扬渊's profile再见流星PhotosBlogListsMore  |  Tools Help |
|
9/22/2008 冲出玄关5年了，终于找到冲出玄关的感觉。算法的精髓，在于认识，在于模式，与方法无关。
数学重在求证，提出定理，故需一步步向上累积，但不在乎从至下的公理到上层定理间的逻辑路径长短。
科学重在认识，经大量观测，提出一个模型以涵盖之，然后累积例外，达到一定程度升级模型再涵盖之。
而算法，其输出为过程，尽管类似数学由逻辑向上构建而成，但却强调过程的简洁和过程的结果的准确。
所以算法研究不如数学那样，可以一步一步演进，而须将体系一步到位的建成，然后在体系上发展方法。
算法于研究者的特性，正如科学，重在模式，与被认识对象有关。若模型不好，发展出的方法就是白搭。
我会从三个题目入手，分析算法研究的选、合、立三个层次，综合以指出，模式的贴切才是算法之根本。
至于方法，就素那浮云，风动则云变。 离开合肥时给好友群发的信件明晚就离开合肥回家了。这么多年来还是最长的一次离开。
在这里获得的太多，遗落的也太多，需要停一停，找一个新的开始。
但愿能快些回来，带着梦想、勇气和一生不变的自由。
是的，我这就回来了。 想起大学时候不少开心的事情qq上碰到个本科时候一面之缘的小丫头，明年就硕毕业了。
真是光阴唏嘘，时间飞逝，小丫头片子都长大了。
很多朋友今天都在哪呢，想必过得好吧。
小苹果的msn blog http://pingguo4u.spaces.live.com/ 9/21/2008 科大的校庆我不感冒，也不可能在校庆几天内去合肥，而选择庆典之后国庆之前去。
老朱说的，你要证明自己是个人才才会被科大承认。没有功成名就别来。
这是他作为校长一厢情愿的想法，以校为家也只是学子一厢情愿的想法。
希望十年后校庆能少功利气，仅仅是一家人聚一聚而已。 9/17/2008 人无完人女人，相貌才智性格三者，或缺一，或两者平平，鲜有完者。
假使有完者，那么很对不起，你恐怕不是她的style。
与谁共度会幸福是大话，与谁性命相关是谎话。
凡事自然而已，顺命而为可法自然，逆命而为亦可法自然。
没什么不可以，也没什么必须。
走自己的路，让别人走别人的路去吧。
不必为绝壁上盛放的花朵费心，更不必为随水流去的落红操心。
自然之意，使该来者来，使该去者去，万物自有生处自有归处。
同样，今日之宁静就是今日之福，何须为明日白操心。
出家可以求静，但躲不过耕织营生，倘受了众生的供养，就得为普渡操劳。
无挂无念是不可能的，呼吸须臾之间，精神便转过百千回，怎能自欺无意？
诸事皆有意，有意有限罢。
正如男女之事，既然人无完人，那么有意便是有限的，承认之便好。 飘过好久没有出门刷刷了。
我飘过，皮也飘过:P 看清楚所有过往的忧伤整理邮箱的旧信，发现这几年原来一直在试图求助，也一直面对着“爱莫能助”的面孔。诚然，相当一部分人很nice，会尽量言语鼓励。可一个年轻人，虽然富有才华，却一样的遭遇着无尽的冷遇。世界很冷漠，并不一定因为人心，而因为机会的稀缺。
跟朋友聊天，提及这么多年的郁闷，每次都因为莫名其妙的原因从最好的路线滑落，只能求其次。高中是其次，大学是其次，专业是其次，工作是其次，不得不靠自己创业还是求其次，甚至目前的片子能成功使用我的算法体系，也是忍让的结果。这些其次，是一次次的挫折，一次次的退让和坚忍。但从旁观，却又一直走在正途上，可一路上每一件事造成的艰辛的感受，始终压迫着。不甘心。
想必正是这不甘心，督促我寻求内在的完善，从知识到性格。也正是因为一直运气差，才不得不谋划，才有今天的思虑智谋。也正是由于别人千篇一律的“爱莫能助”，才使我天性的热心弥显珍贵，可以获得几乎所有人的信任。是的，世间的一切不快，倒成了益处。
既然今天看清了，就可以放下，把blog排头的字卸下来：“成长给予我的太多，需要停一停，想想过去，想想未来，想想从不停止的脚步。”回首四年来的生活，只有三个过程：潜龙勿用，见龙在田，苍龙出海。末一句是对短期未来的预测，见龙在田是今年，而潜龙勿用，则是整整三年，甚至包括前十几年的隐忍和蛰伏。
好了，从此不需再提一路上走来的艰辛。那曾经以忧伤的神情，在叹息声中的艰难渡过。但总来说还算幸运，毕竟当初回到成都就做好了当程序员只图糊口的最坏打算。可是命运奇迹般的，给我一个独立修行的机会。而这个机会的给予者，也就是如今的创业伙伴，当时纯粹属于无知无畏。
一个雄厚的软件算法设计师可以只依靠自己和一台个人电脑和一个编译器，但一个雄厚的硬件算法设计师则需要一个组和一堆昂贵的软硬件工具和一个项目的支持，因为这是实实在在的研究也是实实在在的工程。今天我可以自称独一无二了，不单因为天赋，不因为运气，而因为我敢走过这一道道深坎，从不放弃。 9/13/2008 果然是竞争对手啊
百度收了三鹿的钱看看两个搜索引擎关于三鹿的新闻：
google
三鹿的相关焦点
baidu
差别10个小时。之前的更夸张，baidu给出的是正面报道。三鹿想干什么，在最后关头多让几个家庭再买点奶粉吗？baidu就是帮凶。
一直觉得baidu这个公司很下贱，确实如此。 9/12/2008 又要开始一天过一百篇文献的清闲日子了像商人一样思考太累，我需要了解，但绝不会乐于。专利申请关键部分搞定，可以开始准备资料和接下来算法方向的调研。一天过一百篇文献的日子，相比起来真是轻松，值得期待啊。 评龙芯提到龙芯可以多说几句。龙芯没有下到工艺，只是在逻辑和布线层面设计，虽然目标是通用 CPU，但设计方法却仅限于design house。由于没有工艺支持，他们能做的，充其量一个低 速CPU而已。龙芯要想在单核性能上超越intel和amd，就素那天方夜谭，武林传说。500MHz 主频，龙芯2号双精度浮点运算速度为10亿次/秒，一个周期执行两个64位浮点运算（乘法还 是加法都不说清楚-_-b），但编译器支持？程序用得上？况且这是intel做过的方案。没有 工艺线，主频上不去，CPU商业化始终只是个梦想。而既然拿不出商业模式，就无法支持起 对工艺的研究。同时，没有先进工艺的支持，CPU主频上不去，还是没有商业利益可言。 但是，发展工艺线并达到世界领先等同于intel的水准，绝不是10^13￥以下的投入和20年以 下的时间，可以达成的事情。龙芯2和龙芯1的差别，就是买高速core来代替免费core，于是 有了500Hz的主频可以达到。而.18工艺免费core，一般200MHz是上限。龙芯2到龙芯3就更不 像话了，更高速的core买不到，就搞多核？小凳子坐一个人，大凳子坐四个人，除了降低成 品率外，有什么差别？说到这里可以同情一下上交的汉芯：没有工艺线支持就是不可能完成 的任务。只是陈进不敢宣布无法交差，骑虎难下时，干脆打磨芯片logo弄巧成拙。 龙芯如果真要走下去的话，或者老老实实做工艺。但这不是一个企业能支撑得起的，需要政 府和一大群成功的IC设计企业的共同支撑（收复台湾能有极大促进-_-b）。还有一条可能的 路线，就是出高价钱不停的买一个个比龙芯i更快速的core来做龙芯i+1，但这些只是垄断大 公司淘汰下来的core，买了等于帮垄断公司吸中国人的钱。龙芯的一些宣传口号已经在糊弄 外行，例如超越同主频甚至主频高一些的P3系列：那不是废话么，现在的CPU体系和十年前 的工艺的组合，当然应该胜过十年前的体系和十年前的工艺的组合。真担心他们在商业化的 口号下把自己越吹越远。体系的改进是有价值的研究方向，中国的研究机构能够参与进来是 好事，但若忘了工艺线这个根本，主频差几倍就少几倍性能，商业化永远遥遥无期。 ASIC芯片设计简述（一）从天下大势说起 现在工业发展的核心是自动化，自动化的核心是计算。一个以数字计算为核心的应用系 统包括：传感器及模数转换，数字计算，数模转换及控制器。小到家用恒温热水器，大 到自主导航系统。“二十一世纪是计算的世纪”，这个预言并不新颖。硬件工艺和体系 的进展，使得曾经因可实现性问题而放弃的构思成为现实，新的需求也不断涌现，主要 集中在实时信息处理。而基于算法的高性能计算，与基于体系的高性能计算相区别，重 在提高单任务执行效率，是实时信息处理得以实现的基础。 （二）学术历史 Bool提出的计算模型是逻辑计算机。这种东西不易实现特定功能，而计算机的设计目标 是为科学计算服务的，易用性比较重要，故有了图灵机模型和冯诺依曼储存控制结构。 在那个时代，工艺极限远未达到，学术界和业界都把进一步提高计算能力的希望寄托在 提高集成度上面。而到20世纪90年代起，集成电路工艺发展减速，冯诺依曼体系不支持 任务内的并行这一特性，逐渐成为限制单任务高性能计算能力的瓶颈。 另一方面，由于嵌入式系统小体积低功耗的需求，Application-specific integrated circuit，主要是数字逻辑计算方式，并未因冯式体系的主流地位而消失过。只是从20世 纪90年代后，除了对体积功耗有要求的应用场合外，又增加了以ASIC实现单任务高性能 计算的需求。这使得以逻辑计算为实现方式的算法研究重新兴起。 ASIC片性能到底能有多高，比如1mm^2左右的RSA内核在进行RSA计算时，比单核PC流量高 两个数量级。当把这些核并行工作，约10mm*10mm面积的RSA阵列，相当于10^4台单核 PC，或者拥有10^4颗通用CPU内核的服务器。这或者意味着一台基于储存控制内核的超级 计算机，在特定应用上，可以集约到指甲盖大小。这种夸张的差别因为：ASIC实现的一 个内核里可以有数万数十万甚至百万个逻辑门始终在工作，而PC的一个指定周期里调用 的计算器件的等效逻辑门数有若干数量级的降低，加上算法特化可能带来的复杂度阶降 低，故如此。 （三）产业链 以PC生产链为例，大致就芯片、板、装机这么三级。数字计算芯片的生产链大致也就分 为三级，芯片、应用模块、终端产品。两者相同处是，必须形成完整的生产链才能使各 级有钱可赚。但与PC不同的是，PC的需求定义已经成型，而ASIC既然是应用特化，其需 求就是具体的。由于设计成本和工艺本身的一次性成本高，任何一款芯片都必须靠量来 分担一次性成本。这决定了ASIC芯片需求提出的困难：必须从一系列市场需求中抽象出 一组应用模块，再从中抽象出明确的可由计算实现的功能定义。 可以说完成一个成功的芯片功能定义，并依据功能定义生产出满足应用最低性能要求的 芯片，那么组织产业链的绝大部分工作便已经完成。一颗或者一个系列的芯片的发售， 其直接拉动的生产链以平方律放大两次，这些看作产业链的上游。而通过终端产品的应 用带动的产业，可以看作产业链的下游。由此可以看到，新功能的定义和设计，对国民 经济的拉动作用，有芯片自身利润百倍千倍的功效。 （四）ASIC芯片设计和生产 芯片生产分算法、逻辑、空间、生产四部分。从半导体产业兴起算起，工艺一直先于设 计方法论得到发展，早期的生产线被控制在极少的大公司手中，设计到生产包办。直到 半导体生产线全球性大转移，建立的新生产线，为了在设计力量不足的情形下与旧有生 产线及背后的公司竞争，提出了设计生产分离的方式。自此芯片设计的入行门槛下降了 千倍万倍，在早期的简单算法要求下，一个design house只要具备基本的依靠EDA工具进 行逻辑设计和空间布线的能力，就能通过代工厂生产属于自己的芯片。代工厂则得以加 大生产线载荷，并避免了芯片定义带来的风险。 所谓算法设计，就是将需求分划到逻辑可实现模块，并定义模块实现的计算过程和模块 间的接口。所谓逻辑设计，就是依据算法阶段指定的模块计算过程和接口，用逻辑语言 实现。空间布线，一般称后端，指将逻辑设计映射为硅片上的电路。如果说算法是模块 和算子级的设计和细化，那么逻辑就是寄存器级和逻辑门级，空间就是电路级，而生产 就是物理级。 （五）ASIC芯片设计行业现状 与10年前大陆的芯片设计热不同的是，现今ASIC芯片设计行业处于冷静期，即使玩了二 十年单片机的企业也不敢涉足。一因为烧钱，EDA工具授权费，硬件平台等，研发周期中 的薪水支出，都是看不到短期回报的投入；二因为研发周期长，市场变化快，加上芯片 必须上量才能赚钱的特点，可行的芯片定义很难做；三因为ASIC片没有升级余地，一切 都固化了，生命期短，于是一次性成本的风险就更大了。对小批量产品虽然用FPGA实现 可避免流片的一次成本风险，但开发投入风险却是免不了的，而且FPGA有单片成本高的 缺点，不大赚钱。 在大陆比较常见的是代用方式，一个很狭义的所谓“片上系统”，将DSP核等通用内核和 储存器以及一些自定义逻辑做到一块片上，仍然用写程序的方式来实现主要功能。这样 便回避功能不可更改的问题，可以在流片后进行软件功能调整，延长了芯片的生命期， 也减少了提出功能需求定义时的难度。但通用内核的授权费不可避免，加上不能发挥 ASIC高性能计算优势，单片成本因此提高。 （六）高端ASIC芯片 ASIC实现有小体积低功耗单片成本低的优势，并提供了单任务高性能计算的可能。仅利 用优势之前者的低端芯片，设计简单应用也很广，但不能形成技术壁垒，开拓市场后很 容易被跟进者吃掉。高端ASIC芯片的瓶颈在设计方法学。从数字逻辑实现的角度看，计 算过程是空间的数据流，跟非冯诺依曼式体系下的程序流毫不相容。抛弃冯体系的思维 方式，是实践单任务高性能计算系统设计时面临的最主要的障碍。 有如下根本差别：1、没有随机储存，数据以储存空间位置到时间的关系流动，2、没有 程序，计算器件在固定的空间位置总是将输出端口转换为输入端口经逻辑得到的结果， 计算器件间的连接和数据流的时间关系就相当于“程序”。在这个前提下算法设计就成 了高端ASIC芯片设计的关键点。不幸的是，已经形成一定做法的，只有密码学的几个算 法，以及像FFT，DWT这样成熟耐用的基本算子模块。至于更上层的应用或者更宽广的算 法，没有任何方法学和参考。 没有方法学，这就是精华之处。 要缓慢的学习，从FFT大数乘法说起以大数位长为n
最基本的2进制直乘是 n^2 阶。虽然FFT算法宣称是 n*logn的，但要注意这是
个伪复杂度。FFT大数乘法可行的前提是累积误差不超过.5，这就是说，当FFT内部位长大于 与大数位长相关的某值时，可以得到 n*logn的伪复杂度。当大数位长足够长，则 FFT需扩位。FFT复杂度关于内部位长是平方阶，因此评价FFT大数乘法的关键是得出FFT位长 下限和大数位长之间的关系。 这个关系其实不容乐观，DFT截断误差的累积上限跟点数成正比阶，FFT要考虑旋转因子的累 积误差。故为限制最后的累积值不超过.5，故内部位长相对于点数的阶数有点大。所以fft 大数乘法的复杂度还要多上若干。一个简单的估计是，若FFT点数为p，每点位长q，则关于 点数的复杂度大于 p*logp*(q+loglogp)^2，其中省略了高阶量。不准确的原因是fft中间 各级截位造成的误差累积不好分析，这个玩意不能当作独立的误差。但这部分误差相当大， 为给出一个勉强可接受的结果，引用FFT经典分析指出的，FFT使有效位长不减，从这点看内 部扩位的最低阶量应该是logp，就是说FFT的复杂度其实是p*logp*(q+logp)^2。在q恒定的 策略里，这个复杂度是 p*(logp)^3。 注意到log(2,1000)^3约等于1000，考虑到FFT方法复杂度系数比较大，可以推断FFT大数乘 法只有在位长超过10^4甚至10^5数量级才能使复杂度低于2进制直乘的最大复杂度。 但是注意到，FFT有效位长不减的立论，基于累积误差分布的分析。累积误差分布标准差的 增长阶是平方根阶，而累积误差上限的增长阶时一阶。即便上面的最终估计，仍然显得过于 乐观，因为以整形运算为目标的大数运算要求FFT误差永远不超过.5而不是以很大的概率不 超过.5。 若再考虑到2进制直乘存在一些简化方法，就是把N*11,N*101这样的中间结果保存起来，以 大数2进制序列的冗余性来降低复杂度，那么FFT大数乘法和2进制直乘的优化算法各自的复 杂度也许只能相互逼近而不会分离太远。 这里似乎看到了一点“计算复杂度守恒律”的端倪，但目前尚言之过早。 所以不要死记硬背古董们给出的结论。既然他们宣称FFT大数乘法复杂度基于FFT的复杂度，就该 首先质疑FFT的复杂度是不是如他们所说。实际上关于FFT需要多大的复杂度才能实现精度上 近乎等价于DFT，这是上世纪70年代的工作，我敢打包票没几个人了解过这个问题的，因为 中国人接触计算是从PC年代开始的，鲜有考虑算子内部位长和结果有效位长的需要。当年的 米国数学家分析出了FFT计算可用这个结论并告诉米国的工程师，但中国的“科学家”在理 解这个问题的时候，只照搬了米国工程师的看法。 这个例子可以作为我们需要缓慢扎实的学习探索的一个例证。哪怕是FFT复杂度这种广为人 知的定论，其下也可能有不为常人所知的知识。如果忽略这知识，那么依据定论进行推广时 就必定会出错。算法设计要求参与者进行知识推广，若基础哪怕有一点不扎实，使推广的第 一步错了，那就满盘皆错。一定要缓慢的学习，在基础徘徊再久都是值得的。 9/8/2008 恶评《小议科学哲学的功能退化》曾经在瀚海星云算法版出现过有家伙因为我没有继续待在学院里而挖苦我该受点基本科学训练的事情，当然他认错也很快。这种自封的狂妄似乎相当普遍。大陆的官方学术圈内总容易有“天下无人”的声音存在，似乎不从它的门槛或者不从它认可的门槛里过，就是蛮夷。这种声音在年轻人中间散布，乃是十足的悲哀。
就拿这篇《小议科学哲学的功能退化》来说，其称：假如学科 A 所得的结果要么对学科 B 没用， 要么学科 B 的人自行提出了， 那学科 A 对学科 B 就谈不上有贡献。这是全文基本假设之一，另一个假设是一个人可以独属于一个学科。其宣称现代科学家和科学哲学家的称谓不再赋予同一个人，因此依据假设二，科学和科学哲学已经分家了，从事之的也是截然不同的人；再因从事“纯粹”科学哲学的人没有为“纯粹”从事科学的人提供直接指导，所以依据假设一，科学哲学对科学的“功能”归零了。
我且举个反例：我从流体的物理原理导出了类流场的更好的平滑方法，这属于信号处理的范畴，而我当时做的确实是信号处理问题，而流体只在很久以前有接触，所以我应该算是个算法研究者特别是信号处理算法研究者。因此流体这个学科对信号处理这个学科就没有在此事上产生任何“贡献”？这是头脑清醒的人所能得出的论断么？所以假设一是伪命题。至于假设二，显然是个伪命题，因为正是假定假设二成立而证否了假设一。
所以这整篇就是质量低劣的诡辩，稍有推理能力的人都懂得怎么从揭露伪论的前提条件来推翻它，而不困惑于推理过程的逻辑严密性。
试问这是学界的态度？还是“学界”的一些人，自以为“天下无人”而敷衍群氓的伪行？一个逻辑都把握不清楚的人奢谈哲学，还推出武断的论点，殊不知谈论“哲学”的“功能”本身就很荒唐。哲学的中心只关于人的思维和信仰，现代哲学流派的发展从未意味着第一哲学的灭亡。试问这“功用”如何体现在为具体知识方法分门别类上，如何体现在具体学科推理上？更如何因其体现不出来，所以就宣布没有功用？且不追究是不是他将“科学哲学”的定义是否偏颇了，就算是他所反对的对象先偏颇了，他也该拿出准确的定义而不是将错就错。
只是，这么一个，不，或许是一群“科学家”，连关于思维的知识都要挖苦，恐怕世上再没有什么知识不该受到鄙视。试问诡辩术的后面，维护的是真理，还是把官学继续伪装成科学的全部（以图利益）的把戏？这种东西有人信，也许这才是最可怕的事情。 9/7/2008 算法：科学？艺术？算法是艺术,不是科学,因为: 艺术是人创造的，而科学不是。 艺术永远是可以无止境的提高的，而科学不是。 艺术需要天赋才能掌握，而科学不需要，按部就班就行。 —— Donald Knuth 科学是完备的体系，在划时代突破的中间阶段，工作总可以被分割成独立无关的块，所 以按部就班就可以前进。每个分块都可以基于前人完成的层面达到新的层面。而艺术的 理论体系不能超越实践独自存在，伟大艺术品的创造往往由艺术家独断完成。一些磅礴 的事物，例如建筑园林，则由主设计师设计，由更多的人实现；歌舞剧还有音乐，也应 由唯一的创作者完全主导，分割得稀稀落落的群体创作往往惨不忍睹；至于文学，从来 没听说过合写是被普遍认可的。 从这个角度可以理解算法是艺术而不是科学：算法没有纯粹抽象的理论——至少目前没 有；算法环环相扣，不可简单分割，任何分割（除非是鲁莽的武断的）所依附的分析比 分割本身庞大若干数量级；任何算法构思必须能向下细分到逻辑，因为算法必须得到实 现；依据经验分块的算法组合，其水准往往惨不忍睹。 算法是创造，不是证明，不能依靠实验。科学是猜想是证明，依靠实验；科学本身不要 求简化，要求完全的表现自然，是自然本质的简明带来了数学和物理的简明，但更多的 学科并不能消除自然的繁复。艺术是创作，是灵感；艺术是将丰富的人生体验和哲学体 验凝练到篇幅有限的作品中。高明的算法要把丰富的领域背景和数学模型凝练在极简单 的过程中。艺术表述的不是创造物本身，而是其蕴涵的意境和思想；算法所骄傲的亦不 是计算过程本身，而是它实现的功用。 所以不适合的“科学精神”要扔掉：观测和直觉当中，选择直觉；实验和推理相比，更 相信推理（实验往往不遍历输入空间）；建模可以抽象简化，但最终必须还原；科学依 据大多数建模，少量例外是新发现的突破口（这样做以递进发展），而算法必须对全集 建模，任何的不清楚如果可能和模型相悖就不被允许；科学可以在上层建筑上建立更上 层的建筑，而算法必须把底层每一个逻辑弄得清清楚楚。 相对的，我要引进来一些艺术家们的想法：创造力至上；创造力和技巧相互结合，这结 合的完美程度决定了创造力能发挥的程度；技巧不是规则那么简单，单技巧这个词就可 以理解为有可选择的意思；艺术创作必须有实物；创作的目的不是造物本身，是造物蕴 含的思想，同样思想的造物近乎是一致的，如果它们的形式差别不大，那就是同一个东 西。 从事算法须坚信一点：最伟大的是人的思维，和思维对自然所蕴含的可行性的发现和开 拓，而不是自然的表现。这一点上算法接近基础数学。因为人类很难将思维形式化，更 难将创造性的思维形式化，所以这个体系永远不会如研究自然表现的学科那样简洁易操 作。算法也确实可以像艺术一样无止境提高，因为它受到的限制，不是客观的自然物， 是人的思维本身。 诚然如果有对智慧的外在标度，可以在标度上造就一个极限点，智力越高只是越接近这 个极限点而已，那么算法就有了极限。不幸的是，人不可能对智慧做出客观的标度，这 是经典哲学中的基本命题，人对自身对宇宙的认识是不可能穷尽的，因为认识依靠思维 本身，思维却是人的一部分也是宇宙的一部分（集合的悖论-_-b）。所以在主观的标度 下，智慧永无止境，算法也就永无止境。这像一个诡辩，大多数人会当成哲学思考。 9/6/2008 批改一段散文看到了很多的山山水水以及森林。黄山的山是安静的，在阳光下迎接着，沐浴着，偶尔 云飘过，躲在云中，若隐若现。黄山里基本各处都有水，形成大大小小的水流潺潺而 下，在山石之间刻画勾勒，找到属于自己的笔画。清泉石上流虽然是在夜晚，但我在我 忽然匮乏的言语中实在是找不到的更合适的词汇。这些泉水有些豪放，破山而出毫不收 敛，让你有些许畏惧而更多的是敬仰；有些腼腆，似乎你怎么找不到她在哪里，但是仔 细听着，你知道她在你的身边流过，偷偷看你；有些不谙世事，不理会人们的经过，不 躲，亦不收敛，如同安静的文人，他们有着自己的恒定性，不豪放，亦不腼腆，世人中 难有如他们清醒和淡定。你会发现，这就是黄山的水，各式各样的，每一种都能够用不 同的方式感动你。 要精炼，再精炼，否则有亏于精彩。 看到过许多的山水，独黄山的山是安静的，在阳光下迎接着，沐浴着。偶尔有 云飘过，便躲在云中，若隐若现。黄山到处是水，形成大大小小的水流潺潺而 下，在山石之间刻画勾勒。清泉石上流，虽是夜景，但在我 忽然匮乏的语言中竟找不到的更合适的词汇。这些泉水有的豪放，破山而出， 让你有些许畏惧和敬仰；有的则腼腆，似乎找不到她在哪里，一旦仔 细听着，就知道她在你身边流过，偷偷看你；有的仿佛毫不理会人们经过， 如同隐士，有着自己的恒定性，世中人 难有如他们的清醒和淡定。这就是黄山的水，各式各样的，每一种都能够用不 同的方式感动你。 这样便可独立成文。美文于差一点美的文，差别可能只有一点点。 提笔时想到的固然多，不言则是真谛：什么落笔什么暗藏什么不语。 苍龙出海从项目了结的疲倦中又找到最佳的状态了。此一次，苍龙出海也。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
