一脸好奇，眼睛睁得大大的：“欧洲现在的情况和ai有什么联系呢？”

叶回舟耐心地解释道：“在科技发展方面，欧洲也存在类似问题。

欧洲很多国家盲目追随美国政策，比如在经济领域对一些国家加关税，毫无自己的主见。

在ai发展上，欧洲没有形成强大统一的发展战略，还不断消耗资源追随美国行动。

这就如同ai走入歧途。

我们必须思考，如何在科技发展中找准自己的方向，避免盲目跟风或过度追求表面数据。”

杨闲点头称是。

他端起咖啡，却没喝，只是看着杯中的液体说道：“是的。

在ai发展上，我们应回归本质，像人类大脑一样重视算法和真正的智能产生机制。

而非单纯追求高参数、大量数据和巨额算力投入。”

说着，杨闲的手机突然震动了一下。

他低头看了看，扶了扶眼镜，看着手机群说道：“有朋友留言说，清华大学那边有进展。

国内有团队正在做福建运算相关的通用平台研究。

视频发布不到十几个小时，就有人爆料青北大学相关团队公布了相关论文。

利用福建运算逻辑，通过显卡底层增强，让4090这种消费级显卡能完全运行r一满血大模型。

而且速度不比专业的a100算卡慢。

很多朋友问这是怎么回事，原理其实很简单。

显卡原本是提升显示效果的，通过gpu提供格栅化运算和浮点运算来实现成像。

以前超级计算用计算机、服务器、大型机甚至巨型机。

但到了ai大模型时代，人们发现gpu计算速度最快，不过它并非最适合。

于是英伟达推出了cuda平台，可理解为在显卡上进行计算的操作系统。

必须在这个平台上才能调用显卡算力，实现数据进入大模型训练等工作。

但它的工作原理也是调用底层芯片的浮点运算能力。

有没有更好的办法呢？当然有。

清华大学的论文解析了整个4090芯片底层，通过二进制语言编写运算代码，支持在上面部署大模型，提升了推理能力。

但要说这块卡真正的训练能力和a100相比，肯定比不上，毕竟算力有很大差距。

不过这个逻辑是可行的，放在任何显卡上，通过底层充分发挥浮点运算能力。

就能超越cuda平台对单个显卡性能的损失。

因为cuda是通用平台，配置在英伟达的显卡和算卡技术之上。

不可避免会对单个显卡性能有一定损失，其插件也是通用的，保证能用但效率不高。

记得22年还是23年，美国有个团队专门发文分析，cuda对英伟达算卡的利用率不到85%，大概82点几。

所以，如果把浮点运算提升到很高水平，超越cuda平台下英伟达算卡的表现没问题。

这是丁s开源论文里的重要问题，也是国内很多团队在这方面下功夫的原因。

通过机械语言直接调用底层浮点算力，适配多个国产卡，形成通用键，挖掘算力内部潜力。

这算是一个非常重要的进步，也是各个团队正在努力的方向，他们的成果非常了不起，是众多工程师共同努力的结果。”

叶回舟思考片刻后，微微皱眉说道：“可这对现在的ai研究界来说，可能是个巨大挑战。

毕竟目前大家都在朝着提高参数和扩大规模的方向发展。”

杨闲笑了笑，靠在椅背上，回应道：“没错，这就需要有人站出来打破常规。

就像马斯克在其他领域创新一样，如果他在ai领域也能实现突破，那才值得期待。

但现在他的g3给我的感觉，还是在旧框架里玩新花样。”

小胖子王涛拍了拍杨闲的肩膀，脸上露出灿烂的笑容：“不管怎样，能有这样深入的讨论已经很棒了。

希望未来能有更多关于ai正确发展方向的思考。”

叶回舟拍了拍王涛的手，点头说道：“没错，现在技术发展日新月异。

我们必须不断思考，才不会迷失在这些看似华丽的数据背后。”

杨闲接着说：“我们公司其实也能从中吸取经验。

在项目开发中，不能只看重表面的成果数字。

更要注重