”
崔天意答道。
“你的意思是隻要硬體跟上，再加上資料升級，你的這套係統就可以落地商業化？”
楊靜沉吟片刻問道。
“不止”
“還需要券商合作以及完成合規備案”
“我們需要獲取機構級交易通道，降低交易成本，同時也需要在金融監管那邊對接風控介麵”
“OK”
隨著提問的結束，所有人的目光都聚焦在工作人員的測試螢幕上，等待最終驗證結果，確認係統是否真能穩定觸及45萬筆\\/秒的行情處理能力。
崔天意看著指導老師以及金融專業的隊友們，遞過去一個放心的眼神。
雖然今天已經有兩組選擇了量化交易，但從交易行情處理上看，無疑是他們浙大這組的優勢更明顯。
另外兩組的處理能力隻能說是高校水準，而他們已經達到了中小私募的水平，距離頂級機構還有差距，但這個差距並非單純的技術原因。
而是現實條件的製約。
除了之前提到的硬體與資料的兩個原因外，最大的製約條件就是他們是學生團隊，無法像專業機構那樣做到7*24小時的工程化迭代。
王卓是在晚上收到了相關郵件。
對於此次冇能親自到場參加，說真的，還是挺遺憾的。
翻看著關於此次的獲獎名單，他不由得將目光移到了交大獲獎團隊身上。
影視渲染與遊戲引擎優化係統！！！
這特麼是個現金奶牛啊！
投資做影視或許賺錢，但不穩定。
可幫這些影視公司做特效，那是穩賺不賠。
另外遊戲引擎的優化也是一塊不小的市場，特彆是手遊馬上就要迎來爆發，到時候肯定會誕生無數小遊戲廠商，可這些小公司是無法單獨開發遊戲引擎的。
一旦將這個團隊收編，依托課程表的資金和客戶資源，深耕影視渲染與手遊引擎優化，屆時每年最少也能貢獻數億利潤，妥妥的現金奶牛！
這場決賽還真有驚喜啊！