大規模購入顯卡這件事兒，微軟和OpnAI絲毫沒有對外保密，甚至搞的格外高調。這邊剛一做完決定，立即就搞得滿世界都儘人皆知了。
“這……”紀弘看到相關消息，簡直有些哭笑不得：預測模型這麼準的嗎？
想想很離譜，但仔細一分析，確實也在情理之中——因為微軟壓根兒就沒有第二條路可以走。
耳語係統雖然沒有表現出超強的攻擊力，卷耳智能科技甚至都沒有為它開過一個發布會，有點兒並不重視的樣子，但它的戰鬥力就在那，任誰都沒法忽視。
哪怕根本就沒有正式在美歐地區銷售，就已經開始慢慢的侵襲微軟的Windos市占率了。
如果下一個版本還不能扭轉過局勢來，那劣勢瞬間就會轉化為敗勢！
生態是護城河不假，但被護城河淹死在城內的可是有先例——當年諾基亞塞班係統市占率高吧？現在再看看，哪裡還能看到它的影子！
護城河是對同級產品而言的，過於落後，掉到河裡的隻會是自己。
紀弘也是想到了這兒，隨後又看了看那個預測類AI模型：如果變量過多，時間很長，對它來說確實難度很大。
但如果變量很少，就像這次，預測GPU行業，單單就這一個行業，預測某些公司的短期動向，看起來還是很靠譜的。
“這東西包裝一下也是一個非常強大的產品！”紀弘這麼想著：“先拿去給陳繼業做企業分析試試。”
“微軟這邊……”決心下的那麼大，所有人都看出微軟要做什麼了，紀弘當然也不例外，這個時候，他在思考這樣一個問題：
“現在他們的大模型，Transforr這類的，靠無限製的堆積算力，就能無限的提高模型能力嗎？”
紀弘對此還真沒有研究——先前在創界，主要利用彆家平台進行接口對接開發，後來自己創業，上來就是類思考模型，對T模型屬於降維打擊，並不存在這樣的問題。
他對此沒有什麼研究，但有一個人一直在關注著這方麵——這個人就是孫博。
“靠無限製的堆積算力獲得高性能大模型，短期內是可行的。”
孫博也是看到了微軟的行動，在CDNBlog跟一群人正在探討相關的話題：
“長期的話，倒不是有上限，真要有魄力不計成本無限製的去堆積算力，理論上是真的能夠獲得無限製的性能提升的。
“但也僅僅隻是理論上，這裡邊有一個巨大的問題，根據我的研究，它的增長不是線性的。
“我大約計算過，實際的增長曲線就不說了，很複雜，但大約可以簡化為這個函數：y=c·log（）·（+）。
“這裡邊y指的是性能，你們就姑且理解為算力堆積的基本單位，大約趨勢如下圖。”
就算是對數學再不懂的人，看到這個公式也該看出來了，因為這個函數的曲線到最後，幾乎就是一條平平的橫線。
也就是說，當顯卡堆積達到一定規模之後，就算再堆積硬件，性能雖然也會增加，但增加的也會十分有限，到最後甚至肉眼都不可見了。
這麼說著，孫博還舉例道：“以現在的GPT為例，如果想要一個倍GPT參數的大模型，對算力的需求大約會是多少呢？
“我計算過，大約需要十幾倍。而且公式計算的隻是理論效果，而更大規模的集群，片間互聯的損失肯定也會更大，實際效果隻會更差。”
孫博很是熱情，隻要不涉及他自己工作的機密和核心，隻要他在的時候，那幾乎是有問必答的。
紀弘也正好翻看到這兒，他沒有過多的驚訝，片間互聯損失這一塊兒本身就不好解決，要不然超大規模智算中心也不至於這麼稀有了——河州大學搞的那個還是純國產第一例。
“按你這麼說，微軟這孤注一擲的效果，不一定會好啊！”有人這麼回了一句。