每月1，000台改型履帶式炮車，這種產量，放在今是太低了一些。
PSK大區的軍工產能，據推測，大部分會在氣候相對適宜的低緯度地區，占領區內的工業潛力有限，隻能算聊勝於無。
放心將前線交給人工智能去應付，這種信心，主要來自人工智能的強大處理能力。
過去若幹年來，從全麵核戰後的人類內戰，到進攻PSK，大量案例已經證明，現有的人工智能體係，憑借已有的架構，完全可以應付從生產計劃、到戰術製定的大量複雜任務。
在過去若幹年的和平時期，某一特性表現的並不明顯，時至今日，AI則可以協調APS與戰爭決策係統的關係，動態分配能源、算力等資源，並根據戰爭進程的需要，調整“全產機”的生產體係之運作。
白了，在舊時代需要一介統治機器，內嵌大量官僚、專家的複雜體係才能完成的任務，在今則完全由AI去應付。
如此強大的係統，算力需求，自然也一直水漲船高。
至於，係統會不會有算力供應不足的情形，進而影響運作，方然曾有過這種擔心，但他很快意識到，通用型AI麵臨的任務壓力，是彈性的，算力的多寡，隻要不超出係統架構的理論需求之上限，就完全是“來者不拒”。
倘若出於各種原因，譬如電廠偶發故障、或者係統的分片檢修維護，算力的臨時波動也無大礙，至多造成一段時間內的決策質量下降。
與簡單的計算機 AI係統相比，通用型AI的規模，十分巨大，魯棒性也會強得多。
即便如此，在西曆1498年夏初，阿達民還是信步走進萊斯利*蘭伯特的辦公室，借助“替身”直截了當的詢問對方，“強AI三號機”何時上線測試。
現有的通用型AI，一直匿名的存在，管理NEP，能力的確令人震撼。
但，用不著有多深的專業造詣，隻翻閱報告，阿達民也能敏銳的覺察到，通用型AI很可能遭遇發展瓶頸，進而，難以勝任規模愈加龐大的控製任務。
NEP，占地五百萬平方公裏，治下人口約一千萬，規模當然很龐大。
在開戰之前，具體的講，西曆1489年1月1日之前，通用型AI對整片大區的控製還是相當到位，即便由於各種原因，係統承擔的任務強度，會時有波動，電力與計算資源的供應也無法絕對穩定，係統運作也一直十分平穩。
和平年代的大多數決策、分析任務，一言蔽之，需求畢竟不是剛性的。
不論某型號作戰平台的仿真測試，還是APS體係的微調整，這些常見任務，都沒有一個明確的Deadline。
早完成很好，晚一些完成也可以，總之，都可以靈活調度。
故，在這段漫長的時間內，通用型AI、APS、ASA等智能化體係的各方麵需求，都相對容易滿足，大多數情況下，人工智能決策係統自己就能打理一切，辦妥從負荷驗算到電廠建設的所有環節。 本章尚未完結,請點擊下一頁繼續閱讀---->>>