想到ai。
赵阳皱了皱眉头靠在椅背上，手指在多功能眼镜的触控条上无意识地划了几下。
“小新，帮我调查一下目前世界ai发展的趋势和情况。”
“好的主人。”
镜片上淡绿色的数据面板逐行滚动，小新很快就推送过来一份全球AI领域技术进展简报。
他看完之后眉头微微皱起，把眼镜摘下来放在桌上，端起已经凉掉的茶喝了一口。
目前的AI还处于浅水区。主流的深度学习框架还在用传统的卷积和循环结构堆叠层数，算力靠英伟达的通用GPU撑着，整个行业对大规模语言模型的认知还停留在理论上。
跟后世ChatGPT出来之后那种全行业疯狂涌入的景象比起来，现在这个时间点简直可以说是AI的史前时代。
LLM模型他现在当然能做，甚至可以直接优化到后世2026年的版本。这些年研究小新的过程中积累下来的底层架构改进，注意力机制的变体，以及分布式训练中的通信优化策略。
这些东西随便拿出一部分都足够碾压包括后世一直到2026年的全部所谓的人工智能模型。
他在脑子里快速过了一遍几个关键的技术节点，Transformer的多头注意力可以在稀疏化之后把推理延迟压到更低，MoE混合专家模型的动态路由策略能降低实际激活参数，RLHF的强化学习对齐方案也早就被他嵌合进入了自己的知识体系。
把这些整合成一套完整的工程方案并不难。
但问题不在模型本身，而在算力。
老黄现在还在潜水期。刚发布的GTX960性能平平，核心频率拉得保守，显存带宽砍了一刀，整个DIY圈都在骂这是挤牙膏。
反倒是上一代的750Ti因为功耗低、价格便宜、不用外接供电，被玩家捧成了神卡。
消费级显卡市场就这么点体量，真正能拿来跑大规模神经网络的算力卡在市面上根本买不到。
英伟达自己也在摸索，眼下他们把更多的精力放在了游戏显卡和专业图形卡上，数据中心级的通用计算产品线还没成型。
这种局面再持续一段时间，等到AI大潮真正爆发的时候，英伟达手里已经有了CUDA生态和几代表现优秀的数据中心GPU，后来者就很难追上。
但目前，这一切都还根本不存在，眼下才15年年初这会儿。
太早了，这么早，算力卡都没有
（本章节未完结，点击下一页翻页继续阅读）
正在加载...