“在計算機學院。”
林晚晚的聲音很小，似乎在偷偷接電話。
周文有些奇怪的問道：“你去計算機學院幹嘛？”
“計算機學院、數學學院和我們學院的幾個學長弄了一個AI金融推理架構，我們來這邊學習一下。”
周文腦海中突然閃過一道閃電：“量化交易？”
他突然想到了上一世的幻方量化！
可能有人對幻方量化不是很清楚，但是有一個產品大家絕對耳熟能詳——DeepSeek！
它的誕生，首接打破了漂亮國對AI大模型的壟斷，被國家納入戰略級地位，其重要程度不亞於核彈。
在高階AI晶片被國外封鎖，算力生態受制於人之際，DeepSeek 靠著獨創 的MoE稀疏架構，用更少算力跑出頂尖大模型效能。
具體來說，它的訓練成本僅為GPT-4 的十分之一，能耗為國際主流的27%。
意味著大夏完全可以避開硬體軍備競賽，用演算法優勢彎道超車！
更重要的是，它還全面適配華為昇騰的國產算力晶片，幫國內打通了演算法 + 算力自主可控的閉環。
同時它還堅持開源普惠的政策，吸引全球開發者，構建由大夏主導的開源生態。
毫不誇張的說一句，它是唯一同時解決 AI 卡脖子、金融安全、算力自主、國際話語權、產業賦能五大戰略問題的大夏公司，是大夏 AI 從 “跟跑” 到 “領跑” 的關鍵一步。
想到這裡，周文的心思突然活泛了起來。
今年才2015年，大家公認的AI元年是2023年，這意味著他有八年的時間提前謀劃。
甚至，憑藉自己的先知先覺和系統，未必不能早chatGPT一步釋出通用AI大模型！
問清林晚晚所在的實驗室位置，周文鎖好車，快步穿過校園林蔭道，首奔計算機學院實驗樓。
開放式的實訓實驗室大門敞開，裡面坐滿了各個學院的尖子生，螢幕上密密麻麻滾動著程式碼、資金資料流、模型推演曲線。
此刻，實訓實驗室內數十名學生或眉頭緊皺、或激烈辯論、或沉思不語。
周文來到後門，掃了眼在角落裡抱著筆記型電腦的林晚晚，沒有出聲打擾，而是把全部心思都放在了眼前的辯論上。
“……我們這套模型的最大優勢就是算力分流！普通大模型是全域啟用，算力浪費嚴重，但我們的架構可以按需啟用模組，不但算力需求低，效率更高！”
一名戴著很框眼鏡，看起來有些不修邊幅的年輕男子信心滿滿道。
他話音剛落，有人立馬搖頭反駁，“理論上可行，但是你忽略了金融市場的不確定性！股市、私募市場訊息面干擾太大，突發事件、輿論風向、資本操盤，這些都是變數，你的模型只能演算曆史資料，無法預判突發風險。”
“而且你們看這組回撤資料！”他抬手點開側邊圖表，“震盪行情下，模型誤判率高達18%，放在真實資本市場，這個誤差足以讓量化操盤首接虧損爆倉！”
又有一名同學據理力爭道：“所以我們才需要迭代最佳化！只要不斷投餵市場資料，微調演算法引數，誤判率絕對可以壓到5%以內。屆時，憑藉超高的效率，它絕對能碾壓傳統的人工操盤。”
“微調？哪有你說的那麼簡單！”又有同學忍不住開口插話，“傳統量化機構深耕十幾年，演算法、資料來源、資金池都是頂級配置。”
“我們自研的模型，沒有海量真實市場資料支撐，沒有頂級算力加持，說白了就是紙上談兵。”
……
