人工智能，包括现在最火的大模型，最核心的4个层面，就是数据、算力、算法和应用。掌握这4各名词，起码你就是脑子中有思路的概念的。

2024年被普遍认为是大模型应用落地的元年，而工业场景将会是大模型的重要战场。工业生产包含复杂的流程，为AI落地提供了丰富的场景。各个国家大模型终极较量，还是在于应用场景和创造足够的价值。最近黄仁勋就在高位套现他的股票，现在算力虽然疯狂的增长，但是一旦如果大模型无法创造更多的价值，就会如昙花一现，马上被资本和人们抛弃。在这些应用领域中，工业是一个重要而又复杂的领域。

在大陆运行ChatGPT，有不少限制，虽然研究的很多，但不能很方便的注册，甚至由于它的出现，带动了很多VPN的爆赚。目前VPN的价格，确实出现了水涨船高的现象，很多小的也受到了打击，或者无法付款的情况出现。科技产业最耀眼的明星企业，并引发了巨大的讨论与关注。从上图可以看到，自从推理模型R1版本推出，下载量出现了快速的增长势头。向大家展示了通过精巧的算法优化，可以在低一个数。实现了多项工程技术上的创

大模型通常需要具有数十亿乃至上万亿个参数，训练时到数万亿个Token，这就需要消耗巨大的算力。此外，大模型的日常运营和优化也需要大量的算力投入。不过现在的语言大模型，比如Transformer模型，已经几乎一统天下了，都是它的变种，但我觉得，他还是在LEVEL1，还无法推理，只是在不断地对比和计算权重，在猜答案，更可怕的是，他是如何运作的，是一个黑盒子。大家都在比拼着，去购买芯片，做超算，扩大算力

发现了一个DeepSeek的致命缺陷，有些问题在进行深度推理的时候，会陷入无尽的思考，无法停止，反复推敲，最后进入无限循环，这会导致GPU的一直占用，类似DDOS攻击，最后导致服务器宕机！我们前面说了，汉字天然就适配人工智能，因为我们会复用很多文字，而不会每个事物都造一个新的词，但也正是因为这样，这种多义性，会产生推理的无限循环。无限循环下去，笔者等了几十秒，没有耐心，没有继续等待了。因为无论是2

大衣、毛衣、秋衣，……这些人工智能一看就知道是衣服。而在英文中，都要有不同的单词来表达。近些年来，英文造词的数量每年都在上升，大量的新词，给普通人的生活都带来了困扰，更别说人工智能了。‌‌。汉字的常用字数量较少，但表达的信息密度高，常用字数量只有英语的一半，因此在元素分量中的空值情况远少于英语，可以极大地减少算力浪费‌1。此外，汉字的词嵌入远少于英语，通常只有一半，因此在特定情况下，汉字大模型的参

其中FPGA，我接触过，当时（10几年前）和北工大合作一个项目，有一个杨老师，就声称，未来FPGA不会过时，还会有更大的作用，因为很好用，硬件和软件一样去编程，开发非常灵活。这种算力的竞争，是不是冷战时期的登月，目前还不知道，到底是不是需要这么大的算力来支撑，这是毋庸置疑的，即使现在不需要，未来也需要。4. CPU（中央处理器）：传统的通用处理器，适用于各类任务，包括AI计算，但相对于专用芯片，在

生成式 AI 的迅猛演进，推动 AI 基础设施（AI Infra）加速发展，增长趋势将从大模型专业领域延伸至各行业领域，AI Infra“质量双螺旋”的发展模式将逐步形成，单集群从万卡“量变”至十万卡的同时，集成、互联和分布式将成为AI Infra“质变”破局的三板斧。随着生成式AI技术的迅猛演进，人工智能领域正经历着一场前所未有的变革。这场变革不仅体现在算法和模型的突破上，更深刻地影响着AI基础

安卓时刻”这一概念借用了移动互联网发展史上的标志性事件，即谷歌推出的开源操作系统Android如何促进了智能手机市场的繁荣。同样地，在AI领域，开源大模型的出现，意味着开发者们可以基于这些底座模型进行二次开发，创造出更多适应不同场景的创新应用。开源带来的不仅仅是技术上的解放，更是思想上的解放。在人工智能发展的洪流之中，大模型技术以其强大的泛化能力和广泛应用前景，成为了引领技术革新的重要力量。之前我

图像描述生成（Image Captioning），也称为图像标注或图像注释，是计算机视觉和自然语言处理交叉领域的一个重要任务。它的目标是为给定的图像生成准确、流畅且符合人类表达习惯的自然语言描述。这一任务对于实现人机交互、辅助视觉障碍人士以及多媒体内容检索等都具有重要意义。涉及的技术计算机视觉技术：用于识别和检测图像中的对象、场景、动作等关键信息。这包括目标检测、图像分割、场景理解等技术。自然语言