（上一章有读者疑问当时的手机，00年初已经进入2G时代了，中文短信业务已经可用，诺基亚的7110都支持WAP上网了，只是很贵普及度低）
“钱教授，钱教授！”
唐文的声音出现在背后，钱临安有些惊讶：
“你这么快就飞过来了？鹅城不是忙着么。”
“我更想知道航天局是怎么做到产量坐火箭的，天枢系统是什么？”
……
单独的会客室里，钱临安聊起了天枢系统的起源：
“当我接受了AI智能的存在，便一直在想除了和它聊天以及做一些计算机上的事，能不能与现实生产结合起来呢？
控制论出现也有五十年了，但我们从未进入控制论真正的理想世界，能不能用超前的AI技术实现呢？
正好600枚风暴四号的产能问题迫在眉睫，光靠传统方式怕是拼命扩产也无法满足一半的需求，这便有了大胆尝试的基础。”
“天枢系统的目标是将一枚火箭或者说一个产品从头到尾的所有工序，从原材料到零件，运输过程、总装、测试全部纳入统一的信息链中，通过合理调配来实现效率和产量的最大化，并且让质量趋于稳定降低报废率。
这意味着我们得同时监控300多家工厂、超过10万名职工、数万车次运输路线以及二十多万个零部件质量管控。
天枢系统需要实时监控以上所有信息，并根据计划目标和各种意外实时调整计划，并且这个反应时间要压低到几个小时以内。
在过去这是几乎不可能做到的，瓶颈不是算力而是系统的复杂程度，没有人能编写出这样一套复杂的控制系统，没有人能够把几十万零件通过各种算法紧密联系在一起，更无法做到在短短几小时内根据意外情况作出弥补的最优解。
但AI可以，至少我先通过小范围测试确认天枢系统的架构对它来说不是一个不可能完成的任务。”
唐文很快理解了这是什么东西，脱口而出：
“OGAS？”
“是的，和OGAS几乎相同，不过这一次仅仅涉及航天产业链，并且目前只负责调度风暴四号一款火箭的任务。”
OGAS，格卢什科夫梦想中的终极解决方案，极端生产力的计划工具。
当年北极熊实施严格的计划指令经济，并且遇到了很多麻烦，比如有的工厂产量过剩，有的工厂不达标，有的工厂效率太低，有的工厂严重造假，以至于产生了各种供需问题，而且随着经济规模发展愈加严重。
北极熊的全国工厂生产计划由最高层发出，由无数顶尖数学家和经济学家收集全国工厂数据并结合未来目标制定计划，下发到各工厂执行。
但光靠人力，即便有计算机的帮助这仍然是个恐怖的任务，哪怕是最聪明的一帮数学家，也没法精妙的算出几亿人和几十万家工厂真正的需求以及生产计划。
而且即便是算出来了也会遇到各种意外，比如原材料淋雨不能用了，火车不能按时抵达，最终结果就是有的工厂完成任务结果产品运不出去，有的工厂生产了太多市场不需要的东西烂在仓库里，而民众买辆车得等到十年后才能提。
格卢什科夫说不用人算，他要为全国所有工厂、所有火车、所有机器统统装上数据线，把一切信息实时汇总到中央计算机里，让计算机搜集最真实的数据，依托强大的计算能力来给出最精确的判断，而且能够随时调整。
这就是OGAS全国计算和信息处理自动化系统，试图用极致的数学来释放生产力的极限，它打算用计算机连接整个国家并用一个超级大脑控制它。
但在七八十年代，OGAS从技术根源上就难以成功，更别提遇到了大量非技术因素。
毕竟对于当时的很多工厂厂长来说，如果一切信息都暴露在OGAS中，他们还怎么浑水摸鱼？
OGAS最后死了，而现在天枢系统却成功了。
唐文知道OGAS，因此更加疑惑：
“神算服务器和AI确实能减轻很大一部分工作量，但首先获取整个火箭生产全链条的车间信息就不容易吧？而且很多生产关系也不是AI能凭空变出来的，这些如何解决？”
唐文在未来听说过不少黑灯工厂、智能工厂的形式，其实对算力要求真不高。
说实话，工厂的计算任务无非就是产量，哪怕10万台设备叠加在一起的计算量对现代计算机来说也不多，因为那些都是数字计算和数据拟合，计算机天生就是来做数学运算的。
一台能统筹智能工厂集群的计算机，性能需求恐怕不会比一台高端游戏电脑多多少，而且还用不着GPU以及AI参与。
难的不是解题过程，而是先把题目写完整，把管理一条产业链上所有的工厂的所有需求全部要变成计算机能理解的数学模型，这才是最复杂的地方。
钱临安：“麻烦当然很多很多，但并非不可解决：
比如生产设备联网，网线好办，而监测程序用AI生成就可以，外挂的数据上传模块也可以AI设计，只需要一点点人工微调就够了，反正不用多复杂只完成一些简单指令。
别小看这一点，光这就已经节约了太多人力，那些五花八门的设备靠人去写软件适配和做电路模块，怕是两三年都不一定能完成，而AI的速度几乎是无限快，只需要下面的工厂去搜集数据而已。
因此获取信息这一步只要有足够多的人同时参与就行，至于生产效率、装配速度那些实际生产算法和数据用不着人去填，我发现AI有很强的自学习能力，只要把之前的数据记录下来喂给AI，它就能自动算出来，数据越多越准。
原理是不难的，只是我们目前硬件太差，为了满足天枢系统不得不想了很多土办法，比如像运输链条做不到实时监测，就让司机按照规则编辑特定代码发短信。
老设备没有数字控制系统，就打印专门的监测表格，人工用签字笔涂黑后发传真进行智能识别，网络信息量太少，就多找些人24小时值班电话跟进再填进系统……
实际困难确实很多，非常多，哪怕只是涉及一个产业链一个产品，但麻烦还是太多了，各种新问题层出不穷。
我动员了科学院200多名专家带着人全国到处跑，把核院的数学家调过来改善算法模型，又专门招募了一批素质可靠的人调试AI，很多很多，几乎全国的尖端力量都被动员参与了天枢工程。
科学院在春节的时候都没放假仍然在改进中，直到2月24日我们启动了天枢系统第一次全链条覆盖调控……差点吓死人，天枢系统一次性发出了四十多万条修正指令，好多厂子都以为是系统坏了。
但数学院验算没问题，我说冒着失败的风险也要试一次，责任我个人带头承担这才推行下去。”
唐文完全没有想到因为AI国内居然启动了这么大一个超级工程，更是听得心潮澎湃，立即追问：
“然后呢？”