自己创业，上来就是类思考模型，对t模型属于降维打击，并不存在这样的问题。

他对此没有什么研究，但有一个人一直在关注着这方面——这个人就是孙博。

“靠无限制的堆积算力获得高性能大模型，短期内是可行的。”

孙博也是看到了微软的行动，在blog跟一群人正在探讨相关的话题：

“长期的话，倒不是有上限，真要有魄力不计成本无限制的去堆积算力，理论上是真的能够获得无限制的性能提升的。

“但也仅仅只是理论上，这里边有一个巨大的问题，根据我的研究，它的增长不是线性的。

“我大约计算过，实际的增长曲线就不说了，很复杂，但大约可以简化为这个函数：y=c·log（e）·（x+1）。

“这里边y指的是性能，x你们就姑且理解为算力堆积的基本单位，大约趋势如下图。”

就算是对数学再不懂的人，看到这个公式也该看出来了，因为这个函数的曲线到最后，几乎就是一条平平的横线。

也就是说，当显卡堆积达到一定规模之后，就算再堆积硬件，性能虽然也会增加，但增加的也会十分有限，到最后甚至肉眼都不可见了。

这么说着，孙博还举例道：“以现在的gpt4为例，如果想要一个2倍gpt4参数的大模型，对算力的需求大约会是多少呢？

“我计算过，大约需要十几倍。而且公式计算的只是理论效果，而更大规模的集群，片间互联的损失肯定也会更大，实际效果只会更差。”

孙博很是热情，只要不涉及他自己工作的机密和核心，只要他在的时候，那几乎是有问必答的。

纪弘也正好翻看到这儿，他没有过多的惊讶，片间互联损失这一块儿本身就不好解决，要不然超大规模智算中心也不至于这么稀有了——河州大学搞的那个还是纯