第726章 chatGPT-3发布 (第2/2页)
“1750亿参数啊！这得烧掉多少张顶级计算显卡？咱们国内现在还有哪家公司能摸到这个门槛？”
“我就想知道国内有没有公司能做到啊？”
“看完GPT-3写代码和做逻辑推理的演示，我后背直发凉。这已经不是简单的软件工具了，这已经是可以替代程序员的存在啊！”
民间舆论尚且如此震动，而真正感受到寒意的，则是站在最高决策层与产业前线的决策者们。
……
帝都，某高规格科技战略研判会议室内。
厚重的窗帘半掩，室内气氛格外压抑。
坐在椭圆形会议桌两侧的，不仅有主管科技、工信与高精尖产业的高层领导，还有几位从国内顶尖高校、国家重点实验室连夜请来的人工智能领域泰斗级专家。
大屏幕上，刚刚播放完OpenAI官方及海外开发者录制的GPT-3全功能测试录屏。
主管科技的高层领导缓缓放下手中的签字笔，目光扫过在座的几位院士与教授，语气沉稳却带着一丝难以掩饰的紧迫感：
“各位专家，视频和详细的技术分析报告大家都看过了。今天把大家紧急请过来，不谈虚的，不用打官腔，我就想听听最客观、最真实的专业评估。”
“硅谷搞出来的这个GPT-3，到底含金量有多高？我们国内目前的人工智能研发水平，跟它相比究竟处于什么位置？”
话音落下，坐在右侧首位的国家人工智能重点实验室首席科学家周院士推了推鼻梁上的老花镜，叹了一口气，率先开口：
“领导，实事求是地说，这次OpenAI放出来的GPT-3，其技术突破远超我们国内学术界之前的预判。”
“它证明了一件事——只要模型架构选对，当神经网络的参数规模与训练数据量堆砌到一定临界点时，人工智能是真的会产生质变，也就是学术界常说的‘涌现现象’。”
周院士指着报告上的技术参数对比表，表情严肃地继续分析道：
“从客观差距来看，我们国内目前在人工智能领域的研发重心，绝大多数还停留在图像识别、人脸比对、安防监控以及特定垂直领域的语音转写上，也就是所谓的判别式AI。”
“在基于TranSfOrmer架构的超大参数量生成式预训练大模型这条赛道上，国内学术界和企业界的积累薄弱。”
另一位来自顶尖高校的计算机学院院长也紧跟着补充道，语气中透着深深的忧虑：
“不仅是算法架构上的代差，更致命的是算力与数据的双重壁垒。”
“GPT-3高达1750亿的参数量，背后需要成千上万张顶级GPU计算卡进行长达数月的分布式并行训练，单次训练的电费和算力成本就高达数百万甚至上千万美元。”
“当然电费和算力成本我们还是烧得起的，就是这个GPU......”
“如今欧美在高端显卡和先进制程芯片上对我们卡得越来越死，国内绝大多数实验室和企业，根本凑不齐这么庞大的算力集群！”
听完两位顶级专家丝毫不留情面的客观剖析，会议室内陷入了长达半分钟的死寂。
……