大規(guī)模購入顯卡這件事兒，微軟和OpenAI絲毫沒有對外保密，甚至搞的格外高調(diào)。這邊剛一做完決定，立即就搞得滿世界都盡人皆知了。

    “這……”紀弘看到相關(guān)消息，簡直有些哭笑不得：預(yù)測模型這么準的嗎？

    想想很離譜，但仔細一分析，確實也在情理之中——因為微軟壓根兒就沒有第二條路可以走。

    耳語系統(tǒng)雖然沒有表現(xiàn)出超強的攻擊力，卷耳智能科技甚至都沒有為它開過一個發(fā)布會，有點兒并不重視的樣子，但它的戰(zhàn)斗力就在那，任誰都沒法忽視。

    哪怕根本就沒有正式在美歐地區(qū)銷售，就已經(jīng)開始慢慢的侵襲微軟的Windows市占率了。

    如果下一個版本還不能扭轉(zhuǎn)過局勢來，那劣勢瞬間就會轉(zhuǎn)化為敗勢！

    生態(tài)是護城河不假，但被護城河淹死在城內(nèi)的可是有先例——當(dāng)年諾基亞塞班系統(tǒng)市占率高吧？現(xiàn)在再看看，哪里還能看到它的影子！

    護城河是對同級產(chǎn)品而言的，過于落后，掉到河里的只會是自己。

    紀弘也是想到了這兒，隨后又看了看那個預(yù)測類AI模型：如果變量過多，時間很長，對它來說確實難度很大。

    但如果變量很少，就像這次，預(yù)測GPU行業(yè)，單單就這一個行業(yè)，預(yù)測某些公司的短期動向，看起來還是很靠譜的。

    “這東西包裝一下也是一個非常強大的產(chǎn)品！”紀弘這么想著：“先拿去給陳繼業(yè)做企業(yè)分析試試?！?br/>
    “微軟這邊……”決心下的那么大，所有人都看出微軟要做什么了，紀弘當(dāng)然也不例外，這個時候，他在思考這樣一個問題：

    “現(xiàn)在他們的大模型，Transformer這類的，靠無限制的堆積算力，就能無限的提高模型能力嗎？”

    紀弘對此還真沒有研究——先前在創(chuàng)界，主要利用別家平臺進行接口對接開發(fā)，后來自己創(chuàng)業(yè)，上來就是類思考模型，對T模型屬于降維打擊，并不存在這樣的問題。

    他對此沒有什么研究，但有一個人一直在關(guān)注著這方面——這個人就是孫博。

    “靠無限制的堆積算力獲得高性能大模型，短期內(nèi)是可行的?！?br/>
    孫博也是看到了微軟的行動，在CSDNBlog跟一群人正在探討相關(guān)的話題：

    “長期的話，倒不是有上限，真要有魄力不計成本無限制的去堆積算力，理論上是真的能夠獲得無限制的性能提升的。

    “但也僅僅只是理論上，這里邊有一個巨大的問題，根據(jù)我的研究，它的增長不是線性的。

    “我大約計算過，實際的增長曲線就不說了，很復(fù)雜，但大約可以簡化為這個函數(shù)：y=c·log（e）·（X+1）。

    “這里邊y指的是性能，X你們就姑且理解為算力堆積的基本單位，大約趨勢如下圖。”

    就算是對數(shù)學(xué)再不懂的人，看到這個公式也該看出來了，因為這個函數(shù)的曲線到最后，幾乎就是一條平平的橫線。

    也就是說，當(dāng)顯卡堆積達到一定規(guī)模之后，就算再堆積硬件，性能雖然也會增加，但增加的也會十分有限，到最后甚至肉眼都不可見了。

    這么說著，孫博還舉例道：“以現(xiàn)在的GPT4為例，如果想要一個2倍GPT4參數(shù)的大模型，對算力的需求大約會是多少呢？

    “我計算過，大約需要十幾倍。而且公式計算的只是理論效果，而更大規(guī)模的集群，片間互聯(lián)的損失肯定也會更大，實際效果只會更差?！?br/>
    孫博很是熱情，只要不涉及他自己工作的機密和核心，只要他在的時候，那幾乎是有問必答的。

    紀弘也正好翻看到這兒，他沒有過多的驚訝，片間互聯(lián)損失這一塊兒本身就不好解決，要不然超大規(guī)模智算中心也不至于這么稀有了——河州大學(xué)搞的那個還是純國產(chǎn)第一例。

    “按你這么說，微軟這孤注一擲的效果，不一定會好??！”有人這么回了一句。

    “效果不好是一定的，花費兩倍的價格，可能能得到1.5倍的性能，最多也就如此了，想要趕上耳語的能力，我覺得不大行。

    “其實OpenAI自己肯定也清楚，GPT4乃至后續(xù)沒有發(fā)布的4.5版本，之所以沒這么堆規(guī)模，就是在卡能效比的兩個節(jié)點。

    “再堆規(guī)模下去，性價比會越來越低不高。但現(xiàn)在不是被耳語逼的沒辦法了嗎？”

    孫博本就是研究前沿理論的，現(xiàn)有模型的理論上限他清楚的很，哪個算力節(jié)點卡一下性價比最高他大約也都清楚。

    到了一定程度，盲目的加規(guī)?？隙ǖ貌粌斒?。除非迫不得已，一般不會這么干的。

    紀弘一邊看著孫博的回復(fù)，一邊分析這個人，越分析越是感興趣了——這是一個有真材實料的理論家。

    “如果能挖來卷耳科技，將會是一個巨大的臂助?！?br/>
    ……

    紀弘在念叨孫博的時候，孫博也在念叨他——起因就是紀弘發(fā)的那個私信。

    “最優(yōu)化理論的一個分支，目的是為了解決大模型之間交流的問題，這人該不會是卷耳智能科技的創(chuàng)始人紀弘吧？”

    孫博看了好一會兒，想到了紀弘在河州大學(xué)采訪時說的一個兩個三個多個模型串聯(lián)得出更精準更切合先說你的結(jié)果，那些話。

    “這是實現(xiàn)AGI通用人工智能的一個思路嗎？”

    孫博看的有些迷，是因為很多關(guān)鍵點紀弘都給他略去了，但大致的框架還在，他知道這東西在解決什么問題。

    事實上，他本人也在研究這個。

    “但是，大模型之間的交流是以數(shù)據(jù)和信息為載體的，通常來說，交流只是擴大了信息量?！?br/>
    比如可以利用一個大模型的數(shù)據(jù)去快速的訓(xùn)練另一個大模型——這一點大家都知道，千尋的文心一言用過GPT的數(shù)據(jù)。

    后來，谷歌的大模型也被爆出過用了文心一言的訓(xùn)練數(shù)據(jù)，大家利用來利用去的，這都不是些稀罕事兒。

    “但這還是要走訓(xùn)練過程的啊，只是少了數(shù)據(jù)清洗和標定過程以及相關(guān)的人力成本而已，兩個模型的能力并不能直接相加，能利用的只是數(shù)據(jù)而已！”

    “除非……”一個大膽的想法在孫博腦海里漸漸的浮現(xiàn)出來：“除非，有辦法讓智慧化的能力直接交流甚至融合。這……”

    饒是只是一個想法，孫博也被自己嚇了一跳：如果兩個模型的智慧能力本身能夠融合和共同利用，但這可能嗎？相當(dāng)于人之間的交流了啊這！

    “類思考……”

    剛還想著絕不可能呢，但類思考三個字一出來，孫博腦袋直接“嗡”的一聲，這已經(jīng)有先例了：“這人絕對是紀弘沒跑，他這是對我有興趣？”