大規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。這邊剛一做完決定，立即就搞得滿世界都盡人皆知了。

　　“這……”紀弘看到相關消息，簡直有些哭笑不得:預測模型這麽準的嗎?

　　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。

　　耳語系統雖然沒有表現出超強的攻擊力，卷耳智能科技甚至都沒有為它開過一個發布會，有點兒並不重視的樣子，但它的戰鬥力就在那，任誰都沒法忽視。

　　哪怕根本就沒有正式在美歐地區銷售，就已經開始慢慢的侵襲微軟的Windows市佔率了。

　　如果下一個版本還不能扭轉過局勢來，那劣勢瞬間就會轉化為敗勢！

　　生態是護城河不假，但被護城河淹死在城內的可是有先例——當年諾基亞塞班系統市佔率高吧?現在再看看，哪裡還能看到它的影子！

　　護城河是對同級產品而言的，過於落後，掉到河裡的只會是自己。

　　紀弘也是想到了這兒，隨後又看了看那個預測類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，預測GPU行業，單單就這一個行業，預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品！”紀弘這麽想著:“先拿去給陳繼業做企業分析試試。”

　　“微軟這邊……”決心下的那麽大，所有人都看出微軟要做什麽了，紀弘當然也不例外，這個時候，他在思考這樣一個問題:

　　“現在他們的大模型，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——先前在創界，主要利用別家平台進行接口對接開發，後來自己創業，上來就是類思考模型，對T模型屬於降維打擊，並不存在這樣的問題。

　　他對此沒有什麽研究，但有一個人一直在關注著這方面——這個人就是孫博。

　　“靠無限制的堆積算力獲得高性能大模型，短期內是可行的。”

　　孫博也是看到了微軟的行動，在CSDNBlog跟一群人正在探討相關的話題:

　　“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，這裡邊有一個巨大的問題，根據我的研究，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，很複雜，但大約可以簡化為這個函數:y=c·log(e)·(X+1)。

　　“這裡邊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。”

　　就算是對數學再不懂的人，看到這個公式也該看出來了，因為這個函數的曲線到最後，幾乎就是一條平平的橫線。

　　也就是說，當顯卡堆積達到一定規模之後，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，到最後甚至肉眼都不可見了。

　　這麽說著，孫博還舉例道:“以現在的GPT4為例，如果想要一個2倍GPT4參數的大模型，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，而更大規模的集群，片間互聯的損失肯定也會更大，實際效果只會更差。”

　　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，片間互聯損失這一塊兒本身就不好解決，要不然超大規模智算中心也不至於這麽稀有了——河州大學搞的那個還是純國產第一例。

　　“按你這麽說，微軟這孤注一擲的效果，不一定會好啊！”有人這麽回了一句。

　　“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乃至後續沒有發布的4.5版本，之所以沒這麽堆規模，就是在卡能效比的兩個節點。

　　“再堆規模下去，性價比會越來越低不高。但現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，現有模型的理論上限他清楚的很，哪個算力節點卡一下性價比最高他大約也都清楚。

　　到了一定程度，盲目的加規模肯定得不償失。除非迫不得已，一般不會這麽乾的。

　　紀弘一邊看著孫博的回復，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。”

　　……

　　紀弘在念叨孫博的時候，孫博也在念叨他——起因就是紀弘發的那個私信。

　　“最優化理論的一個分支，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始人紀弘吧?”

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

　　“這是實現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麽問題。

　　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據和信息為載體的，通常來說，交流只是擴大了信息量。”

　　比如可以利用一個大模型的數據去快速的訓練另一個大模型——這一點大家都知道，千尋的文心一言用過GPT的數據。

　　後來，谷歌的大模型也被爆出過用了文心一言的訓練數據，大家利用來利用去的，這都不是些稀罕事兒。

　　“但這還是要走訓練過程的啊，只是少了數據清洗和標定過程以及相關的人力成本而已，兩個模型的能力並不能直接相加，能利用的只是數據而已！”

　　“除非……”一個大膽的想法在孫博腦海裡漸漸的浮現出來:“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?相當於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，這已經有先例了:“這人絕對是紀弘沒跑，他這是對我有興趣?”