首先挖了一勺汤。
郭景林拿起白色的公筷，伸向缓缓转动的餐盘里，夹了一些到餐盘上道：
“快吃吧，等会儿好好喝几杯。”
陈澈喝着汤没搭理郭景林，而是重新看向徐阳，继续刚才的话题道：
“姐夫觉得这中间的挑战是什么？”
徐阳闻言，立马放下汤勺，把鲜美的汤汁咽进嘴里，笑了笑说道：
“我只是拙见，并不权威啊。”
陈澈道：
“没事姐夫，咱们就是聊聊嘛，我现在是真有这方面需求，姐夫可别藏私。”
徐阳连忙道：
“肯定不藏私，就是一点认识。”
陈澈洗耳恭听道：
“姐夫你说。”
徐阳当下摊开手掌，说道：
“我是觉得第一是算力，训练需要大量GPU集群，持续投入巨大，杭城那边虽然有阿里云，但自建或租赁的成本都是天文数字，真要自己做成本是大问题，第二是数据上的，想要搞那种大模型平台需要高质量、海量、多样化的数据，特别是中文数据，数据的清洗、标注、合规性都是大问题，算法上Transformer是基础，但如何优化架构、提升训练效率、降低推理成本？如何解决模型幻觉偏见和安全问题？这些都需要顶尖的算法团队，最后也是最重要的一点，无论成功与否还是要找到能赚钱的场景，是提供API服务？赋能特定行业？还是做成产品？现在大家都在摸索，不知要多久。”
期间，徐阳声情并茂。
他是一个老实人，平常话不多，只有涉及到他熟悉的专业才显得侃侃而谈。
陈澈认真听着，不时点头道：
“姐夫分析得很透彻啊，其实最大的痛点就是投资的价值所在嘛，算力问题，随着芯片发展和云服务成熟，成本曲线肯定是下降的，数据需要长期积累和有策略地获取，说到底，算法和人才，这正是我投资最看重的——有没有核心的、能攻坚的团队。
徐阳点点头。
陈澈在这时笑了笑又道：
“至于落地...我相信，当模型足够强大时应用场景会自己涌现出来，甚至创造出我们现在想不到的需求，关键在于先把这个“大脑”练好、练强，
本章未完，请点击下一页继续阅读！