第904章 關鍵在於算法

 歐洲很多國家盲目追隨美國政策，比如在經濟領域對一些國家加關稅，毫無自己的主見。

 在ai發展上，歐洲沒有形成強大統一的發展戰略，還不斷消耗資源追隨美國行動。

 這就如同ai走入歧途。

 我們必須思考，如何在科技
發展中找準自己的方向，避免盲目跟風或過度追求表面數據。”

 楊閒點頭稱是。

 他端起咖啡，卻沒喝，只是看著杯中的液體說道：“是的。

 在ai發展上，我們應迴歸本質，像人類大腦一樣重視算法和真正的智能產生機制。

 而非單純追求高參數、大量數據和鉅額算力投入。”

 說著，楊閒的手機突然震動了一下。

 他低頭看了看，扶了扶眼鏡，看著手機群說道：“有朋友留言說，清華大學那邊有進展。

 國內有團隊正在做福建運算相關的通用平臺研究。

 視頻發佈不到十幾個小時，就有人爆料青北大學相關團隊公佈了相關論文。

 利用福建運算邏輯，通過顯卡底層增強，讓4090這種消費級顯卡能完全運行r一滿血大模型。

 而且速度不比專業的a100算卡慢。

 很多朋友問這是怎麼回事，原理其實很簡單。

 顯卡原本是提升顯示效果的，通過gpu提供格柵化運算和浮點運算來實現成像。

 以前超級計算用計算機、服務器、大型機甚至巨型機。

 但到了ai大模型時代，人們發現gpu計算速度最快，不過它並非最適合。

 於是英偉達推出了cuda平臺，可理解為在顯卡上進行計算的操作系統。

 必須在這個平臺上才能調用顯卡算力，實現數據進入大模型訓練等工作。

 但它的工作原理也是調用底層芯片的浮點運算能力。

 有沒有更好的辦法呢？當然有。

 清華大學的論文解析了整個4090芯片底層，通過二進制語言編寫運算代碼，支持在上面部署大模型，提升了推理能力。

 但要說這塊卡真正的訓練能力和a100相比，肯定比不上，畢竟算力有很大差距。

 不過這個邏輯是可行的，放在任何顯卡上，通過底層充分發揮浮點運算能力。

 就能超越cuda平臺對單個顯卡性能的損失。

 因為cuda是通用平臺，配置在英偉達的顯卡和算卡技術之上。

 不可避免會對單個顯卡性能有一定損失，其插件也是通用的，保證能用但效率不高。

 記得22年還是23年，美國有個團隊專門發文分析，cuda對英偉達算卡的利用率不到85%，大概82點幾。

 所以，如果把浮點運算提升到很高水平，超越cuda平臺下英偉達算卡的表現沒問題。

 這是丁s開源論文裡的重要問題，也是國內很多團隊在這方面下功夫的原因。

 通過機械語言直接調用底層浮點算力，適配多個國產卡，形成通用鍵，挖掘算力內部潛力。

 這算是一個非常重要的進步，也是各個團隊正在努力的方向，他們的成果非常了不起，是眾多工程師共同努力的結果。”

 葉回舟思考片刻後，微微皺眉說道：“可這對現在的ai研究界來說，可能是個巨大挑戰。

 畢竟目前大家都在朝著提高參數和擴大規模的方向發展。”

 楊閒笑了笑，靠在椅背上，回應道：“沒錯，這就需要有人站出來打破常規。

 就像馬斯克在其他領域創新一樣，如果他在ai領域也能實現突破，那才值得期待。

 但現在他的g3給我的感覺，還是在舊框架裡玩新花樣。”

 小胖子王濤拍了拍楊閒的肩膀，臉上露出燦爛的笑容：“不管怎樣，能有這樣深入的討論已經很棒了。

 希望未來能有更多關於ai正確發展方向的思考。”

 葉回舟拍了拍王濤的手，點頭說道：“沒錯，現在技術發展日新月異。

 我們必須不斷思考，才不會迷失在這些看似華麗的數據背後。”

 楊閒接著說：“我們公司其實也能從中吸取經驗。

 在項目開發中，不能只看重表面的成果數字。

 更要注重質量、效率和可持續性，打造真正有能力的智能系統。

 而不是靠堆砌資源弄出華而不實的東西。”