如果说叉 gpt 这集上钩犬,我们的互联网大厂还勉强能扛得住,那因为达到 ai 芯片,就是对我们芯片产业的致命一击了。深沉式 ai 加造芯啊,几乎把我们按在地上绞杀了。 在昨天,芯片界的扛把子英伟达宣布专为深层式 ai 打造的 h 一百芯片重磅发布,可以为拆 gpt 提高十倍的算力啊,是十倍哦! 这对我们有什么影响呢?首先你要明白,算力它没有好坏,只有快慢生成。是 ai 需要 不断的训练才能大力出奇迹。时间就是效率,时间就是金钱啊。他们是 gd 四加英伟大 h 一百。我们是文心一言加昆仑行,一次训练差一点,那 一个月一年呢?所以你明白了吗?他们早训练,早完成上市,市场占有率早就被拿下了,根本不给我们机会啊。商业机会的背后,其实就是科技实力。 那好消息是什么?是,即使美国禁止向中国出售高端芯片,但英伟达还是给我们留了两个口子。一个是将 h 一百的芯片效率降低百分之五十,调整为 h 八百的中国特供版,以及推出了一款云服务 djx cloud, 通过浏览器 djx 超级计算机就能及时的接入每一家公司。据说我们国内的互联网大厂已经购买这项服务了,就是有点贵,一个月二十五万租金啊,干不掉还需要,真是杀人诛心啊。 这股深沉式 ai 的造型热潮,势必会激励中国的造型产业发展。我们擅长的是一到一百,而研发芯片创造性的零到一确实是我们的弱项。 要看到差距,我甚至觉得如何百度把昆仑星的算力提上来,对中国未来的影响甚至超过文新一页。所以,各大互联网大厂、 芯片企业谁能代表中国心呢?欢迎大家在评论区讨论起来,就这样点赞关注不迷路哦,拜拜!
粉丝63.0万获赞488.9万

最近火爆全球的聊天机器人 chin gpt 让常人都感受到了 ai 的强大,有人说 gpt 四的知识已经超过了一个 stepford 学生,智力水平也接近了。其实 chipgpt 成功的背后和游戏是分不开的。为什么这么说呢?我是 stenford 机器人跑魔师,下面就听我在硅谷给你解读。 叉 t p t 是我们人类造出的最复杂的程序,它实际上是一个超大的深度学习模型。深度学习的模型就像人脑的神经元和神经链接,从数学上来讲就是很多矩阵的相乘和相加。叉 t p t 有一千七百多亿个参数, 模型的大小是五百七十 g b, 这个需要一个超级计算机才能够运行。叉 g b t 以及所有深度学习模型的训练都是在 g p u 上完成的,也就是中文里所说的显卡,而不是在 c p u 上。说到显卡,打过游戏 的人都知道了,那为什么深度学习的训练要在玩游戏的显卡上来做呢?这个要把时间回溯到上世纪九十年代,当时微软的 windows 试窗刚出现图形模式,屏幕上的每个像素是什么颜色都要实时计算, 幺零二四乘七六八的屏就有五百多万的像素需要计算,而且每秒至少要算二十四次,这样 cpu 吃不消了。这就催生了硅谷的一些创业公司,其中之一就是我们三佛接触校友黄仁勋,也就是我们爱称的黄教主所创立的 nba 英伟达。 cpu 是一条指令,对应一条数据, rcpu 在做三 d 渲染时,也就是在计算每个像素的值的时候,所遵循的公式是一样的,只是数据不同而已,这就比 cpu 简单很多,所以可以有很多个计算和大家一起算,这样几百万像素的计算就可以做到实时了。这个就叫 s md, 一条指令对应很多数据。而随着游戏行业的发展,大家为了追求更真实和实时的体验,对算力也提出了更高的要求,这就推动 gpu 不断提高算力和越来越多,每个核的计算能力也越来越强。 我当时就想到可以利用 gpu 的算力和并行运算来做图像拼接的计算,并在全球第一个把它用到了 b 超仪器上,类似现在 iphone 上的全景照相。后来英伟达也认识到了这一点,推出了哭档。这是一个通用的并行编程语言, gpu 一下子就可以用到各种科学计算上了。 这时候在加拿大的一个小城里,有一个出生在前苏联的犹太人,刚刚在三佛大学 ai 大牛文达手下做两个月的博士后,他叫 a 列,他要用神经网络做图像识别。最大的问题就是 cpu 算的太慢,一个同事告诉他可以 是用 gpu 来计算,他一试果然加速了上百倍。因为深度学习里的计算基本上就是矩阵运算,这个是 gpu 最擅长的之一。威廉后来又在两个 step 辍学生马斯克和奥特曼的劝说下,在二零一五年一起成立了 openai。 黄教主这次给 openna 送来了英伟达的 gpu 做成的超级计算机,最终拆 tpt 是用了上万个英伟达的 gpu 做训练,训练一次要跑一个多月。目前全球百分之九十五的深度学习训练都是在英伟达的 gpu 上做的,但是他的游戏业务还是有很高占比约百分之四十, 所以给他的研发输送了不少弹药。目前 gpu 在深入学习的训练上的速度比 cpu 一般都要快一百倍以上,按照半导体的摩尔定律, cpu 每两年的算力提高一倍,十年才会提高六十四倍。所以没有油气产业的市场 需求和资金来推动 gpo 的发展,拆 gpd 的出现至少要晚十年以上。现在你知道拆 gpd 的出现和你打游戏买显卡的贡献密不可分了吧。 其实游戏不只是在 tpu 的硬件上帮助了 ai 的发展,在软件和算法上也帮助了人工智能的进步,尤其是在机器人上。比如说你一定点赞过波士顿动力的机器人,他的翻腾跳跃比人都牛,但背后实际上是无穷次的失败,因为双足和四足机器人的编程太难了。 英伟达为此提供了一个类似游戏的虚拟环境 omniverse, 让虚拟的机器人可以在里面训练。瑞士的苏黎世理工就是用这个 omniverse 训练了他们的四足机器人 animo, 这个是使用深度学习中的加强训练 格的阿尔法扣就是用这种训练方法训练出来的,而且战胜了围棋世界冠军李氏时。但这个方法需要积极 些人试过所有的可能,说实话,这只能是在虚拟环境中,要是在真实世界里,那这只狗不知道要牺牲多少次了。刚刚腾讯把这个加强训练又提高了一个台阶, 腾讯通过游戏领域的技术,把真狗的跑步动作数字化了,建了模型,再把这个加入到他的虚拟机器狗的训练中,让机器狗就像我们人学走路一样了。有了大人的调教,因而很快就学会走路了,没听说哪个孩子在走路的过程中摔成了残废。 最近,三佛大学和谷歌的研究人员还把叉 g p t 和一个模拟人类生活的游戏结合了起来,发现当你给叉 g p t 一个长期目标记忆和行为反馈后,叉 g p t。 就真的像我们人类一样,每天 起床、洗漱、吃饭、上班、聚会和议论别人了。以后游戏和人生都很难区分了。未来游戏 产业对于人工智能产业的拉动规模还会持续增加,今年是三百多亿元,二零三零年会超过一千亿元。所以说 ai, 尤其是 chat tpt 的出现,实际上是靠游戏产业输送的弹药。 今日的 ai 的成功和游戏有着密切的联系,而且我觉得未来两者的结合和相互促进更会改变人类社会的形态,你觉得呢?

还是接上一期视频,很多网友答对了,这的确是一张运算卡,主要的使用场景呢,就是人工智能的 ai 深度学习卡,比如现在非常流行的人工智能差的 gpt, 早期的训练模型就是使用的英伟达 v 一百和这款 k 八零的两款显卡。最新的叉的七 pt 四已经开始使用 a 一百和 h 一百来进行 ai 模拟训练了,而后者的两个显卡已经被美国限制出口到中国了。这两个显卡虽然在超创领域神一样的存在,并且二十四万的天价在此之前还需要排队购买,那现在排队也买不到了。 不过办法总比困难多,我们手里的一些数据中心客户就在新加坡开了分站,把部分的 ai 人工智能训练项目搬迁过去,然后获得数据再返回来。 回过头来,我们再说一下手里的这个 k 八零,这类显卡也可以用作其他的大型数据运算,早期的英美达特斯拉 k 系列都是其余开普勒加过的高技能显卡。这个 k 八零在之前晚上也是人称双星河的,使用了两颗机 k 二幺零的显卡芯片以及二十四 g 的显存,也有很多人模改成普通显卡,但是多多少少都会有些 bug, 不太建议个人去改。我个人比较感叹的是,这类企业级的显卡,即便是经过了几年的使用,再流入到民用市场,也可以看看这些参数依然强大。再比如说最新被美国限制出口的 h 一百超算显卡, 仅仅是显存就已经达到了八十七,显卡的带宽更是达到了变态的三 tp 每秒。我估计五年之后我们在民用市场能买到最大显存的也肯定达不到八十七。

朋友们,大家好,很高兴您能看到这个视频。因此,英伟达刚刚打破了一项令人难以自信的记录,并再次证明他们拥有全世界最好的 aigpu。 为了设定这一基准,英伟达使用名为 cover with 云提工商组合了三千五百八十四个 ag 百 gpu。 他们试图看看训练左右跟三的速度有多快。跟三是 open ai 的叉 x 的早期版本。我们将讨论实际上对此进行基准测试的第三方组织。 但他们将大量 ag 一百 gpu 的显卡与类似数量的英伟达 a 零零八十 gb 显卡和 v 一百 gpu 进行的比较。后者基本上是三年焊,大约六年前的最先进技术。 令人疯狂的是, ag 一百能够在短短四十六小时内训练完所有的三,这简直是太疯狂了。与 a 百 s 相比, a 一百 s 大约需要三十六天。因此,疯狂的是 ag 百,尽管它具有相同数量的物理基 pu, 实际上消耗的电量更少,但速度却比之前最先进的技术快了近二十倍。这完全是疯狂的 v 一百实际上花了五十一天。这是一个相当大的集群, 大多数人实际上无法想象拥有三千五百个当今人类可用的最先进 gpu 的成本。然而,这一进步提出了一些有趣的问题。根据我们现在从英伟达了解到的信息,我们实际上可以在这里提取一些非常有趣的见解。首先,很多人会问, imd 能与之竞争吗? 尽管这件事发生的时间令人印象深刻,对吧?这个大型模型需要四十六小时才能完成,五年前还需要近两个月的时间来训练。 这里的问题是,是怎么让这成为可能?真正的答案不仅仅是 g p u, 甚至有英伟达创建汉策划的平台网络汉软件使这一切成为可能。因此,尽管安安地推出了一 些有趣的新加速器,例如命二五零零焊三千,但这里的区别在于,即使 gpu 很快,行业标准是英伟达最好的软件,也是英伟达最好的开发人员正在使用它。因此,如果你要出去选择这个,你知道这是有一点风险的,而且它是不同的, 其实性能相同。这种基准测试实际上还没有被证明可以在 imd 上运行。而 md 的另一件奇怪的事情是,现在他们正试图更加认真的对待这一问题。这实际上增强了英伟达的地位,因为这时的英伟达在 i 领域的能力方面看起来不那么垄断。 还有其他一些问题。那么一个问题是,摩尔定律真的变得更快了吗?令人好奇的是,摩尔定律在技术上已经放缓,因此,使用 gpu 进行一万一次浮点运算的成本还相对密度并没有太大变化,它的移动速度比过去几十年要慢。然而, 重要的不一定是机身密度或我们消耗了多少能量,而是他的扩展能力,因为打手是展示了他们最高端的 gpu。 最重要的是他们的新英菲尼般的接口,这是一组将所有这些 gpu 连接在一起的光纤,因此,您可以将他们视为一个大型 gpu。 他们已经实现了接近线性的缩放。 因此,如果将五十个 a g 一百与一百个 a g 一百进行比较,线性缩放意味着一百个 a g 一百的速度是五十个 a g 一百的两倍。如果再添加一百个,那么两百个 a g 一百的速度将是一百个 a g 一百的两倍。对于我们这些记得英伟达诗意时代的人来说, 您最多可以将四个 g t x 五八零放在一起,或两个 g t x 五九零。这在我们拥有双 g p u 卡时就已经存在了。您会记得,在玩游戏时,两个 g p u 可能会比单个 g p u 提高百分之四十的性能。添加三分之一,你知道可能是微不足道的百分之十 十二到百分之十四。如果你只是一个玩家,并且有足够的钱购买四块 gtix 五八零,那么在大多数游戏中,第四块完整的 gtx 五八零可能只会再给你带来百分之八的性能提升,通常会更少。 这是非线性缩放的一个例子。所以基本上,当你添加更多的卡时,每增加一张卡回报就会减少。这就是为什么这很疯狂,因为打野经证明,是的,我们可以将三千五百个这些组合在一起,并实现近乎线性的缩放。因此,如果你有六千个 您知道限制,实际上取决于你拥有多少能源,建筑物中有多少空间,以及因为达英菲尼般的接口的突破点。这也是他们对麦的那次进行巨额投资的原因。这是一家只生产网络基础设施的公司。另一个很酷的事情是,他没有在 spc 集群上进行训练。这实际上是一个动态分配的集群,来自于 一家名为 cooperate 的云提工商,该提工商实际上专注于 gpu 集权。我认为值得一提的另一件事是,这里使用的基准是来自一个名为 mlpf 的独立组织的基准。因此,每年他们都会聚集在一起创建一些通用的 ego 基准测试。他们认为这些基准测试可以很好的了解。 如果你大规模运行这些基准测试,就可以了解当年运行他们的硬件有多好。这可能包括循环神经网络,更能,甚至今年的一些真诚人工智能。 有趣的是,你知道 bc 公司专注于定制加速器,例如有点像特斯拉所做的海湾地区,还有其他一些小公司说,哦,好吧,我们将专注于 vlos, 或者我们将专注于某些特定的行业领域。这很有趣,因为对于那些知道 sic 是什么的人来说, sic 是专用级乘电路。所以你知道,对于普通用户来说, 他们实际上只能很好的完成一件事。从技术上讲,英伟达 gpu 是一种 a s i c, 因为他可以很好地执行并行计算。然而,他们稍微更通用一些。这是在你看到 f p g a 之前的情况。 f p g a 的速度要慢得多,因此,英伟达在他们的芯片中找到了这些东西的平衡。 真正酷的是,他们实际上在 mlpf 基准测试的每个类别中都获得了最佳成绩。该基准测试具体称为 mlpf 三点零。 而且如果你去毫升敲门爽站,你实际上可以查看三点零的结果。这些结果都是由英伟达持有的。这里实际上是多种系统的混合体,所以就有了云实力,还有一些本地实力按时机构建服务器的人员进行细分。 因此,如果您决定花费数千万或数亿美元购买设备,这也很酷。你可以看看什么是最好的。你甚至可以将它与 伟达自己的硬件进行比较,他们拥有配备多种不同 cpu 的 d, g, x, h 一百。英伟达不仅在训练科三的速度方面击败了竞争对手,我认为这是最相关的,也是我们观众最容易理解的。但是是的,他们在每个类别中都做到了这一点。 因此认为目前在人工智能方面还有其他公司能比英伟达做得更好的,那就夸张了。当然,如果没有某种气候角度来看待这个问题,就不会是二零二三年这种密度的。有趣之处在于,您确实开始将英伟达 gpu 视为提高效率的最佳选择之一。我也知道 number 也有一些 a 之一百, 他们的人数很少,我想现在有几万,而且规模只会越来越大。再说一次,这更像是一个技术视频。但我认为观看这个视频非常酷,因为它显示了英伟达相对 imd 的领先优势。这表明英伟达在这里创建的生态系统正在发挥作用,并且经第三方机构验证无疑是 最好的。那么,请告诉我您对 ag 版的看法呢?可以在评论区一起讨论。一如既往,我希望能学到更多一些东西。如果您喜欢我们的内容,请点赞并关注,谢谢。他对我们帮助很大,我们将在下一个视频中见到您。

最近啊啊,英伟达方勋,他又介绍了 ai 的那个最新的进展,他最近公布的英伟达的那个专用叉特 g p c 的那个 g p u 还是非常震撼的。 他整个这次二月二十一号的这个主题演讲,一共是大概是一分十八秒,一个小时十八分钟。他的也是这样。他就详细介绍了最近 ai 整个行业的一些进展,给他们提供一些软件和硬件啊。这个呃,我有个视频啊,还是非常震撼,当然是讲的还是非常好的。 呃,然后我呃再看一下啊,就是他们这里面的这样的一个英伟达公布的这样的一个核心的产品啊。这次的话呢,亮点非常多。他第一个亮点的话呢,就他把那个最近那个恰的 g p t 推理的这样的一个专门为恰的 g p t 准备了,他让的这个恰 g p t 的这个 g p u 推理的这个性能啊,提升了十倍 啊,让这个 chat g p 七普及到各行各业,都奠定了这样的一个基础。他的也是这样啊,是非常厉害的。他们只推出来的话呢,推出来 四个平台建产品啊,四的这个 h 一百的这样的一个 gpu 的话,它最大内存达到九十四 gb, 它只要用一台这种机器就可以去推理这个 chat gpt 了。原来 chat gpt 的话呢,是要用一百去 推理的。现在只要搭载一台四队的 h 一百,他就能去应付这个 chat g p t 的这样的一个推推理的能力。他说这个推理的速度要比要比原来快十倍, 这个是非常恐怖的。另外一部分呢,第二个比较爆炸性的一个消息,因为大家开始都在这个这个制造呃,技术部分他也做了一些呃,而且这个也应用在这个芯片的设计制造领域当中了。他等于是这样啊,他是这样讲的,就是他又发了一种新的这种技术啊,可以加快 这个标题的设计和制造啊,因为来的话,这个芯片制造的很清楚,他要消耗大量的这个能耗,他消耗的时间是非常大的啊。那么现在我找用 h 一百只要八十九块啊,在 cpu 上要算几个星期的啊,两个星期的,现在在 h 一百上面,他只要算八个小时就可以了。 它这个意它这个讲就是意味着五百个英伟达的 d g x h 一百的这样一个系统,能够替代四万个这个 c p u 的这样的一个工作。 这个是运算计算这个光刻的这个工艺的时候,他可以显著的减少这个电力的需求和对环境的潜在的影响, 这个影响就会非常大。他已经跟阿斯迈尔顶街芯片社、港商已经开始在开展合作了,然后把这个因为这个这个正在这个芯片的制造行业,这个是极其恐怖的。我觉得我听到这个消息也是蛮震撼的。 震撼的消息的话呢,他们也推出了一个量子计算的这样的一个新的一个系统的架构啊,他是一个革命性的这样的一个新的架构,他能实现高性能、低延时的这样一个 经典的这种算法的,它这样的一个框架啊,只计算了框架的话,光能处理这个量子芯片,它也能实现 g p u 子处理器和 c p u 之间的这个联合的计算啊,前沿它这个它能够在一个系统当中整合编程, qpu、 gpu 和 cpu 这样的一个软件站叫扩大的这样的一个量子的一个软软件站。呃,非常恐怖啊。 呃,最和这种像 google cloud 啊,呃,包括 or 云云计算,他也推出了这种呃一个服务啊,他说这个呃呃呃恰个 g p g 呃呃人多的这个创业企业 能够也能用得起这些比较昂贵的这个英伟达啊, gpu 啊,因为原来的话,微软大概出自数亿美元购买了数万块 a 一百的这样的一个 gpu。 英伟达的 gpu 去构建了恰特 gpg 的这个专用的超算。他对 现在的话呢,就是英伟达,他就把推出来的这些 ai 软件,包括这些 gpu 的这些设施能够通过一个令的方式能够提供出来。他这个里面有他们最新的研制的 h 一百的这样的一个 gpu。 他的他说这个每个十几,每个月只要四 三万六千九百九十九美金,你就可以用得起他这个。他说这个可以让那个初创企业能够定向打造出颠覆式的这个产品和商业模式,非常非常震撼。今天因为我看完这个多小时的这个的话很厉害啊。今天的话我就跟大家就聊到这。

tragbt 让显卡的市场价格呢,从六万暴涨到了九万?昨天啊,连续来了几波人找我问英美达的显卡,全部都是为了国内的 tragbt 和 open ai 的项目。 转眼呢,英美达 a 一百显卡的价格从六万多人民币暴涨到了九万人民币一张。那么为什么一个聊天机器人能把显卡的价格搞到暴涨呢?首先,这个聊天机器人本身呢,太牛了, 要说以前也有很多 ai 应用,那么为什么 check gpt 让大家这么震惊呢?核心在于两点,通用性和逼真。通用性呢在于他从回答你日常刁钻调戏的问题,到撰写粤港澳大湾区二零三五区域现代化战略规划, 从代写美国国会议员的讲稿,到邦马农写代码,几乎是无所不知无所不能的存在。 逼真呢在于他回答的质量,经常让人没办法分辨他到底是不是真人。在某些领域呢,你可以认为他甚至通过了图令测试,他已经通过了美国医师执照和沃顿工商管理硕士的考试, 也能让老师在不知情的情况下面给他打出全班论文的最高分。那他怎么变成这么牛的?首先,你得用大量的文本数据去训练他,同时呢,再招很多人类的训练师 去对他给出来的答案去做出标注,按照答案的好坏排名呢,再给 g p t 的模型去进一步的学习迭代, 直到语言模型。回答的内容呢,十分接近于人类想要的,听起来好像也没有什么特别的,跟芯片又有什么关系?这个关系呢,就在大力出奇迹,这个语言模型的参数量有多 多大呢?一千七百五十亿个参数那么大,这么大的数据量绝对不是人能干的了的,只能靠芯片,能用的芯片丢 gpu, fpga, ac 等。 至于这些芯片都具体是什么呢,我们后面有空录视频,可以慢慢讲。那么先讲为什么英伟达的 gpu 被炒的这么贵?首先, gpu 被广泛地用于 ai 训练等大规模并行计算场景, 而英伟达呢,又是 gpu 领域的王者,开 gpt 背后的超算集群呢,用的就是英伟达的 gpu。 补一嘴啊, gpu 它是芯片, 加上显存,加上其他元器件一起呢,就构成了显卡。其次,美国去年八月底一直禁令,直接不让英伟达和 a m d 向中国出售包括最新的 h e 版 百和 a 一百在内的高端的 gpu, 而特供给中国的 a 八百呢,又被限制了代宽。所以啊,现在市面上现存的 a 一百价格就水涨船高, 逼的有一些人甚至都开始找二手的矿卡来用了。大家肯定也会担心啊,高端的 gpu 被美国禁售,那中国人应该怎么办呢?算力会不会被卡脖子? 当然,的确会有一定的影响,但并不是决定性影响,核心企业的算力也不会,因此就没有办法去训练,当然会增加他的使用成本, 但是因为 ai 属于颠覆性的技术,不会因为成本的问题呢,就不去发展,解决方法呢,可以自研芯片。是呢,目前还没有看到特别好的产品,当然,这也是中国芯片的发展机会。现在啊,大公司普遍采用的办法是采用分布式的 cpu, 虽然性能差一点,但是成本便宜, 很适合做推荐算法模型的公司,比如抖音、快手、 tiktok 等,都是采用分布式的 cpu 做大规模的基础算力设施的。不过切 gpt 爆火的背后其实是 ai 这次是真的能商业化了, 微软已经成功的引起了全球所有科技巨头的焦虑,今天 ai 相关的资本开支呢,一定会大幅提升,整个产业链的故事就闭环了,可能是一个 iphone 级别的机会,我们会持续关注,并从芯片从业者的视角持续给大家输出我们的观察。

如果你不知道 a 一零零是什么,那你将错失整个时代,他就像星辰般闪耀,向大地般包容,他也是美利国对我禁售产品之一,那么 a 一百到底是什么?让他退配来告诉你吧,哈哈, 其实我就是泰特特了。一百是由 mvidia 公司推出的 gpu 芯片,被广泛应用于人工智能领域。至于 tetepi 和 a 一零零有什么关系? 让我告诉你。这简直就是一个天作之合!那一百提供的强大计算能力与 tat 模型的复杂任务需求完美匹配,能够使 tat 模型 在训练过程中达到最佳效果。就像茶和糖一样,每一百提供的算力就是 ttp 模型的完美搭档。这些一百 gpu 就像是一支巨大的军队,以惊人的速度在训练过程中消灭每一个文本数据的敌人,让 ttp 模型能够获得最好的训 训练效果。这就好像是在玩文字游戏的大型角色扮演游戏。二月,一百就是那位打败所有文字怪兽的英雄,而这蜕皮则是那位天赋异灵,擅长表达,充满智慧的文字法师。 不过这种合作关系可不是轻松愉快,在训练过程中,这些用一百 gpu 就像是从地狱中降临的恶魔, 每秒钟可以完成数百万亿次计算,令人折射。扎特普模型则需要在这个恶魔般的算力攻击下,不断提高自己的预测能力, 把自然语言的复杂性破解的一丝不挂。这就像是在进行一场文字拔河比赛,而为一百就是那位把所有文字都拔了出来的超级选手,而这 t p 则是那位运用自己智慧核技巧逐渐逆袭的文字冠军。所以说 chat 何为一百的 合作,是一场史诗级别的合作,一个决定了自然语言处理未来的文字闪挂,是时候让这对组合拯救整个自然语言小红书。

谁是 chat gpt 引发的新一代人工智能时代的最大赢家呢?是早前用阿法狗横扫围棋高手,在 ai 领域深耕多年、功力深厚的谷歌? 还是持续向 chat g p t 的创建公司 o n i 投资一百亿美金,并且和 o n i 深度技术合作,即将推出基于最新 g p t 模型的新一代闭印搜索引擎的互联网巨头公司微软呢?答案都不是。无论是从技术角度,还是从利润角度, 吃了人工智能最大红利的是一家以设计和销售高性能处理器、 gpu 为主的五厂半导体芯片公司英伟达。 在世界独立 gpu 市场,英伟达一直保持着百分之八十左右的市场份额,稳居世界第一。科学技术,特别是尖端科技是第一生产力。 只有当你深刻理解了人工智能的核心技术所在,你才能理解为什么?因为答能够成为亲爱的 gpt 人工智能时代的最大赢家,你也才能知道我们自己未来发展人工智能的最大瓶颈会在哪里。 在我前面的视频里,就从技术角度分析了 china gpt 现在面临的一些技术短板。我也提到了,在所有的现在的短板里面, 最有挑战、技术壁垒最高的,就是类似于我们人的脑容量和体力、精力不够一样,现在机器人所依赖的计算平台的计算力不够,并且成本非常昂贵。 所以我们业绩有一种说法,与其说人工智能具有超能力,不如说是超能力。第二个超是钞票的超。 check gpt 是一种强大的语言模型,这个模型的训练是基于大量 数据和大规模的参数。二零一八年推出的最初的 g p t 一的模型只有一点一七亿个参数。现在最新版本的 g p t 模型有一千七百五十亿个参数。短短几年时间,参数规模几乎大了一千五百倍。 业内人士透露,未来 gpt 四的参数规模可能高达一百万亿个参数。简单来说,参数越多,模型越复杂,那我们基于这个模型去训练机器人的计算量就越大。 计算平台就是人工智能的大脑和命脉。这就是为什么我们说的人工智能的竞争,归根结底是算力的竞争。 说起 chat g p t 的计算平台,不得不提起另一个巨头科技公司微软。二零一九年,微软就给 chat g p t 的创始公司 open ai 投资了十 十亿美金,更是在前不久宣布未来几年将持续向 obana 投资一百亿美金。而 obana 也正好需要微软的资金和云计算能力来处理海量的数据。所以这些投资呢,也就使得微软成为 obanai 的独家云计算服务器的提供商。 二零一六年开始,微软开始将他的 hr 云计算平台打造成面向世界的人工智能超级计算机。 在亲爱的 gpt 上线之际,欧本 i 的 ceo sam 奥特曼就发 twitter 向微软致谢。他说微软的爱学云计算平台打造了迄今为止世界上最佳的 ai 技术设施。 那么重点来了,计算平台里面最核心的部件就是高性能处理器,也就是我们所说的算力芯片。根据 中国信通院的数据,早在二零二一年第四季度,英伟达就占据了全球百分之九十以上的 gpu 算力芯片的市场份额。而微软的计算平台正式采用了大量的英伟达的最高端的算力芯片。 目前叉的 g、 p、 t 在训练模型的时候会使用将近一万个 n、 b、 d、 r 的英伟达的高性能 g、 p、 u。 假设未来 g、 p、 t 四的参数规模真的达到了一百万亿个参数,那么单日访问所需要的算力要求就是六万台 a 一百的英伟达的 g、 p、 u 芯片。 所以我们讲发展人工智能非常烧钱,而 chat gpt 所回应的每一个字都在烧钱。而这些为算力花出去的真金白银,很大一部分最终流向了 ai 芯片的领军者。因为 达的口袋,所以现在也有人把英伟达称之为人工智能领域的顶级军火商。看到这里,我的心情开始变得沉重,因为对我们来讲,真正重要的问题来了,我们国家未来发展人工智能,这些世界级的顶级芯片厂商会持续给我们供应最先进的芯片吗? 不用怀疑,答案已经是否定的。这就是你可能已经听说过的未来我们将要被卡脖子的地方。这也是未来发展我们自己的人工智能的真正技术瓶颈所在。 后面的视频我会和大家具体探讨这些卡脖子的点到底在哪里。好了,我是硅谷学霸九令,关注我,加入我的学霸粉丝团,我们一起来成就霸气人生。

ai 训练科学计算都用什么显卡?我们来问一下 ai, 看一下他怎么说。亲爱的 gbt 最近爆火的语言模型。首先我问他训练你的显卡具体是哪一款呢?这家伙很鸡贼,还知道要保密,那我们换一种问法,让他给几个参考答案。 这一次我们获得了一些有效的信息,他列举了 n 卡的特斯拉 v 一百,特斯拉 p 一百,三零九零等显卡型号。接下来我就问他有没有更厉害的型号呢?他列举了 n 卡的 a 百, v 百 s 和 a 卡的 n m i 两百这几张计算卡。 那为什么训练 ai 都会使用这种专业的计算卡呢?要知道 a 一百的价格可是四零九零的五倍啊。确定 g b t 很快的给出了答案, 第一是因为计算能力,尤其是浮点运算能力和矩阵运算能力非常强。第二是由于他的显存和带宽非常高,训练速度很快。好,那么在 ai 的帮助下,我们解决了这期视频的内容,感觉自己就快要失业了,以后这里挂个机器人就可以拍视频了。 不过还好,他的数据只截止到二一年,我还可以说些他不知道的。目前比 a 一百更厉害的 h 一百也已经做出来了,被广泛的应用于各种高端科研领域。未来 ai 呢,可能会在 gpu 的帮助下越来越强大。要不咱就是说回去问一下自家的显卡能不能也练个 ai 出来。

苦练多年的转笔技术也要被机器人掌握了。英伟达发布了一个新的项目,他让 gbd 自己来写代码,能够让机械手开始转笔。这个项目叫 ai agent 优瑞卡,一个免费开园的项目,他可以教会机器人做复杂的运动控制,除了各种手法的花式转笔,还可以实现抛接球、打开抽屉柜子等各种精细的动作。那他是怎么做到的呢?优瑞卡本身是由大圆模型 g p d 四提供支持,通过调用 g p d 四生成机器人的奖励程序, 使机器人进行强化学习,然后再根据人类操作员的自然语言反馈继续优化奖励程序。迭代下去,机器人就学会了转笔。这个最大优势就是代码是通用的,适用于各种各样的机器人,也适用于不同任务。英伟达这项研究成果展示了大模型在机器人精细化控制方面的作用,目前该项目完全开源,感兴趣的朋友可以尝试一下。

gpt 的芯片啊,核心的是 jpu, 从性能的角度来说,全世界最好的是目前英伟达的 a 一版。英伟达在 jpu 这个市场,你们猜他的市场份额是多少? 七十再猜。那不能八十吧,八十一家公司占到了百分之八十。哎,你说拆的 gpc 打开了一个新的世纪, a 最受益,那就是英伟达最受益吗? 但是我们很多人是买不了美股的,买不了难道我们就不搞了吗?也搞,昨天晚上有一家美股的交易类公司说他们也基于 chat gbc 模型在做事情, 应用的是国内的一家 a 股上市公司的芯片。我们国内很多公司无论是上大模型还是上小模型,他也要解决算你的问题。最差环境,那我们如果采购不了英美达的,我们不发展人工智能了吗?要发展那我们用什么芯片? 那你就看契代嘛,或者说我们国内某些头部的公司定能跟 a 一百差不多的那家公司 就那么几家。说白了就围绕着算力做事情。当然算力不只是芯片,芯片是解决算力的第一步。那你算力要承载在哪?承载在云上吗?底层是要有大量的服务器吗?啊,这一条线就给你串起来了。

去年, chat gpt 横空出世,人工智能这条新赛道终于迎来史诗级运用场景,开启了 ai 时代的 iphone 时刻。算力是大模型训练的基础,需要强大的硬件支持。英伟达 a 一百芯片目前主力,它占据了百分之九十以上的份额。 但二零二二年八月,美国就要求英伟达停止向大陆出口 a 一百芯片和更先进的 h 一百芯片,只能出售阉割版 a 八百和 h 八百芯片。而国内企业扎堆涌入大模型市场,让高性能 gpu 芯片供不应求,原来十二万人民币左右的芯片炒到五十万一片。 先进芯片被卡脖子,会让大陆在 ai 时代起跑及落后,但也倒逼国产替代加速发展。加上稀有金属的底牌在手,美国发动的科技战对小国有用,但对抗大国会不会偷鸡不成蚀把米呢?我们拭目以待。

所有的事物都不是突然出现的, aijc 之所以能在二零二二年爆发,至少具备以下四项条件。首先是不断创新的生成算法、多模态技术融合、优质模型开源等带来的技术变革。 其中融合文字、图片、音频等多种内容形式的多模态与训练模型 clip, 不仅能够同时进行自然语言的理 计和计算机视觉的分析,实现图文匹配,还能广泛利用互联网上自带文字描述的图片,极大降低训练数据的获取门槛,这也是图像生成模型 w 以及 stable diffusion 的基础。 其次是合成数据驱动训练,传统数据标注费时费力,正确性难以保障,特定数据多样化不足,无法覆盖边缘案例。很多高危场景在三十岁的状态采集数据以及隐私数据的使用面、 法律法规的限制等等问题,是早期模型训练的最大把策者。随着 aijc 的发展,基于模型生成的合成数据有反哺模型训练。可以说,合成数据关乎人工智能的未来, 我们通过网络感受 vi, 但真正的模型训练需要科技公司投入巨额资金驱动巨型服务器,这也直接使 gpu 芯片和服务器制造商 pvdi 成为全球最有价值的公司。 四、产业生态逐渐成型首先是上游欲训练模型,超过百分之八十的人工智能研究都集中在基础模型的训练上,这一层的进入门槛很高, 例如语言处理模型 gpt 的训练成本粗略估算一千二人还没有。因此有能力做与训练模型的主要为 以及 okai 和 swbaleai 等独角兽公司。其次是中游,以优秀的预训练模型为根基,开发和销售专业定制版中间等模型,实现垂直细分领域的 ai 流水线部署 模型及服务 model as a service 开始成为现实。这一层比较适合初创公司或个人创业者。例如按 leader 公司开发了能够进行故事写作以及文字生成图像的某某 ai, 基于 g p t 三模型生成故事剧本。基于 stable delusion 生成图像。 favor studio 创造虚拟人的互动故事。 viable 帮助企业进行定金数据分析, alisit 让人们根据学术动能直接产生研究问题等。最后才是下游商家或用户接触到各式各样的 ai s, 包括网页、 程序、聊天、机器人等。有人拿 chat t p t 写作业,有人拿多个 ai 工具全自动做视频, 有人发现其实自大有学问,专职研究。 总而言之就是打开了新世界的大门。

告诉你最前沿的计算机知识,信奥初赛可能会考哦!我们反复说过,学习信奥是距离叉 g p t 人工智能最近的一条学习路径了,为什么呢?因为人工智能三要素,算力、算法和数据。 咱们信息学奥赛就是学习算法。今天咱们不说算法,说一说算力,算力就是计算能力,我们训练一个人工智能要用到巨大的算力,但是为什么要用显卡 gpu, 而不是咱们平时听到的最多的计算机的大脑 cpu 呢?以下这个视频一分钟说清楚, 他将为你们画一幅画,就像一个 cpu 那样完成,作为一系列离散动作,按顺序的一个接一个的完成。 gpu 模拟器,当这个按钮被触发,这个东西的触发器会有两千一百加仑的气体通过这些阀门进入着一千一百个管子,每个管子里都有一个油气球,当他们被喷射出来后,他将画出蒙娜丽莎。 所以你明白了吗?因为 a 一百显卡具有巨大的并行计算能力,就是很多个单元同时计算,算力异常强大,远胜 cpu。 顺带一提,挖土机暑假赛前集训夏令营开放预定了,欢迎你来参加我们的赛前集训夏令营!

英伟达发布 ai 革命神器新 gpu 芯片,速度比现有方案快十倍。英伟达发布了专用 gpu 芯片 nvidioh h 一百 mvl, 它是卫生城市 ahr gpt 而设计的。 这款芯片具有九十四 gb 内存和加速 transform 引擎的大语言模型专用解决方案。英伟达还宣布推出四款全新推理 gpu, 能秒杀 ai 视频、 图像生成叉 gpt 等大型语言模型。他们还力推 ai 云服务,企业可以每月租用 djx 云集群,轻松扩展大型多节点 aa 训练。另外, 英伟达还发布了一项改变官客行业的应用,通过官客计算库 see you liso, 将计算官客加速四十倍以上,提高芯片代工厂在这一工序上的效率。面对更先进志成的到来,英伟达已经做好了准备。

我要改变 chat、 gpt, 更要改变世界。二零二三 gtc 大会上,英伟达 ceo 黄仁勋给 chat gpt 芯片等科技装上火箭,喷射升空了盘点大会官宣的五大核心技术。一、芯片芯片制造是人类工业皇冠上的宝石,要求精确度极高,生产出的特征要比 细菌小一千倍,相当于人类一条 dna 链的尺寸。而计算机光刻则是芯片领域最大的计算工作负荷,每年消耗数百亿 cpu 小时。因为达推出修理走,可将计算光刻加速四十倍以上,以往需要处理单个眼模板要两周, 如果在 cpu 上运行 q 类走,现在只需要八个小时,芯片产量效率倍增。二、云计算过去十年,云计算成为一万亿美元的巨大行业, 大约三千万台 cpu 服务器在为行业打工,但是能耗成为了大问题。这一次英伟达新推出 grace, 非常适合云计算应用和科学计算应用,其速度要比最新一代的 x 八六 cpu 平均速度快上一点三倍,而工号仅为原来的百分之六十三、视频黄人勋针对占据互联网百分之八十流量的视频推出 cvq 和用于视频处理的 vpi, 前者可用于视频的检测、分割和分类,后者是拍放视频编辑码加速库,不变的是,两者都能提高视频处理效率,腾讯借助该工具,每天可处理三十万视频。四、基因组学英伟达这次推出的 powerbreaks 可以适用于各类工友云和基因组学平台,加速计算正让基因组学实现里程碑发展,直接让使用英伟达助力的基因组测序一切 设备成本降低至仅需一百美元。五、生城市 ai 众所周知,生城市 ai 将颠覆各行各业,而因为达推出的 ai foundations 云服务,可以为更多公司定制大型语言模型和生城市 ai。

ai 会再次抢走玩家的显卡吗?大家好,我是阿俊,最近 ai 很火啊,像是切的 gpd, 百度的温馨语言等等。 ai 呢,是需要大量显卡的算力来运算,不知各位有没有回想起三菱系的矿潮,那时我直接将显卡价格抬上天。如今 ai 又火了, 他会再次抢走玩家的显卡吗? oh, god, please no no! 我手上的这张四零九零啊,算力是很大,但是,但是首先它是游戏卡,也就是说它不能拿来做 aa 计算训练,同时 ai 计算有更好更专业的产品,比如专业计算卡 a 一百等等。 其次四零九零无法多张并联交货,而计算训练 ai 模型需要大量的显卡同时工作,像是切的 gpd 就用到了整整三万块的 a 版显卡,而一张四零九零估计也不会有大公司看得上。不过别高兴的太早,虽然目前来看 ai 不会 抢走玩家的显卡,但是英伟达就不一定。目前英伟达的财宝里,原先的资助游戏产业出现了断氧式下跌,而 ai 收入却创纪录的在增长。重点来了,新店的产能是有限的,所以啊,保不齐英伟达会直接将原本的游戏卡的产能分给 ai 训练计算卡 二十一号,也就是今天英伟达会举办 g d c 大会,大会奖都不重要,重要的是可以免费参与官方的抽奖。赶紧拉上小伙伴一起搜张四零九零吧,关注我,了解更多硬件知识!

ai 世界又要被颠覆了!刚刚显卡教父黄仁勋公布了英伟达最新一代格瑞斯 gh 二百, 错,就是这个小东西,它搭载着七十二盒 arm cpu 和九十六 g hbm 三高速内存,最炸裂的是,这玩意居然有五百七十六 g 的显存。我们平时跑模型的时候,不管是训练还是推理,第一个想到的问题就是需要多大显存?我的八 g 卡 否一战。如果说二十四 g 的四零九零是每个男孩子的梦想,那这个东西就是整整二十四个梦想。并且这个五百七十六 g 还是 gpu 和 cpu 通用内存。苹果的 m 系列为什么快?其中一个原因就是通用内存摆脱了 pcie 的限制, 可以让 cpu 和 gpu 更加快速的交换信息。更夸张的是,通过 nv link 把二百五十六个 gh 二百连接,可以 可以组成一个拥有一百四十四 t 现存的超级计算机 bg 叉,并且每张 gh 二百和另一张可以以九百 g 每秒的速度交互。这个速度基本上可以理解为这些显卡是插在一台设备上的,并没有分开。用黄老板的原话说,这不是服务器集群,而是一个 gpu。 这个东西的出现将会大大加快 ai 进化的速度。目前 gh 二百将会第一批开放给谷歌、 facebook 和微软使用。这感觉怎么有点像你们打架我送板砖的意思?果然啊,还是卖锄头的才是大爷。 看到这,如果你觉得英伟达只是个硬件生产商,下期我们再一起看看他的 ai 软件能强到什么程度。点个关注,快人半步。

大型预训练模型的话呢,它模型越大,那它的精准度就越就越高,但是精准度越高,它消耗的那个 g p u 的内存就越多,它需要的资源就越多。现在呢就出来一个新的一个算法,这个算法可以把大型的这种预训练的模型,让它能够温度的同时能够大幅的 下降它这个 gpu 的这个内存的使用的这个效率,它等于是这样,那这样的它的吞吐量也可以上升。我就讲这样一篇文章,那么这篇文章的话呢,也是非常有价值,他们是 拿了一个维库纳的是一百三十亿的这样的一个大模型,跑在一个 amd 的一个 gpu 上面,当然你可以也可以跑在英伟达的这个 gpu 上也是可以的。 那尾库纳的这个 g p, 呃,这个模型我我之前也是经常介绍的,它是在那个全球的这个开源的这样的一个 l l m 的大型预训练模型里面,它是排名是第一的,它等于那它是 是相当于差的 gpt 的百分之九十二的这样的一个性能。他对,所以他这个是开源里面一个非常非常有价值的这样的一个模型。但是这个模型的话呢,有一百三十亿的参数,那么他就需要 a 一百的这种 gpu, 他就需要八块,所以如果你要把它跑起来,那但是对一般企业来讲这个成本就非常高,虽然他的性能 非常好,但是他要跑起来的话呢,他需要大量的费用,他等于是这样的,现在呢就出来一种算法,他就是可以把这个大的这个一百 一百三十亿的这种大模型进行压缩,他们叫这个量化啊,量化模型量化的这个操作,我们可以看看这张图,这这张图是关键的,我们一般跑的那个大型的米库纳的这样的一个大模型的,我们一般是跑 p 十六的 精度啊,它是等于是这样,现在呢它可以去做一个量化,量化的话呢,它是用四个 bit 和三个 bit 的这种方式,它这个算法 叫 g p t q 的这种方式可以把这个模型进行压缩,就像我们那个视频文件一样,他就把这个大的模型进行这个压缩处理,压缩处理之后你可以看到它这个红颜色 bit 四的 g p t q 的这个算法, 它的这个精度啊,跟 f p 十六的相差不是太大,但是不是这个算法的它的这个误差有些时候就会非常大,甚至就没法收敛,它等于是这样,所以,呃,所以的话呢,就是,嗯, g p t q 的这个算法就非常有价值,它只可以把我们原来需要八块这个 a 一百的这个 g p u 的这样要运行 这个米库纳的这样的,哎, gpu 就足够了,我们继续往下看啊,那么现在他们已经的这个这个论文的话呢,我已经下载了,我也看了一下,他这个论文也是非常新的,是三月二十二号,二零二三年三月二十二号刚刚推出来的,刚刚推出来他的主要的价值点,我前面也已经 讲过了,回头我们详细再来看看他的 qpt 的这个算法。我们先来看一下那个结果,结果的话呢就是开源社区,他们就对这个东西就是敏感度就非常高,非常快的就把这四个 bitt 的这个经过量化算法的这微库纳的这样的一个模型给放出来,放在这个哈根 face 上面, 他这个模型经过量化之后,他需要多少的 gpu 呢?那那么别人就实践了一下,他使用 amd 的这个 gpu 的,当然也可以用英伟达 gpu 也是可以的。他这样跑下来之后的话,你会发现他只要六点五 gb 的内存就够了, 原来的话他可能至少要二十四 gb, 他这个内存要装载,现在他只需要原来的大概四分之一多一点,他就足够了。所以的话呢,就是这种大模型就是可以 等于是说我们需要的这个硬件资源,需要 g p u 的这个内存的资源就极大的就下降。他的也是这样,他的精准度他们也测了一下,他很奇怪啊,他的精准度不但没有下降,反而上升了,这个 是他觉得很困惑,他是这个这个精准度反而上升了,这个是比较困惑,我回头会讲一下他这个算法,他会这个算法,他到底是怎么回事情?那么他的吞吐量的,他每秒钟的这个吞吐量也上升了,他等于是这样, 他每秒钟的这个吞吐量也是每个字符啊,需要多少毫秒,他等于是这样,他也上升了,所以他是一个非常有价值的这样的一个 一一个算法,他可以把那个大型的这些模型可以跑在非常少的这种资源上面,所以他是这样的一个东西。中国的话呢,也把有些博主啊也把这篇论文啊稍微简单的翻译了一下,我也看了一下, 我给大家解解读一下他这个算法到底是怎么回事情?他是怎么压缩的?中国人呢?他说这个是穷鬼的救星,你要跑非常大的一百三十亿的这个模型,原来我们一般只能跑这个六 b 的模型,就是六十亿参数的这个模型。而现在我们可以跑更大的这种模型,他也也只需要很少的这个显 存就够了,他需要的资源就会比较少,这样的话呢,这个大模型他就可以更普及了,他等啊有了这个算法之后,我们看看他这个算法他背后到底是怎么做的。他本质上的话呢,这个 g p g q 的这个原理的话呢,它说它是来自于叫 o b q 的这样的一个算法的,这个 o b q 的这个算法呢的话,它本质上是什么呢?就是你要把一个模型进行压缩,那么它会带来误差,那么带来误差的同时的话呢,它要增加一个权重,要去弥补它这个误差,把这压缩之后的这个网络在 加上他的新的一个这个权重,让他这个误差就是降低到最小。他通过这种方式去做原来 o b q 里面的这个算法的话呢,因为 他就是用了一些算法,他就需要很多的这种算力,他这个里面讲他这个原来这个非常好,但他这个算法不是太好,因为的话呢这个用 obq 还是比较慢。他要把他举了一个例子,他说那用 resnet 五菱的这个网络, 如果要用那个 o b q 的那个算法,它要花几年时间,这这这个在大大的 g p t 的这个模型上,要花几年时间 它才能把这个模型给压缩完,所以的话呢,它的时间实在是太慢了。嗯, g、 p、 d、 q 的话呢,它就在这个基础上在进行了优化,它就优化了三点。第一个的话呢就是取消了这个贪心算法,它这个里面讲了一下有一个什么贪心算法,它这个里面 就是说原来他是要一步一步的去优化,他等于是这样,现在他就会变成一个一个的列,他可以并行,他是等于是这样。 第二个它原来它是单独的一个个权重去处理的,现在的话它把权重变成一百二十八个列,那通过适量的这个矩阵,通过这个 gpu 防止它利用这个 gpu 里面的 定型的这种批处理的这个算法,所以的话呢他的效率就会非常高。另外一个他也用了一个数值稳定性的这样的一个算法,他把这个算法加进去了之后,比他原来的 因为来的那些神经网络的话,他其实也是有误差的。但是他引入了这个东西之后,你可以看到前面讲他的反而他的误差,他的精准度会比原来更好,这个就很神奇,他等于是这样说明是什么,他这个压缩算法的对这个大型的玉训练模型确实有带来了更大的这个价值在降低,在不损失精度的同时比原来精度更好, 损失的精度非常小,那他需要的这样的一个资源消耗又非常少,他等于是这样,所以他这个就是他的这个带来的价值。所以这个算法下次我有机会的话也要去尝试一下,他这个东西还是非常有价值的好,这个算法的给差不上面,他们也把相应的这个算法给放出来了,他等于是这样模型的话呢,别人也 也也已经把它给做出来。我前面也是讲了,在那个米库纳的这样的一个模型上面,别人也做了这样的一个量化,量化的话呢,他们也已经放出来,那这样的我们也可以,这些企业级,他也是可以用这些大型的这些模型,好好。