第八十九章基石
第八十九章基石(第2/5頁)
a、國內的幾家大廠——都在砸錢建模型、囤算力、搶數據。但據我所知，目前還冇有哪一家真正找到了可持續的商業閉環。投入很大，收益卻不樂觀。”
“那是因為他們的模型是懸在半空中的。”蘇酥雪說，“他們的訓練數據來自互聯網——網頁、論壇、論文、書籍——這些數據確實是人類知識的集合，但它們是被動采集的，與真實世界的物理反饋是脫節的。一個模型可以寫出文采飛揚的文章，可以編出邏輯嚴密的代碼，但它不知道一臺機器壞了該怎麼修，不知道一種新材料在高溫下會有什麼表現，不知道一個戰術決策在實戰中會產生什麼後果。因為它冇有自己的‘手’和‘腳’，冇有與物理世界直接交互的通道。”
“而我們不一樣。”
“對。我們有智能產線、有戰鬥單元、有太空實驗平臺——這些都是與物理世界直接交互的通道。我們的模型可以從這些通道中獲得實時的、真實的反饋數據。它預測一個工藝參數，智能產線會告訴它這個參數實際加工出來的產品質量如何；它製定一個戰術方案，戰鬥單元會告訴它這個方案在實戰中的效果如何；它設計一個軌道機動方案，織女衛星會告訴它這個方案的燃料消耗和到達精度如何。這種閉環反饋，是那些隻靠互聯網數據訓練的模型永遠無法獲得的。”
陸迪峰站起身，走到窗前，背對著蘇酥雪，沉默了很久。窗外，礦區的景色在午後的陽光下一覽無餘——智能車間的藍色屋頂在陽光下泛著光澤，遠處的風力發電機葉片在緩緩轉動，更遠處的山脊線上，隱約可以看到正在建設中的光電膜測試場的腳手架。
他轉過身，問道：“建這個認知引擎，需要多大的投入？”
“初期投入主要包括三塊。”蘇酥雪顯然已經做過詳細的測算，“算力基礎設施，需要建設一座新的數據中心，配備至少五千張以上的高性能計算卡，總投資大約在三到四億元。數據工程，需要對現有的所有業務數據進行清洗、標註和結構化整理，同時還要係統性地錄入人類文明在各個領域的經典知識和實踐經驗，這部分的人力投入很大，需要組建一支至少五十人的數據工程師團隊。模型研發，需要招聘和培養一批在深度學習、自然語言處理和強化學習領域有深厚積累的研究員，核心團隊至少需要二十到三十人。”
“每年的運營成本呢？”
“數據中心建成後，每年的電費和運維成本大約在八千萬元左右。加上團隊的薪酬和研發經費，每年的總運營成本大概在一億五到兩億元之間。”
陸迪峰在心中快速地估算了一下。源點實驗室、深藍邏輯和昆侖勘探三家實體今年的總營收預計在十二億元左右
（本章未完，請點擊下一頁繼續閱讀）