权巅：从党政一肩挑开始 第672节

　　“但这件事很难讲清楚，因为学术界和产业界在这个问题上有分歧。”

　　陈捷微微颔首示意：

　　“你就当我是一个门外汉，按你觉得最自然的方式讲就行。”

　　梁文风点了点头：

　　“那我打个比方。”

　　“当前全球主流的大模型训练范式，本质上是在用海量数据和海量算力，去蛮力拟合一个极其复杂的函数。”

　　“参数越多、数据越多、训练时间越长，模型越聪明，这是目前的共识。”

　　“美国人工智能的路线就是这个逻辑，参数量从十五亿暴涨到上万亿，算力需求每一代翻十倍以上。”

　　“但这条路有一个是工程极限。”

　　“当需要几万张顶级GPU协同工作，训练周期长达数月，电费以千万美元计的时候，全世界能跑得起这种实验的机构，就只剩下五六家了。”

　　“美国有谷歌、脸书、微软，华国有……”

　　他微微摇头：

　　“按目前这条路走下去，我们能叫得上名号的选手，可能凑不齐一只手。”

　　陈捷安静地听着。

　　梁文风继续道：

　　“但算法领域有一个长期被低估的方向。”

　　“不去追求参数量的无限膨胀，而是追求单位参数的信息密度最大化。”

　　“同样是一个七十亿参数的模型，如果训练方法足够精妙，数据筛选足够精准，架构设计足够巧妙，它能展现出的智能水平，可能不输一个参数量大十倍但训练方式粗放的模型。”

　　“这就好比下围棋。”

　　他换了一种更直观的说法：

　　“一个天赋异禀的棋手，从小只接受最精华的棋谱训练，对每一步棋都深入理解，融会贯通，可能比一个看了一百万盘棋但走马观花的人下得更好。”

　　“质量胜过数量，深度胜过广度。”

　　“如果这条路走通了，意味着不需要一万张A100来训练一个顶尖模型，可能一千张甚至几百张就够了。”

　　“算力门槛降低一个数量级，受制裁的冲击就从致命变成可控。”

　　梁文风说到这里顿了顿：

　　“但这条路在学术界的主流声音里，一直是被边缘化的。”

　　“因为主流叙事被硅谷定义了，美国人工智能的护城河也建立在算力壁垒上，我的训练规模你追不上，所以我永远领先你一步。”

　　“整个产业的利益格局，都在鼓励暴力堆算力的叙事，打压算法效率优先的叙事。”

　　“因为后者一旦成功，前者的商业根基就动摇了。”

　　陈捷一直认真听着，等梁文风说完，他才才开口：

　　“所以梁总的意思是，算法效率这条路，技术上可行，但它需要打破一个由硅谷巨头主导的话语体系和利益格局。”

　　陈捷微微前倾身体：

　　“美国对华国的科技遏制，不是一时冲动，也不是某一任总统的个人偏好，它是一个长期的，结构性的战略选择。”

　　“从中兴、华为到芯片，到今天的生物医药，打击的靶心一直在移动，但逻辑始终不变，就是遏制华国在核心技术领域的追赶速度。”

　　“你刚才说的GPU禁令，我认为不是如果的问题，而是什么时候的问题。”

　　“并且它不会是一次性的，会是分阶段、逐步收紧的。”

　　“先限制最高端的型号，然后扩展到次高端，最后可能连中端推理芯片都会纳入管控。”

　　“在这种背景下，我们今天在武河搭建的这套算力基础设施，如果底层完全依赖英伟达的硬件，那它就是一座建在沙子上的城堡。”

　　“禁令一来，沙子被抽走，城堡就塌。”

　　“所以我的思路是双轨并行。”

　　“短期内，利用现有的存量算力，通过成本优势吸引产业集聚，这是第一条轨。”

　　“但与此同时，必须培育一批走算法效率路线的团队，让他们在低算力约束的条件下探索智能的上限，这是第二条轨。”

　　“第一条轨解决的是今天的问题，第二条轨解决的是明天的问题。”

　　“如果明天禁令真的落地了，第一条轨会受冲击，但第二条轨上的团队，因为从一开始就不依赖天量算力，反而可能成为穿越封锁的主力。”

　　陈捷将目光投向梁文风：

　　“我今天在这个论坛上讲的那些东西，它们的真正价值不在于让更多团队用更多的卡去跑更大的模型，而是在于降低实验的门槛，让更多有想法的人，用更少的资源，去探索更聪明的方法。”

　　梁文风嘴角微微动了一下，然后道：

　　“陈市长，如果按照您说的双轨思路，那第二条轨上，武河具体能做什么？”

　　陈捷笑了一下：

　　“武河能做三件事，第一是设一个研究方向的甄选机制，算法效率这条路上有很多分支，比如稀疏化、蒸馏、混合专家架构、数据筛选算法、训练范式的创新，但不是每个方向都值得投入，需要找到那些最有可能在短期内产生突破的技术路径，集中资源支持。”

　　“第二是建一个低门槛的实验环境，不是给他们一万张卡，而是给他们有限的资源，比如一百到五百张卡的规模，然后看他们在这种约束条件下，能做出什么成果。”

　　“约束本身就是创新催化剂，历史上很多最精妙的算法突破，都不是在算力充裕的环境里产生的，而是在资源极度匮乏的条件下逼出来的。”

　　“第三就是打通从论文到产品的转化通道，学术界有很多关于算法效率的优秀论文，但大部分停留在论文里，没有被工程化验证。”

　　“原因也很简单，验证需要钱，需要算力和工程团队，而做学术的人通常不具备这些条件。”

　　“如果武河能搭建一个从理论验证到工程落地的完整链路，让那些发了论文的研究者，有一个地方可以把自己的想法跑通，那对全国的人工智能研究者来说，这里就不只是一个算力基地，而是一个创新转化的平台。”

　　陈捷讲完这三点后，从茶几上拿起水杯喝了一口，然后将杯子放回去：

　　“梁总，我工作这些年，有一个很深的体会，真正好的制度设计，不是要消灭所有约束，而是要让约束的方向对。”

　　“算力不够是约束，但如果这个约束倒逼出了更高效的算法，那它就不是枷锁，而是磨刀石。”

　　“反过来讲，如果无限制地给每个团队最顶配的硬件，让他们可以肆无忌惮地浪费算力，可能到最后谁也逼不出真正的效率革命。”

　　梁文风微微颔首。

　　“所以，”陈捷继续道，“我在想一件事，论坛结束之后，在武河设立一个专门的项目，我暂且叫它约束条件下的智能突破测试。”

　　“面向全国征集团队，给他们一个固定的、有限的算力预算，比如等价于一百张A100运行三个月的总算力，然后看谁能用这些资源，在一个特定任务上做出最接近甚至超越千卡训练的效果。”

　　梁文风的眼睛亮了一下：

　　“这个测试我很喜欢，您刚才说的那个一百张卡跑三个月的约束，量级刚好卡在一个合适的位置上。”

　　“太少了，什么都做不了，团队没有参与动力，太多了，大家还是会走回暴力堆算力的老路。”

　　“一百张卡三个月，说多不多，说少不少，逼着团队每一步都必须精打细算，比如数据怎么选？架构怎么设计？学习率怎么调？哪些参数可以共享？哪些计算可以跳过？”

　　“每一个环节都容不得浪费，必须追求极致的效率。”

　　陈捷微微点头：

　　“而且还有一个附带效应。”

　　“什么？”

　　“参加这个挑战的团队，他们摸索出来的那些省算力的方法和技巧，会自然而然地沉淀为一套方法论。”

　　“这套方法论在今天看来可能只是一些工程上的优化技巧，但在某一天，如果真的出现GPU供应被掐断的极端情况，它就变成了在绝境中求生存的关键能力储备。”

　　“平时练的是效率，战时用的是韧性。”

　　梁文风在椅子上微微调整了一下坐姿，语气比之前多了几分坦率：

　　“陈市长，我做量化做了十一年，赚了不少钱，在圈子里也算有一些名气。”

　　“但这些年我一直在想一个问题，量化交易本质上是一个零和博弈，我赚的每一分钱都来自市场上另一个参与者的亏损。”

　　“这件事本身不创造任何社会价值。”

　　“所以我这两年一直在考虑，把一部分精力和资源，投入到一些真正能改变世界的事情上。”

　　“大模型就是其中一个方向。”

　　“但说实话，在今天之前，我一直没有找到一个合适的切入方式。”

　　“我在燕京租了一个小集群，养了一个研究团队在跑一些探索性的实验，但方向一直不够聚焦。”

　　他看着陈捷：

　　“今天和您聊的这些，让我看到了一种可能性，不再从硅谷定义的范式里追赶，而是从约束出发，走出一条不一样的路。”

　　陈捷没有接话，只是安静地等着他说完。

　　梁文风继续道：

　　“这个测试项目如果做起来，我愿意参与，我可以把我的研究团队搬一部分过来，在光谷超算中心开展一些算法效率方面的实验性工作。”

　　“当然，具体形式可以再商量。”

　　陈捷点了点头，语气平和：

　　“梁总，你的这个意向我很欢迎。”

　　“但有一点我需要提前跟你讲清楚，武河不是一个只讲情怀的地方，我们提供的是公平的环境和低成本的生产要素，不会对任何一家企业或团队做特殊的许诺。”