设备在限制孟繁岐的发挥。

    今天来看，硬件设备这方面，似乎今天可以有很大的进展了。

    有了这批泰坦Z设备，在按照约定研发自动驾驶技术之余，也得先出几个版本的迷你chatGpt，让各大公司尝到一点语言大模型的甜头。

    这样一来，复现chatGpt的环境才能够成熟起来。

    若是想要处理比较大型的语言模型，14年老黄刚刚发布的这款12G显存泰坦Z，是非常必要的硬件设备，短期内基本上没有特别好的替代品。

    因为显存这个属性还是相当珍贵的，要知道2020年底发售的Gtx3080显卡，显存也才12Gb。甚至22年底的4080显卡，也只分12G和16G两个版本。

    从产品的时间线上对比一下，就可以很明显地感觉到14年这款泰坦Z的可怕之处，12Gb的显存基本上可以说是前无古人，令人倍感震惊。

    不到两年前，12年的旗舰显卡Gtx680，显存仅仅只有可怜的2Gb。

    后来世人们都知道chatGpt的威力，但很少有人仔细算过这笔账：先不提数据的事情，只说想要训练这个改变了世界的模型，到底需要多少的算力和设备。

    英伟达的市值突破万亿，背后的原因是chatGpt引发的AI算力军备竞赛。

    而制造这起军备竞赛的openAI本身，其实一直都很缺乏算力，openAI因为无法负担chatGpt的训练算力，而选择与金主爸爸微软合作。

    这也是为什么他们曾经一度因为用户的需求量太大而停止提供服务，还是硬件设备不够。

    微软为他们耗费了好几亿美元，组建了超过万张A100显卡的超级算力平台。

    每一张A100都拥有80G的显存，也就意味着openAI当初为了得到chatGpt这个模型，准备了大约百万Gb大小的显存。

    这么换算下来，怎么也得十万张泰坦Z才能够达成相同的显存效果。

    十万张泰坦Z，这下可是真真正正的核弹了。

    并且这还只是显存与微软保持了一致，由于设备的年代差异，泰坦Z运算的速度还得>> --