“灵犀包含30万颗麒麟970芯片和1.6万颗昇腾910芯片。”李飞向诸位大佬介绍道：
“昇腾910芯片与同等规模的英伟达h100芯片系统相比，它要快2倍，节能效率高1.7倍……”
“目前超过90%的训练都在灵犀上进行……”
“主要是给模型输入数据，让它能够生产类似人类的语言，另外生成图像等等。”
“灵犀的性能、可拓展性、可用性的表现，已经成为大数据模型训练的主力。”
“要搭建一个规模如此大的模型不是简单的事情。”
“因为语言模型不可能存储在单一芯片上，而是需要分布在数千、上万颗芯片上。”
“因此改善芯片与芯片之间的连接，成为搭建超算的关键难题”
李飞继续介绍道：
“但是，我们解决了这个难题。”
“它可以轻松配置芯片之间的连接，能够避免问题并优化性能。”
“如果在运行过程中，有芯片组发生故障，会不会影响超算的运行?”任总问。
“不会，超算会自动跳过这些故障组件，继续运行。”李飞自信说道：
“同时，它还会提醒我们的工程师，究竟几个芯片组发生了故障。”
任总点头：“这点就难能可贵。”
老徐问：“那这么说，这台超算可以随机应变，改变芯片互联的拓扑结构，加速模型学习？”
“对，徐总，我们可以通过电路切换做到这一步。”李飞说。
“大数据模型目前学习进度怎么样？”常乐更关心这一点。
超级计算机如何搭建？
算力多高？
成效多高？
特点如何？
常乐这些都听不懂，听得懂的就是进度，形象进度。
“好的，老板，各位老总，我们去楼上看看。”
李飞前方带路，带着众人离开地下室的超算中心。
电梯里，小马哥对常乐说：“我们公司借鉴项目组的经验也开发了一个模型，叫wechatGame，正在训练它玩游戏，王者。”
“哦？段位怎么样？”常乐好奇。
谷歌也有类似的游戏大模型。
“呵呵，倔强青铜，偶尔能胜一场，大多数都是输。”小马哥摇头笑道。
“这么差？训练多长时间了？”常乐问。
“刚刚开发完，训练了半个月吧。”小马哥说。
“那还算正常。AlphaGo能战胜李世石，也是准备很多年时间，这套算法是可以的。”常乐说。
“万里长征第一步，这个事急不得。”任总说：
“据我所知，我们的脚步不算慢。”
“说的也是。”
众人来到wechatGpt数据模型训练中心。
李飞对着正在训练的模型向众人介绍道：
“各位老总，一年多以前，我们搭建了第一代模型，采用了无监督的训练方法，对互联网文本大规模训练，使模型具备了初步理解语言结构并生成类似语言的能力。”
“半年多以前，大模型迭代到第二代。采用更大的互联网数据集进行训练，生成了更强大的模型。”
“到了第二代，它已经能够生成连贯而流畅的段落，具体形容就像一个中学生的作文，是优秀作文的那种。”
“一个月以前，模型已经迭代到第三代。”
“规模、性能都取得显着突破，参数更是突破2000亿。”
“问答、翻译、摘要等方面已经相当于人类的水平。”
“还可以撰写连贯优美的文章以及文艺性的诗歌。”
“也能写一些简单的代码，但是在情感表达上有些不伦不类。”
介绍到这里，李飞亲自示范。
他问“生命的意义是什么？”
wechatGpt：“生命的意义是一个深奥又复杂的话题，不同的人可能会有不同的答案，通常有如下几类观点：一是实现个人价值……”
这个回答，中规中矩没有丝毫特色。
但也符合标准意义上的AI风格。
小马哥问：“李白的父亲，有三个儿子。大儿子叫大白，二儿子叫二白，那么三儿子叫什么？”
wechatGpt：“三儿子叫李白。”
这个问题，已经有了一定的思考倾向，但也可以从互联网的记忆中得到答案。
任总问：“怎么做到教育均衡发展。”
wechatGpt：“教育均衡发展是指在教育资源的分配和利用上，实现公平、公正、合理的原则，使每个学生都能够获得平等的教育机会和优质的教育资源。以下是一些实现教育均衡发展的方法……”
“一是加强教育投入……二是优化教育资源配置……三是推进义务教育发展……四是促进教育公平……五是加强家庭教育和社会教育……”
又是一段中规中矩的回答，简而言之就是没有特色。
这时，徐总问：“你有意识吗？”
wechatGpt：“作为一个人工智能程序，我没有真正的意识或情感。我只是根据我所接收到的输入和编程指令来生成回答。虽然我可以模拟对话和理解自然语言，但我没有自我意识或主观体验。”
李飞继续解释：“目前，我们一方面继续训练它的文本表达能力，另一方面开始训练它的数学解答能力……”
“另外，我们正在推进新的方向，就是图片生成能力，根据文字描述生成图片……”
徐总皱了皱眉头说：“我总觉得这个模型迭代速度有些快，语言表达能力已经非常熟练。”
在场所有人愣了一下，包括李飞。
确实快，一年时间，迭代了三次。
此时，谷歌对他们的模型训练速度不满意。
准备自研tpU芯片来取代英伟达的通用芯片，搭建专门训练模型的tpU系统。
openAI自2015年成立后，就一直在慢慢摸索。
今年年初刚刚搭建第一代模型，然后油尽灯枯。
因为ceo想商业化获取更多资金。
而马斯克拒绝商业化，这会影响他的股权和决策效用性。。
他想夺权，结果被董事会孤立。
接着，他离开了openAi，顺带撤走了他的一亿美金。
大模型最关键的因素是什么？
钱！钱！很多钱！
至于语言模型原理，并不稀奇。
因为辛顿师徒，已经将卷积神经算法以论文方式公开。
各大公司根据这套算法，发展出了自己的运算模式，不过都大同小异，关注点不一样。
关键还是投入的算力规模和算法训练的速度。
小马哥照着徐总的话问了一句：
“照这个速度，迭代下去，会不会产生自主意识？”
小马哥的话说完，在场之人都愣了一下。
这不是没有可能。
在场的人都知道，李飞采用的卷积神经网络就是冲着意识去的。
2012年辛顿师徒的卷积神经网络算法，又叫AlexNet架构，公开后，逐渐分成了两条线路。
一条路线叫人类反馈强化学习。
这条路线，就是不断灌输模型答案。
如，你告诉模型1+1=2，模型就知道1+1=2；
如果，你突然问模型2+2=？，模型不知道。
你要先告诉模型2+2=4。
依照这种方式，不断灌输模型数据，待数据无穷大，模型几乎万能。
但是前提你得万能，然后告诉他答案。
第二条路线就是希顿师徒倡导的。
慢慢训练模型学习、理解、成长，直至有自己的理解能力。
李飞团队采用的路子就是第二种。
通过海量数据训练模型形成理解、分析、推测、推断能力。
“迭代的速度这么快，迟早会形成意识，那怎么办?”
是啊，怎么办？