纪弘对此还真没有研究——先前在创界，主要利用别家平台进行接口对接开发，后来自己创业，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。</p>
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。</p>
“靠无限制的堆积算力获得高性能大模型，短期内是可行的。”</p>
孙博也是看到了微软的行动，在CSDNBlog跟一群人正在探讨相关的话题：</p>
“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。</p>
“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。</p>
“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）。</p>
“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。”</p>
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。</p>
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。</p>
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？</p>
“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。”</p><div id='gc1' class='gcontent1'><script type='text/javascript'>try{ggauto();} catch(ex){}</script>