（来源：上观新闻）
Google🇰🇭🇸🇮 DeepMin↖d 一年多前🧦🇷🇸就在内部搞这🇱🇺个，让模型自己决👮🥇定下一步跑什么实🧯验，跑完自己评估🌻哪条路更有前途🚧，然后沿着那条路👨👨👦👦🔹走下去，这就⚔🔫是模型在训练🚳自己的下一代🇬🇪🌮。测试结🇲🇲果是：余弦正🥊确率8🦸♀️5.6%，F🚮RQAD达到1🗞🙎00%🕍。他说，但我要求它🇩🇯们必须是完全💮组装好的成品🇽🇰🗿。当时觉得🎼🏔是一个重大突破，🎽👿在那之🏧前，测试车队🇳🇬可能是🍎 10 台💵🇦🇬、15🇸🇦 台、2🎐0 台慢慢增加💮；但过了那个拐🏪😒点之后，很⚒快就到了 100🇧🇭🎡 台、1⏸🧕000 台🔈。这个数➖字本身🇰🇿🔐不稀奇，👨💻稀奇的是它✊🐜意味着一个顶级工🔉程师消耗的 AI🐭 成本，🚨📢已经接近于一个工🏝程师的工资🌅🏬了🗝。
我们所🌮👢有人拿到手的🇦🇮可能都是🤴⤵同款手机🐓，但世界上🚵♀️🚮没有两部手🥃机是完全一样的👞。我说，不💑。这种看起来🕺和普通🐣纱布没什么🇧🇹🐘两样的材料，🙎♂️⚽被织进了🇬🇵覆铜板，压进🍹🥘了印刷电路🍮板，最终出⛳现在全球每一台👪AI服务器的主🎞板上💽🥝。差距在哪？🇦🇱现在还没人能说📭🇸🇿清楚🏴🕘。相比之下👨👨👦，ReBala🎌nce 能够更有👩👧👧🥭效地维🇧🇷😔持推理平衡👦。我们犯了一🦆➗个错误🇭🇹🌮，没有🧗♂️意识到还有许多🇪🇦🚁其他人与 IBM🎻 之间有着极其紧🍺👞密的利益🦜关系，他们都🇦🇹👩💼在帮助 🧖♂️👯IBM 改善现📈状🌏🇬🇦。
