穿過北疆科大的校門，越過兩棟教學樓，實驗室裡，李澤和姜伊伊安安靜靜地坐在門口的位置。
雖然是週末，但吳曉忠的實驗室卻沒有休息。
“老師，這次我只微調了150個引數，可這任務卡在99%已經兩天了，咱們實驗室的算力什麼時候能增加一些？”
吳曉忠的學生王楠在一旁抱怨道。
他也不想週末泡在實驗室，可手裡的任務一直在延遲，倒不是他程式碼寫的慢，而是實驗室的算力實在是不夠用。
吳曉忠主攻的就是AI大模型，之前接受李澤的投資，大模型研發有了長足的進展。
甚至已經有了很多成果落地。
可在繼續迭代的過程又遇到了問題，資料工程、架構創新等基礎都已經做到極致。
可問題就出現在調參訓練上，實驗室的硬體有限，每次跑任務都要等上幾天。
寫程式碼只要一小時，可等任務卻超過了3天。
吳曉忠的大模型在這樣的效率下，不僅沒有掉出第一梯隊，還能跟上世界先進水平，已經很不容易了。
要知道，現在的大模型動不動就上億級別的引數，每次只最佳化幾百個，這效率可想而知。
“困難總是有的，想辦法克服就是了，等熬過這一段時間，一切都會好的。”
吳曉忠出言安慰道。
他也不是沒做出改變，模型架構已經最佳化到極致，kv快取壓縮至十分之一，長上下文視訊記憶體佔用降低90%。
分散式、無輔助損失負載均衡、雙向流水線，能想到的都想到了，可問題是底層的硬體底座不夠給力。
用的顯示卡是幾年前的舊款，數量和質量都不盡如意，也不是他不想更新。
實在是醜國封殺得嚴，高階顯示卡禁運，吳曉忠想買也買不到。
想訂購國內最新款自研顯示卡，可是產能又不夠，那些大公司都吃不飽，他一個小實驗室想搶到訓練用的顯示卡太難了。
無奈，只能用時間來換，爭取每次調參的程式碼準確性高一些，避免出現返工的問題。
又查看了幾個學生的任務，吳曉忠慢慢走到李澤的身前。
這是他第二次見李澤，上次還是在海浪汽車的廠裡，測試自動駕駛模型的時候。
他對李澤的印象很深，是個聰明孩子，而且還是李尚海的兒子，大家都親切地稱呼李澤為小李總。
“小李總，今天怎麼有空來這裡玩，是不是想提前感受一下大學的氛圍？”
“吳教授，我這次來是有點事想請教你的。”
“哦？”
吳曉忠饒有興趣地盯著李澤，一個小學生有問題請教他一個大學教授，多少令人有點好奇。
“說說看，有什麼是要請教的？”
。面對的澤李在坐，子椅把了拉便隨忠曉吳
