663 都怪百度(4K)

    俞兴原则上同意碳矽集团与宁德时代的电池技术授权。

    这是对双方过去密切合作的考虑,更大因素则是因为国内近期对三元锂的宣传势头很猛,其中自然免不了它和磷酸铁锂的对比,以及,搭载LG三元锂电池的特斯拉电车也是这种比较里常见的例子。

    小鹏、蔚来以及广汽等主机厂都纷纷选择搭载了来自宁德时代最新的三元锂电池,它能带来151Wh/kg的能量密度,比碳矽最新电池的又提升8%。

    同时,宁德时代在业内给出的承诺是明年还能进一步提升电池的能量密度,高镍三元锂已经在筹备量产,明年便有望推进到170Wh/kg,後续还能再展望180Wh/kg。

    即便按照170计算,它也超过了如今碳矽电池的20%,会是一个更加明显的性能提升幅度。

    电池是新能源汽车的三大件之一,它的性能表现自然是主机厂的重要宣传点,这既和车企的竞争息息相关,也和电池厂商的利益紧密相连。

    国内如今是碳矽集团在新能源市场一家独大,没有实际销量支撑的宣传容易绵软无力,而国外订单排队又采用三元锂的特斯拉便成为最好的性能说明。

    连早就耕耘新能源又完全是纯电汽车的特斯拉都使用三元锂,只是增程汽车的碳矽集团所选择的磷酸铁锂能是对的吗?

    三元锂和磷酸铁锂的争执在短时间里注定不会消失,但特斯拉提高国产化来搭载宁德

    的铁锂,这有助於打破当前舆论里的对比,也很可能继续演化成用高低配的选择来证明优劣,却已经能节省碳矽在宣发上面的部分精力了。

    俞兴的这种考虑迅速得到崔之愚等人的赞同,也都愿意收回电池厂的股份,因为,那注定会产生更大的价值,不管是电池实验室里的研发,还是在V9上面验证了的CTB,都让铁锂这条路仍能看到前进的方向。

    当然,这件事还得看碳矽与宁德谈判的内容如何,双方如果分歧较大,保持现状也行,反正,是宁德时代需要更好的技术。

    年後的工作相当程度上是执行年前的规划,只有DLF这边推进的成果是在意料之外,所以才选择初一发布了TD—1,而它的开源复现,按照吴恩达的口径,如果只做微调复现会在几周内完成,如果是从零预训练的复现,那就至少需要半年了。

    也就是说,TD—1的真实效果差不多一个月就能被验证。

    俞兴根据这种情况便也把自己前往美国的行程定在3月22日,这一趟除了去见微软的韦福如和周明,他还在几经考虑之後打算拜访谷歌、脸书、英伟达、OPENAI等几家在AI领域有深远影响的公司。

    同时,吴恩达将会陪着参与这趟美国之行。

    「俞总,我跟在你身边安全吗?」吴恩达被点名之後开了个玩笑,「实在不行,就线上打打视频呗。」

    「到时候咱俩不要坐同一辆车。」俞兴摇头,「我已经和韦福如约好见面了,既然你

    们认可他的才华,那就尽最大可能的去争取。」

    他说到这里又说道:「我看你们很多人都有在矽谷NEC的经历,我就觉得这个领域的研究是很有希望的,不是我们的研究能力不如矽谷,是首先国内得先有这样的萝卜坑。」

    矽谷NEC实验室曾经是由龚怡宏、余凯和林元庆带领起来的最强人工智慧实验室之一,也是这个领域许多留学生必去实习的地方。

    在深度学习这一块,华人也做出了很大的贡献。

    俞兴觉得在AI即将掀起发展浪潮的当下,国内由DLF开出的萝卜坑可以先一步网罗人才,他们在今後的发展中都是很宝贵的。

    吴恩达对於安全方面其实挺放心,他忽然想起另外一个问题,有些奇怪的问道:「俞总,你去看OPENAI干什麽?没听说它有什麽特别出色的研究啊。」

    0PENAI是2015年12月正式成立,资历并不深,放在俞兴访美行程里就让吴恩达有点奇怪。

    俞兴淡定的答道:「我看马斯克辞掉了那边的职务,看看有没有也把人才挖来的机会。」

    就在这个月,因为OPENAI拒绝了马斯克把它并入特斯拉由他绝对掌控的方案,所以,马斯克辞去了董事会联席主席的职务。

    吴恩达觉得这挺符合俞总的作风。

    俞兴喝了一杯茶,也想起一个这两天在琢磨的事,问道:「吴总,为什麽你们那个对话软体没法回答我的问题呢?」

    吴恩达怔了下才知道俞总在说什麽事,忍不住笑道:「论起那麽多钱的理财,难道不是过山峰才是最专业的吗?俞总,你就不用问别人。」

    「不是,我不是要听到比过山峰更好的理财方案,我意思是,它为什麽会卡,为什麽不回答我?」俞兴那天现场没有问出来,这会却显得很认真的。

    吴恩达有些不解,只觉这个事是向机构宣传时的小花絮而已,不明白俞总为何念念不忘,不过,既然老板非要追问————

    他思索着给出正式的答案:「俞总,你当时说有几百亿,它不回答你是因为回答不了,是因为我们完全没想到会有你这种程度的理财需求,软体的检索库里没有类似的答案,那肯定就没法回了。」

    俞兴揪住一个词:「检索库?」

    「是啊,TD—1模型可以更好的理解你的意思,提取你话里的关键信息,但是涉及到怎麽回答,它还是需要调用後端接口,用检索库里的预设模板来拼出回复。」吴恩达尽量用老板能听懂的解释,又举了个例子,「那天给你们试用就像是一场开卷考试,对话软体是学生,它虽然能翻开书,但书里没你那个问题的答案,超纲了就没法回答。」

    俞兴咀嚼着吴恩达的意思,总觉得不太对,这好像————

    他思考再思考,这好像和自己所知道的主流方向不太一样。

    俞兴试着换一种方式来得到答案:「吴总,你觉得TD—1未来的应用场景应该是什麽样的?」

    「它现在能更好的理解问题了,嗯,我感觉未来的TD—2、TD—3在那种客服或者知识问答场景里还有很大的潜力可挖。」吴恩达瞧着俞总的神色,认真的说道,「这麽说吧,俞总,你可以把TD模型和我们做出来的对话软体当做是一个超强的检索式的百度,信息搜集效率会比百度强上很多的。」

    俞兴听到这样的说法,眉头反而更紧了,嘴里念叨道:「比百度强————」

    他思忖一会,摇了摇头,模板库,检索式————

    俞兴再次发问:「吴总,如果就是像咱们这样自由的闲聊呢?漫无目的,没什麽特别中心的讨论,就好像————就好像它是一个真实的陪在旁边的人。」

    吴恩达听着俞总这样的描述,用了一个词总结:「开放式的对话?」

    俞兴眼睛一亮,点头道:「是的,TD模型在开放式对话上面的潜力怎麽样?」

    「我明白你的意思,就好像做到科幻电影里有个能够与人自由对话的机器人,它所搭载的那种善解人意的核心程序。」吴恩达仔细思考着老板提出的要求,斟酌道,「从目前的研发情况来看,嗯,传统的自然语言处理模型是可以按照目录查字典,可以匹配关键词。」

    「我们的TD—1是能看懂问题的意思再找字典里的答案。」

    「但是,你的要求就好像是在字典之外再写出上面没有的东西。」

    「如果这麽来推进开放式的对话,可能很快就会碰到天花板吧,因为,我们是用Transformer编码器+双向预训练进行的自然语言理解。」

    「如果百度或者谷歌,包括碳矽数据可以用我们TD模型的思路把它集成到搜索业务里,我相信一定能更好的提升搜索结果的相关性。」

    能够更好的理解用户搜索的问题,自然也就能更好的提供答案。

    俞兴沉默了好一会,说道:「吴总,那还是拜托你把关於TD模型的原理再详细的给我一份论述,要是能参照业内的相关研究,那就更好了。」

    他隐约发觉到问题了,TD模型似乎是检索式、搜索式应用方面更广,而不是後来主流的可以自由对话的生成式。

    这里面或许是TD模型现在路线的研究还没推进到位,或许就是还存在基於Transformer机制上另外的路线。

    如果想要验证这一点,只要对比OPENAI的研究就能知道了。

    吴恩达察觉到老板的迷惑,但不知道到底是关乎什麽,也就答应了这个要求。

    俞兴不确定自己的想法是否幼稚,不过,对於这件事的可能性也不是特别着急,连可以随时询问吴恩达等人的自己都难以摸清,那投资人们就难搞清楚了。

    而且,美国之行就可以直接登门拜访请教。

    DLF都愿意开源自己研究的东西,不要求其他家把他们研究的东西全部亮出来,对比找找参照总是可以的吧。

    就在次日,吴恩达把TD—1模型更详细的材料发了过来。

    俞兴推开半天时间,专门窝在办公室里啃这篇邮件。

    按照吴恩达的表述,TD—1模型的本质是使用了12层Transformer编码器,再通过双向掩码预训练的自然语言处理模型,总参数量在1.1亿。

    俞兴仔细看文件里的描述,怀疑是参数量还不够高的问题,但是,等到反覆浏览之後,另外一处对Transformer论文的描述又引起注意。

    由谷歌发布的Transformer论文,它提出的是一套完整的编码器+解码器的架构,编码器用来理解输入的意思,解码器用来生成输出的文本。

    俞兴静静的思考,编码器,理解,解码器,生成。

    TD—1模型主要使用的是编码器的架构。

    他乾脆把相关内容都写在了面前,然後把电话再次打给吴恩达:「吴总,为什麽我们

    的TD—1主要是使用编码器,我看Transformer论文不是包含编码器和解码器吗?」

    「刚开始我们用Transformer的时候确实是这样,但後来发现两个模块是可以拆开独立使用的。」吴恩达解释道,「我们认为首先得让模型能够读懂意思,最开始我们尝试了两个模块的对比,相同的参数下,编码器模型在语言理解上可以比解码器模型高出至少10%的效果。」

    「而且,参数越大,两种模型的效果差距越明显。」

    吴恩达没有深入的讲解技术问题,没听到俞总的回应,思考着又说道:「另外,TD模型这种编码器,它的结构更简单,推理更快,可以用更少的参数做出更好的效果,我们其实也参照了过去在百度的经验,TD—1更适合百度那种高并发和低延迟的海量业务场景,部署成本肯定会远低於同样效果的解码器方案。」

    俞兴心中的倾向变得更加清晰了。

    他轻轻叹了口气:「吴总,我明白了。」

    吴恩达不解:「明白什麽了?」

    俞兴肯定的说道:「都怪百度。」

    都怪百度带来的坏习惯,让吴恩达等人潜意识考虑更适用於它的方案,当然,这仍然只是一种猜想,但验证起来就更简单了。

    俞兴基本能够理解这里面可能存在的不同技术路线到底是什麽样,也就能够更加精准

    的寻找佐证。

    吴恩达听着电话里的声音,从头到尾都不明白俞总到底在疑惑什麽,这会也只能说道:「俞总,TD模型的挖掘潜力还很大,我们是有信心把它做到更好的。」

    「没事,吴总,慢慢来,不要考虑机构投资的压力,连我都不懂,他们更不懂了。」俞兴看着面前被自己写出来的东西,随手又在上面画了圈,说道,「吴总,我有问题再给你打电话。」

    吴恩达答应了,听着挂断的声音,不知道俞总在忙活什麽。

    俞兴放下手机,再度拜读吴恩达发来的材料内容,确定自己基本理解可能存在的方向差异,随即把电话打给了刚被OPENAI赶走的马斯克。

    「埃隆,OPENAI是不是在使用Transformer解码器进行主要的研究?」

    马斯克接到大空头的电话,完全没想到对方会问这个东西。

    他答道:「这是什麽东西,我不清楚。」

    「帮我问问呗。」俞兴说道,「我验证验证想法,过一阵到美国请你喝酒。」

    「你要来美国?」马斯克诧异,又说道,「那我要一瓶最好的红酒。」

    俞兴毫不犹豫的答应了。

    电话结束,等待答案。

    大约十分钟,马斯克的回覆来了,OPENAI确实在使用纯Transformer解码器的技术路线,也就是奔着生成的方向。

    俞兴看着简讯,感觉这瓶红酒太值了。

    >(记住本站网址,Www.WX52.info,方便下次阅读,或且百度输入“ xs52 ”,就能进入本站)
这篇小说不错 推荐
先看到这里 书签
找个写完的看看 全本
(快捷键:←) 上一章   回目录   下一章 (快捷键:→)
如果您认为《多我一个后富怎么了》不错,请把《多我一个后富怎么了》加入书架,以方便以后跟进多我一个后富怎么了最新章节的连载更新