第(2/3)頁

    以國內(nèi)996大廠的內(nèi)卷風氣，很難容下長回報周期的基礎(chǔ)建設(shè)。

    早些時候看看不出區(qū)別，只覺得國內(nèi)大廠頻繁在xx榜單上露面，刷榜，又是超過這個，又是超過那個。

    直到語言大模型階段，基礎(chǔ)語料數(shù)量和質(zhì)量上的劣勢才暴露無遺。

    “其實這也不能完全怪華國的大廠風氣，美國的互聯(lián)網(wǎng)起步要早，并且很多領(lǐng)域的文獻材料歸檔做得特別好。”孟繁岐也曾仔細思索過這方面的問題。

    “像github，arxiv這樣的大型公開社區(qū)，里面都是非常優(yōu)質(zhì)的外文代碼或者論文。這些也不只是美國人自己的積累。而是通過免費公用的形式，收割了全世界的數(shù)據(jù)。”

    “華國人在github上貢獻的代碼行數(shù)也不在少數(shù)，反過來看看華國的論文社區(qū)，就比如知網(wǎng)，純純就是毒瘤。里面屯點碩博生的論文，還要論頁數(shù)收費。就連下載之后的閱讀器，甚至都需要專門的....”

    此消彼長之下，差了多少珍貴的數(shù)據(jù)啊...

    只是此時此刻，李彥弘應(yīng)該還沒有想到這么大規(guī)模的數(shù)據(jù)用于訓練。因而孟繁岐也不急于一時和他討論后面語言類的技術(shù)，以及生成式的大模型。

    最近一兩年內(nèi)，孟繁岐的重心還是在視覺圖像算法這邊。

    “李總，我個人相信ai技術(shù)的開源程度是相對的，不可以一直這樣透明下去。只是最后成為壁壘的可能并不是模型本身這個純技術(shù)范疇，更多的可能是計算能力，高質(zhì)量的大規(guī)模數(shù)據(jù)，以及一些精髓的訓練與反饋方式等等。”

    “即便是現(xiàn)在的開源時期，算法產(chǎn)生到模型和代碼公之于眾，其實正常來說，有個半年到一年的時間差，都是正常的。”

    “對學術(shù)界來說，這不是一個特別長的時間，但對業(yè)界能夠真實落地的方向來說。這個時間導致的結(jié)果可能是天差地別，甚至是一個企業(yè)生與死的區(qū)別和距離。”

    李彥弘聞言微微頷首，他自然明白孟繁岐話里暗示的意思。

    假設(shè)說，李彥弘他想要推出一個實時高性能的圖像檢測應(yīng)用，目前市面上的算法是沒有能夠支持他所需要的計算速度和準確度的。

    即便孟繁岐愿意公開手里的結(jié)果，以論文的審閱方式，至少也是半年后，人們才會知道其中的技術(shù)細節(jié)。

    再加上復現(xiàn)和試錯的時間，他能夠在8-9個月內(nèi)的時間里把技術(shù)應(yīng)用進去，就已經(jīng)很快了。

    但如果與孟繁岐合作，自然就能夠提前8-9個月直接獲得這項技術(shù)。
    第(2/3)頁